Dla branży medialnej okres między marcem a majem to czas przełomu. Rozwijający się rynek treści, obejmujący wiele wydarzeń poprzedzających, które nie są już związane z poszczególnymi platformami i technologiami, stanowi zarówno bogactwo możliwości, jak i ogrom informacji dla kupujących i sprzedających reklamy, zwłaszcza w obliczu rosnącej liczby rozmów na temat dużych zbiorów danych do pomiaru.
For advertisers, numbers are critical this time of year. And as TV consumption fragments amid rising digital engagement, they take on even greater importance. How important? An Ampere Analysis study found that total spend on content in 2021 totaled about $220 billion, led by streaming powerhouse Netflix. And advertisers, knowing that Americans streamed almost 15 million years’ worth of video last year, are rallying, as worldwide digital ad spend surged more than 29% in 2021 to eclipse $491 billion.
What’s more, consumers have no plans of changing the trajectory of the streaming industry, as 93% of streaming subscribers say they plan to increase their usage over the next year. That doesn’t mean, however, that traditional TV content is out of the picture. Quite the opposite, as the average adult spends more than twice as much time per day with live TV than they do with connected TV (CTV) content.
Rosnąca obfitość treści stanowi coraz większy wybór dla konsumentów, ale niezliczone platformy, urządzenia i usługi mogą stanowić wyzwanie pomiarowe dla reklamodawców. Co więcej, eksplozja wyboru nie stworzyła więcej czasu na angażowanie się w treści, ani nie stworzyła więcej ludzi. Jednak duże zbiory danych, w tym te pochodzące z inteligentnych telewizorów (ACR) i dekoderów telewizji kablowej (RPD), sugerują co innego. Dane z dekoderów telewizji kablowej i telewizorów Smart TV również dostarczają niewiele informacji na temat aktywności związanej ze streamingiem: dekodery telewizji kablowej z definicji dostarczają tradycyjnych danych telewizyjnych, a ACR często wyłącza się, gdy widzowie korzystają z natywnych aplikacji, w tym Netflix.
Oprócz tego, że nigdy nie miały być wykorzystywane do pomiarów, duże zbiory danych nie odzwierciedlają rzeczywistych osób. Nie ma wątpliwości co do wartości RPD i ACR, ponieważ zapewniają one skalę pomiaru, ale duże zbiory danych odzwierciedlają urządzenia, a nie rzeczywistych ludzi. Dane same w sobie nie mogą powiedzieć, kto ogląda, a kto nie - co jest podstawową potrzebą reklamodawców. A kiedy ludzie zostaną usunięci z równania, liczby po prostu się nie sumują.
Weźmy na przykład dane ACR, które identyfikują obrazy na ekranach inteligentnych telewizorów. Dane te mogą być bardzo przydatne w pomiarach oglądalności, ale same w sobie nie robią nic więcej poza identyfikacją tego, co jest na ekranie. Dane RPD są podobne, ale brakuje im możliwości sprawdzenia, czy telewizor jest włączony. Dlatego jedna czwarta wszystkich wyświetleń dekoderów pochodzi z telewizorów, które nawet nie są włączone.
Oprócz braku wiedzy o tym, kto korzysta z urządzenia lub ekranu, duże zbiory danych są z natury stronnicze, a stronniczość zależy od rodzaju danych. Aby duże zbiory danych rzeczywiście reprezentowały populację USA, każde gospodarstwo domowe z telewizorem musiałoby mieć dokładnie taki sam odbiornik telewizyjny i mieć dostęp do programów za pośrednictwem dokładnie tego samego strumienia danych. Dlatego wszystkie duże zbiory danych muszą być skalibrowane na poziomie - z panelami opartymi na ludziach, które odzwierciedlają różnorodność populacji USA.
Importantly, the World Federation of Advertisers, the Association of National Advertisers and the comparable organizations in over 30 other nations have unanimously stated that the future audience measurement system for screen media must be a combination of quality panel and big data.
Bez danych panelowych pomiar nie uwzględnia różnorodności. Nie tylko wiemy, że wszystkie gospodarstwa domowe korzystające z telewizji nigdy nie będą miały dostępu do tych samych treści na tych samych urządzeniach, ale wiemy również, że skład gospodarstw domowych jest tak zróżnicowany, jak struktura kraju, w którym znajdują się gospodarstwa domowe korzystające z telewizji. W tym miejscu pomiary oparte na dużych zbiorach danych znacznie mijają się z celem.
Na przykład, Latynosi stanowią nieco poniżej 20% populacji USA, ale duże zbiory danych znacznie zaniżają liczbę tych odbiorców, podobnie jak wielu innych. Jednak gdy pomiar opiera się wyłącznie na RPD, analizy Nielsena wykazały, że zaniża on liczbę latynoskich domów o 30%. Aby spojrzeć na to z perspektywy, rozważmy to: Spis powszechny USA z 2020 r. wykazał, że populacja Latynosów wynosiła nieco ponad 62 miliony. Jeśli połowa tej populacji ogląda telewizję w danym czasie, a reklamodawcy wykorzystują dane RPD do pomiaru, reklamodawcy mogą dotrzeć do 9 milionów osób więcej, niż są tego świadomi.
Co ważne, niedoreprezentowanie na poziomie 30% jest wartością średnią. Na poziomie programu, duże zbiory danych mogą być niedoreprezentowane lub nadreprezentowane w znacznie większym stopniu, zarówno w odniesieniu do populacji ogólnej, jak i zróżnicowanej widowni. Na przykład badanie Nielsena dotyczące różnic między pomiarami big data a ich złotym standardem opartym na pomiarach panelowych wykazało, że pomiar RPD zawyżał całkowitą liczbę wyświetleń w USA dla programu w czasie największej oglądalności o 69%. Dla porównania, pomiar ACR zaniżał łączną liczbę wyświetleń o 12%. W przypadku wydarzenia sportowego, pomiar RPD zaniżał liczbę widzów latynoskich o 47%, podczas gdy dane ACR zawyżały tę samą liczbę widzów o 12%.
Dla reklamodawców takie rozbieżności w pomiarach mogą być kosztowne. Rosnąca podaż nowych źródeł danych zwiększa jednak złożoność pomiarów, zwłaszcza gdy mogą one nie być powiązane z prawdziwymi ludźmi. Wydawcom i reklamodawcom zawsze będzie zależeć na jak największym zasięgu, ale z pewnością nie bez rygoru analitycznego niezbędnego do jego weryfikacji.
W miarę konwergencji danych liniowych i cyfrowych, duże źródła danych stają się kluczowymi danymi wejściowymi do pomiarów. Same w sobie nie są jednak godne zaufania jako źródła pomiaru. Ponieważ konsumenci korzystają z większej liczby urządzeń i kanałów, łatwo będzie wskazać dane, które wskazują na potencjalnie zawyżone zaangażowanie. Reklamodawcy z pewnością z zadowoleniem przyjęliby rozmiary odbiorców sugerowane przez wiele alternatywnych grup odbiorców, ale jeśli będą kupować reklamy w oparciu o te liczby, ostatecznie będą płacić za liczby, które nie odzwierciedlają prawdziwych ludzi.
