In a previous Need to Know article, we examined TV media buying and how it needs to evolve to meet the demands of today’s highly fragmented TV ecosystem. The playing field is changing rapidly, and buyers need new tools to understand and reach their target audiences.
Najważniejszym priorytetem dla branży było opracowanie nowego pomiaru, który mógłby połączyć skalę dużych zbiorów danych z danymi demograficznymi i dokładnością statystyczną pomiarów panelowych w celu wygenerowania lepszej jakości danych.
Nielsen has spent years working out the best way to combine panels and big data, developing data partnerships with key players and thoroughly testing our new methodology in collaboration with industry stakeholders. Here are three findings that convinced us that the harmonious combination of big data and panel data was indeed the future of TV measurement.
Dzięki dużym zbiorom danych skalibrowanym przez panele Nielsena...
- Zerowe oceny zostały obniżone w kluczowych grupach demograficznych (SCALE)
- Średni spadek błędu względnego (ACCURACY)
- Spadek odchylenia standardowego (STABILNOŚĆ)
Przyjrzyjmy się, co rozumiemy przez big data i co panele mają z tym wspólnego.
Duże zbiory danych i panele: Razem lepiej
In the TV measurement space, big data refers to return-path data (RPD) from cable and satellite set-top boxes, as well as automatic content recognition (ACR) data from internet-connected smart TVs. How big is big data? Thanks to strategic data partnerships with companies like Comcast, DirecTV, Dish Network, Roku and Vizio, Nielsen currently has access to granular data from 75 million devices (and 45 million households) in the U.S. alone.
It’s a massive dataset, but it doesn’t capture TV viewing at the individual level—only at the device level. This makes it impossible to determine whether anyone is actually watching TV when the device is on or who the viewers and co-viewers might be at any point in time. To say nothing of the millions of households that don’t own any of those devices, only stream, watch TV over the air or have very different viewing habits than big data homes.
That’s where person-level panels come in. We’ve examined why panels still matter and how they should be used as a source of truth to overcome the limitations of big data. We followed those recommendations to develop the new National and Local TV currency for media buying and selling.
Na przykład, kiedy analizujemy dane RPD lub ACR w Nielsen dzisiaj, jesteśmy w stanie zidentyfikować, które urządzenia są częścią naszych paneli i porównać dane strojenia w tych domach z indywidualnym zachowaniem oglądania zarejestrowanym przez nasze mierniki. Wykorzystując nasze panele jako źródło prawdy, opracowaliśmy solidne metody kalibracji dużych zbiorów danych, przypisywania oglądalności do właściwych osób i prognozowania oglądalności dla całej populacji telewizyjnej, a nie tylko tych w zbiorze danych dużych zbiorów danych.
Takie podejście ma wiele zalet. Oto trzy, które wyróżniły się w naszych dotychczasowych analizach.
Skala: Zerowe oceny zostały obniżone w kluczowych grupach demograficznych
When big data first emerged in the TV space, the immediate reaction from the industry was that it could help address one of its most vexing problems: zero-rated programs.
Tysiące programów telewizyjnych ma widownię, która jest zbyt mała, aby można ją było wykryć za pomocą pomiarów panelowych, nawet przy panelu obejmującym ponad 100 000 widzów. Dla przykładu, w pierwszym kwartale 2023 r. w telewizji nadawanej, kablowej i konsorcjalnej wyemitowano 362 168 programów telewizyjnych, a 13,9% z nich nie miało żadnych widzów w wieku od 35 do 49 lat w żadnym z naszych krajowych i lokalnych paneli telewizyjnych.
Kiedy jednak wykorzystaliśmy naszą nową metodologię Big Data + Panel do zbadania tych samych transmisji, znaleźliśmy tylko 458, które w ogóle nie miały widzów w grupie P35-49, czyli 0,1% wszystkich transmisji w tym kwartale. Reszta była całkowicie uzasadnionymi opcjami zakupu mediów, być może z unikalnym składem widowni.
In other words, our enhanced measurement can eliminate virtually all cases of zero-rating for that age group, with similar results across all other traditional age targets: 99.1% for P35-49, 98.4% for P18-34, and 99.6% for P50-64.
Jest to korzystne dla kupujących i sprzedających media: Sprzedawcy mają więcej zasobów reklamowych do spieniężenia, a kupujący mają więcej opcji z niszowymi odbiorcami, aby dotrzeć do swoich celów.
Dokładność: Średni błąd względny spada
Kluczową częścią procesu łączenia dużych zbiorów danych i danych panelowych jest zastosowanie współczynników kalibracji do każdego programu w celu dostosowania zagregowanej widowni do panelu na poziomie stacji/części dziennej/demo. Po modelowaniu danych demograficznych i oglądalności, używamy dużych zbiorów danych do samodzielnego pomiaru i porównujemy wyniki z wynikami naszej waluty opartej na panelu, aby określić współczynniki kalibracji.
Skutkuje to wygładzeniem poziomów oglądalności z minuty na minutę i poprawą dokładności szacunków oglądalności w porównaniu z rozwiązaniem opartym wyłącznie na panelach.
We measured how this new Big Data + Panel calibration method performed against the existing panel-based currency in the New York designated market area (DMA) in May 2023 and found that the average relative error for audience estimates in that market decreased anywhere between 10% (for the early fringe daypart) and 25% (for primetime and late fringe).
Większa dokładność oznacza, że kupujący i sprzedający media mogą rozpocząć transakcje z większą pewnością.
Stabilność: Odchylenie standardowe maleje
Na tym samym rynku i w tym samym miesiącu maju 2023 r. Nielsen zbadał wpływ nowej waluty na stabilność szacunków oglądalności programów informacyjnych o 6 rano.
National broadcast and cable news programs tend to draw loyal followers day in and day out; the same is supposed to be true for local news shows, but it’s always been difficult to verify considering the size of some of our local TV panels. Local stations have struggled to understand whether day-to-day variations in audience size are the result of actual fluctuations or an artifact of panel-based measurement.
Przyglądając się bliżej dwóm oddzielnym programom informacyjnym o 6 rano w rejonie Nowego Jorku, stwierdziliśmy, że odchylenie standardowe wielkości ich widowni w ciągu miesiąca było o 36% niższe w przypadku nowej waluty niż w przypadku waluty opartej wyłącznie na panelach, ponieważ duże zbiory danych zapewniają stabilność szacunków poprzez zmniejszenie wpływu pojedynczego panelu domowego.
Jak nasze ulepszone pomiary wpłyną na Twoją firmę?
No more zero-ratings, better accuracy and much improved stability. What’s not to like? We’ve been refining our new TV currency for years now, and now as the only accredited, Big Data + Panel solution with persons-level granularity, the media industry can trade on accurate, reliable measurement with confidence. We sincerely believe that it’s going to open a new chapter for Pomiar TV and benefit all stakeholders.
To learn more about it and assess its impact on your business, please get in touch with our experts and discover the power of Big Data + Panel measurement.
Nielsen’s Need to Know reviews the fundamentals of audience measurement and demystifies the media industry’s hottest topics. Read every article here.
