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.
Uma das principais prioridades do setor tem sido o desenvolvimento de uma nova medição que possa combinar a escala de big data com a demografia e a precisão estatística da medição baseada em painel para gerar dados de melhor qualidade.
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.
Com big data calibrado pelos painéis de pessoas padrão-ouro da Nielsen...
- As classificações zero são reduzidas nas principais demonstrações (SCALE)
- O erro relativo médio cai (ACCURACY)
- O desvio padrão diminui (ESTABILIDADE)
Vamos analisar o que queremos dizer com big data e o que os painéis têm a ver com isso.
Big data e painéis: Melhor juntos
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.
Por exemplo, quando analisamos os dados de RPD ou ACR na Nielsen hoje, podemos identificar quais dispositivos fazem parte de nossos painéis e comparar os dados de sintonia nessas residências com o comportamento de visualização individual capturado por nossos medidores. Ao usar nossos painéis como fonte de verdade, desenvolvemos métodos robustos para calibrar o big data, atribuir a visualização aos indivíduos certos e projetar estimativas de audiência para toda a população de TV, e não apenas para aqueles que fazem parte do conjunto de dados de big data.
Há muitos benefícios nessa abordagem. Aqui estão três que se destacaram em nossas análises até o momento.
Escala: As classificações zero são reduzidas nas principais demonstrações
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.
Milhares de programas de TV têm audiências pequenas demais para serem detectadas pela medição baseada em painel, mesmo com um painel de mais de 100.000 espectadores. Para dar um exemplo, houve 362.168 transmissões no primeiro trimestre de 2023 na TV aberta, a cabo e sindicalizada, e 13,9% dessas transmissões não apresentaram nenhum espectador com idade entre 35 e 49 anos em nenhum de nossos painéis de TV nacionais e locais.
Mas quando usamos nossa nova metodologia de Big Data + Painel para examinar essas mesmas transmissões, encontramos apenas 458 sem nenhum espectador de P35-49, ou 0,1% de todas as transmissões naquele trimestre. O restante eram opções perfeitamente legítimas para compra de mídia, possivelmente com composições de público exclusivas.
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.
Isso é vantajoso para compradores e vendedores de mídia: Os vendedores têm mais inventário de publicidade para monetizar; e os compradores têm mais opções com públicos de nicho para atingir seus alvos.
Precisão: O erro relativo médio cai
Uma parte importante do processo de combinação de big data e dados de painel é a aplicação de fatores de calibração a cada programa para alinhar o público agregado com o painel no nível da estação/parte do dia/demo. Uma vez que os dados demográficos e os espectadores tenham sido modelados, usamos o big data para medir a si mesmo e comparamos os resultados com os de nossa moeda baseada em painel para informar os fatores de calibração.
Isso tem o efeito de suavizar os níveis de audiência minuto a minuto e melhorar a precisão das estimativas de audiência em comparação com uma solução somente de painel.
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).
Maior precisão significa que os compradores e vendedores de mídia podem começar a fazer transações com mais confiança.
Estabilidade: O desvio padrão diminui
Nesse mesmo mercado e para o mesmo mês de maio de 2023, a Nielsen examinou o impacto da nova moeda sobre a estabilidade das estimativas de audiência dos programas de notícias das 6h.
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.
Observando atentamente dois programas de notícias separados das 6h da manhã na área de Nova York, descobrimos que o desvio padrão do tamanho da audiência ao longo do mês foi 36% menor com a nova moeda do que com a moeda somente de painel, já que o big data traz estabilidade às estimativas ao reduzir o impacto de um único painel.
Como nossa medição aprimorada afetará seus negócios?
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 Medição de 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.
