ปัญหาที่ไม่ค่อยซ่อนเร้นกับชุดข้อมูลขนาดใหญ่

ตัวอย่างที่เกี่ยวข้องล่าสุด

หลังจากที่สูญเสียการเข้าถึง Portable People Meters ของ Nielsen บริษัท Comscore รายงานว่าบริษัทจะใช้ชุดข้อมูลจาก ConsumerView ของ Experian เพื่อช่วยระบุผู้ชมแต่ละรายเพื่อวัตถุประสงค์ในการวัดผล ประกาศของบริษัทถูกตีกรอบในสื่อการค้าว่าเป็นความก้าวหน้า เพราะท้ายที่สุดแล้ว หากข้อมูลขนาดใหญ่คืออนาคต การเปลี่ยนแปลงใดๆ ในทิศทางนั้นก็ต้องเป็นเรื่องดี 

น่าเสียดายสำหรับลูกค้าของพวกเขาและผู้บริโภค นั่นไม่ใช่กรณีนั้น 

มีผู้ให้บริการข้อมูลประจำตัวบุคคลที่สามจำนวนหนึ่งที่ให้บริการจับคู่ชุดข้อมูลโดยอิงจากข้อมูลที่ระบุตัวตนส่วนบุคคล และให้ข้อมูลลักษณะประชากรทั้งที่รวบรวมโดยตรงและสร้างแบบจำลอง 

ที่ Nielsen เราตรวจสอบข้อมูลนี้เป็นประจำ โดยเราทำการวัดข้อมูลจากกลุ่มตัวอย่างที่มีประสิทธิภาพของเราโดยตรงเพื่อตรวจสอบว่าชุดข้อมูลเหล่านี้มีความแม่นยำเพียงใด 1) ตรงกับครัวเรือนอย่างถูกต้องและ 2) รายงานข้อมูลประชากรและลักษณะเฉพาะอย่างถูกต้อง 

สิ่งที่เราพบโดยทั่วไปน่าจะทำให้ผู้โฆษณาคิดหนัก 

ชุดข้อมูลส่วนใหญ่ในปัจจุบันถูกสร้างขึ้นจากข้อมูลการเรียกเก็บเงินหรือการรวบรวมข้อมูลพฤติกรรมออนไลน์ ไม่ใช่โปรไฟล์ประชากร ชุดข้อมูลเหล่านี้ไม่มีรายละเอียดที่ครอบคลุมเกี่ยวกับบุคคลในรายชื่ออย่างชัดเจน ไม่ว่าจะเป็นอายุ รายได้ เชื้อชาติ และชาติพันธุ์ เช่นเดียวกับแผงข้อมูลที่มีประสิทธิภาพ ชุดข้อมูลเหล่านี้สร้างขึ้นจากการถ่ายโอนข้อมูลระหว่างเครื่อง จึงเพิ่มโอกาสในการเกิดการสูญเปล่าและการฉ้อโกง 

ด้วยเหตุนี้ ระดับความแน่นอนที่พวกเขาสามารถให้ได้เกี่ยวกับผู้ที่อาศัยอยู่ในครัวเรือนนั้นๆ จริงๆ จึงมีจำกัด และพวกเขาไม่สามารถบอกได้ว่าใครในบ้านนั้นๆ ที่กำลังรับชมรายการใดรายการหนึ่งในเวลาที่กำหนด 

แม้ว่าคุณจะใช้ข้อมูลดังกล่าวร่วมกับแหล่งข้อมูลอื่น ๆ ก็ตาม แต่คุณแทบจะรับประกันได้เลยว่าจะมีช่องว่างและข้อผิดพลาดจำนวนมากในการประมาณค่าของคุณ ซึ่งอาจยอมรับได้หากกรณีการใช้งานเป็นแบบกำหนดเป้าหมาย แต่ข้อมูลนี้เพียงอย่างเดียวไม่สามารถให้ความแม่นยำ ความเป็นกลาง และความโปร่งใสที่จำเป็นต่อการวัดผลได้ 

เหตุใดมันจึงสำคัญ

แล้วนั่นหมายความว่าอย่างไรในทางปฏิบัติ? จริงๆ แล้วมันก็มีความหมายแฝงอยู่บ้าง 

ในกรณีที่ Comscore เลิกใช้ Personal People Meters ของเรา ซึ่งติดตั้งไมโครโฟนกับผู้คนจริงราวๆ 100,000 คน ซึ่งได้รับการตรวจสอบแล้ว และติดตามสิ่งที่พวกเขากำลังรับชมอย่างแม่นยำ 

หากใช้โมเดลที่ใช้ข้อมูลการเรียกเก็บเงินเพื่อคาดเดาว่าใครบ้างในที่อยู่อาศัยที่อาจรับชมรายการใดรายการหนึ่งในช่วงเวลาหนึ่ง ผลลัพธ์ที่ได้จะอ่านได้แม่นยำน้อยลงว่าใครรับชมรายการใดอยู่ 

แต่ผลที่ตามมาที่อาจใหญ่กว่านั้นก็คือ การเปลี่ยนแปลงครั้งนี้จะทำให้ภาคอุตสาหกรรมห่างไกลจากการนำเสนอภาพลักษณ์ที่แท้จริงของประเทศมากขึ้น 

เราทราบดีว่าชุดข้อมูลประเภทนี้จำนวนมากสามารถให้ข้อมูลรอบครัวเรือนได้ดีกว่าเมื่อคนในพื้นที่เป็นเจ้าของบ้านของตนเองและอาศัยอยู่ที่นั่นเป็นเวลานาน ซึ่งก็สมเหตุสมผล ปัญหาคือเจ้าของบ้านเป็นเวลานานมักเป็นคนผิวขาว ร่ำรวย และอายุมากกว่าคนทั้งประเทศอย่างเห็นได้ชัด โดยการออกแบบชุดข้อมูลเหล่านี้จึงนับคนผิวดำและผิวน้ำตาล คนที่มีรายได้น้อย และคนหนุ่มสาวได้น้อยลง ในขณะที่กลุ่มคนเหล่านี้กำลังเพิ่มขึ้น ไม่ใช่หดตัว 

เรื่องเดียวกันนี้ยังใช้ได้กับชุดข้อมูลที่สร้างขึ้นจากข้อมูลของกล่องรับสัญญาณโทรทัศน์ ซึ่งมีแนวโน้มที่จะนับรวมผู้บริโภคที่มีฐานะร่ำรวยซึ่งเต็มใจที่จะจ่ายเงินมากขึ้นสำหรับแพ็คเกจเคเบิลทีวีมากเกินไป และด้วยเหตุนี้ จึงไม่รวมผู้บริโภคที่มีรายได้น้อยกว่า ซึ่งเป็นเป้าหมายที่สำคัญสำหรับผู้ทำการตลาดจำนวนมากออกไปอย่างไม่สมส่วน 

อุตสาหกรรมสื่อได้ให้ความสำคัญกับการนำเสนอชุมชนคนผิวสีอย่างถูกต้องและแม่นยำเป็นลำดับความสำคัญหลัก ผลงานที่ผ่านมาของ Nielsen ในช่วงหลายทศวรรษที่ผ่านมาไม่ได้สมบูรณ์แบบนัก แต่ในปัจจุบัน เรามีมุมมองที่แม่นยำและล้ำสมัยที่สุดเกี่ยวกับประเทศชาติอย่างแท้จริง 

เครื่องมือวัดที่ได้จากข้อมูลขนาดใหญ่ซึ่งไม่ได้รับการสนับสนุนจากคณะกรรมการที่เป็นตัวแทน ซึ่งได้รับการตรวจสอบและรับรองแล้ว ไม่สามารถอ้างเช่นนั้นได้ คณะกรรมการของ Nielsen สามารถกำหนดเป้าหมายกลุ่มประชากรจำนวนมากภายในสำมะโนประชากรโดยมีความแปรปรวน 1% แต่ตัวเลือกที่เน้นข้อมูลขนาดใหญ่ที่มีอยู่นั้นไม่ใกล้เคียงกับสิ่งนั้นเลย อุตสาหกรรมจำเป็นต้องเปิดใจและซื่อสัตย์กับตัวเองเกี่ยวกับความท้าทายที่ข้อมูลขนาดใหญ่ก่อให้เกิดขึ้นเมื่อต้องนำเสนอข้อมูล

ปัญหาที่กว้างกว่า

เพื่อให้ชัดเจนขึ้น นี่ไม่ใช่ปัญหาของ Comscore เพียงเท่านั้น แต่เป็นปัญหาของชุดข้อมูลขนาดใหญ่ทั้งหมดที่มีอยู่ในปัจจุบัน 

In August of 2020 the ANA, in partnership with the MRC and Sequent Partners, used Nielsen data as a benchmark in a study designed to understand the degree to which the multicultural audiences were being accurately represented in media targeting. The study looked at an aggregated collection of high-quality marketing and media data and sought to understand how accurately it was targeting Black, Brown and Asian audiences. The findings were troubling, but not at all surprising to us. 

การศึกษาพบว่าชุดข้อมูลขนาดใหญ่ที่อุตสาหกรรมใช้ไม่ได้มีประสิทธิภาพเพียงพอที่จะกำหนดเป้าหมายชุมชนที่สำคัญเหล่านี้ได้อย่างแม่นยำ ส่วนหนึ่งเป็นเพราะชุดข้อมูลไม่ได้รับการออกแบบมาเพื่อรวบรวมข้อมูลอันหลากหลายเกี่ยวกับตัวตนที่แท้จริงของผู้บริโภคเหล่านี้ เช่นเดียวกับกลุ่มตัวอย่างที่มีข้อมูลครบถ้วน จึงมีการบิดเบือนและนำเสนอข้อมูลไม่เพียงพออย่างแพร่หลาย 

Now contrast that with Nielsen’s robust panels, which provide a wealth of directly collected information from real-life people, representative of the entire U.S. population. Who lives in the home?  How old are they? What race and ethnicity do they identify as? Who is watching the television at a given point in time? Nielsen’s panel answers these questions. 

แม้ว่าคณะกรรมการจะไม่ได้สมบูรณ์แบบในตัวเอง แต่ก็มีเหตุผลที่อุตสาหกรรมอื่นๆ เช่น ยา ใช้แนวทางที่คล้ายกับคณะกรรมการในการอนุมัติยา เนื่องจากเมื่อมีความเสี่ยงสูง ก็ไม่มีอะไรทดแทนบุคลากรที่ผ่านการตรวจสอบจริงได้  

เราทราบดีว่าผู้เล่นในอุตสาหกรรมหลายรายต่างตื่นเต้นกับคำมั่นสัญญาของข้อมูลขนาดใหญ่ และเราก็เช่นกัน แต่ในฐานะของอุตสาหกรรม เราต้องซื่อสัตย์เกี่ยวกับสิ่งที่ข้อมูลขนาดใหญ่สามารถแก้ปัญหาได้และไม่สามารถแก้ไขได้ และเราก็เข้าใจเช่นกันว่าอนาคตของการวัดผลสื่อเป็นแนวทางที่ผสมผสานการเข้าถึงข้อมูลขนาดใหญ่กับข้อมูลส่วนบุคคลที่ได้รับการยืนยันจากกลุ่มตัวอย่างที่แข็งแกร่ง

This article originally appeared on Next TV.