ในสหรัฐอเมริกาและทั่วโลก การแบ่งแยกการรับชมได้ท้าทายความสามารถของกลุ่มวัดผลผู้ชมแบบเดิมในการให้ข้อมูลเรตติ้งที่เชื่อถือได้ ข้อมูลดังกล่าวยังคงมีความสำคัญสำหรับผู้ซื้อและผู้ขายโฆษณาในการวางแผนและดำเนินการข้อตกลง และสำหรับผู้ผลิตเนื้อหาในการทำความเข้าใจประสิทธิภาพของรายการ
แม้ว่าเครือข่ายและรายการที่มีเรตติ้งสูงจะได้รับผลกระทบจากปัญหาการวัดผลนี้น้อยกว่า แต่การรับชมในปัจจุบันมีเฉพาะกลุ่ม ทำให้เรตติ้งลดลงและการวัดผลไม่น่าเชื่อถือ ในบางกรณี เรตติ้งอาจรายงานเป็นศูนย์ ซึ่งแม้ว่าจะมีผู้ชมรายการในประชากร แต่ไม่มีผู้ชมรายการใดเลยที่อยู่ในกลุ่มการวัดผล เพื่อแก้ไขปัญหานี้ Nielsen จึงได้เผยแพร่ข้อมูลการวัดผล "กลุ่มผู้ชมและข้อมูลขนาดใหญ่" ซึ่งรวมถึงการผสานข้อมูลกลุ่มผู้ชมเข้ากับข้อมูลขนาดใหญ่ เช่น ข้อมูลเส้นทางกลับ (RPD) จาก MVPD และข้อมูลการจดจำเนื้อหาอัตโนมัติ (ACR) จากสมาร์ททีวี ซึ่งช่วยปรับปรุงการวัดผลผู้ชมได้อย่างมีนัยสำคัญ โดยทำให้การวัดผลแม่นยำขึ้นและแก้ไขปัญหา "เรตติ้งเป็นศูนย์" ได้อย่างมีประสิทธิภาพ
We know that the data from cable boxes and smart TVs isn’t feasible for measurement by itself. It has gaps and doesn’t measure everything on the screen or tell you who’s watching. But, when paired with accredited person-level panel data, the combined data sets significantly advance the science of audience measurement. Among the benefits, the combination of these data sets allows measurement to collect far more viewing than what’s possible with panel data alone.
ทำความเข้าใจเกี่ยวกับการจัดอันดับเป็นศูนย์
ตัวอย่างเช่น ในไตรมาสแรกของปีนี้ คณะกรรมการ Nielsen รายงานว่าไม่มีเรตติ้งเลยสำหรับการถ่ายทอดสด 8,454 รายการ ทั้งในระบบออกอากาศทางโทรทัศน์ เคเบิล และทีวีรวม จากทั้งหมด 362,168 รายการ (2%) สำหรับการถ่ายทอดสดและการรับชมแบบเลื่อนเวลาในอีกสามวันถัดมา เรตติ้งเป็นศูนย์ หมายความว่าไม่มีบ้านใดในกลุ่มคณะกรรมการรับชม ซึ่งในกรณีส่วนใหญ่ สะท้อนถึงข้อจำกัดของการวัดผลมากกว่าสิ่งที่เกิดขึ้นจริงในกลุ่มประชากร กล่าวอีกนัยหนึ่ง ประชากรมีอัตราการรับชมต่ำ ผู้ชมไม่ได้อยู่ในกลุ่มคณะกรรมการ
การรวมข้อมูลขนาดใหญ่ในข้อมูลแผงข้อมูลระดับประเทศของ Nielsen ช่วยแก้ปัญหานี้ได้อย่างมาก โดยช่วยให้ผู้ซื้อและผู้ขายมองเห็นพฤติกรรมการรับชมของผู้ชมได้ชัดเจนยิ่งขึ้น Nielsen กำลังรวมข้อมูลทีวีจากบ้านประมาณ 30 ล้านหลังเข้ากับแผงข้อมูล 40,000 หลัง/100,000 คน ทำให้การวัดผลแม่นยำขึ้นอย่างมาก ขนาดตัวอย่างที่ใหญ่ขึ้นช่วยลดข้อผิดพลาดในการสุ่มตัวอย่างทางสถิติที่เกี่ยวข้องกับการวัดผลแผงข้อมูล รวมถึงการมีคะแนนเป็นศูนย์
ข้อมูลขนาดใหญ่ช่วยให้มองเห็นได้แม่นยำยิ่งขึ้น
ก่อนจะนำข้อมูลขนาดใหญ่มาใช้ในการวัดผลในเดือนกันยายนนี้ นีลเส็นใช้เวลาหนึ่งปีในการวิเคราะห์ชุดข้อมูลรวมเพื่อทำความเข้าใจผลกระทบต่อข้อผิดพลาดในการสุ่มตัวอย่าง การวิเคราะห์พบว่าการรวมข้อมูลขนาดใหญ่ช่วยลดเรตติ้งที่เป็นศูนย์ได้อย่างมีนัยสำคัญในทุกกลุ่มผู้ชม เมื่อวัดการออกอากาศรายการโทรทัศน์ 8,454 รายการในไตรมาสแรกที่มีเรตติ้งเป็นศูนย์ในครัวเรือนโดยใช้ข้อมูลแผงรวมกับข้อมูลขนาดใหญ่ พบว่าเรตติ้งที่เป็นศูนย์ลดลง 99.9% เมื่อวัดจากกลุ่มผู้ชมหลักทั้งหมด พบว่าการลดลงมีตั้งแต่ 96.8% ถึง 99.9% การลดลงนี้เห็นได้ชัดที่สุดในกลุ่มผู้ชมที่อายุน้อย ซึ่งมักเป็นผู้ชมรายการโทรทัศน์แบบดั้งเดิมไม่มากนัก จึงมีแนวโน้มที่จะทำให้เรตติ้งเป็นศูนย์ในการวัดผลแผง
ขนาดตัวอย่างที่เพิ่มขึ้นยังช่วยให้สามารถรวบรวมการรับชมที่แม่นยำยิ่งขึ้นในกลุ่มผู้ชมเฉพาะกลุ่ม ตัวอย่างเช่น ในไตรมาสแรก มีรายการภาษาสเปน 3,471 รายการที่ออกอากาศทางเครือข่ายภาษาสเปนซึ่งสร้างเรตติ้งเป็นศูนย์ (ถ่ายทอดสด +3 วัน) เมื่อวัดด้วยข้อมูลแผง เมื่อวัดด้วยข้อมูลแผงและข้อมูลขนาดใหญ่ เรตติ้งเป็นศูนย์จะถูกลบออกไปทั้งหมด
เห็นได้ชัดว่าการเพิ่มจำนวนบ้านหลายล้านหลังเข้าไปในการวัดผลนั้นถือเป็นเรื่องดี อย่างไรก็ตาม แม้ว่าข้อมูลขนาดใหญ่จะให้ขนาดตัวอย่างที่ใหญ่กว่าอย่างเห็นได้ชัด แต่ข้อมูลขนาดใหญ่ก็ขาดรายละเอียดเฉพาะเจาะจงเกี่ยวกับผู้ที่กำลังรับชม และมักจะแสดงถึงประชากรที่หลากหลายและกลุ่มอายุบางกลุ่มได้ไม่เพียงพอ นอกจากนี้ ข้อมูลขนาดใหญ่ยังไม่สามารถวัดการรับชมจากเสาอากาศแบบเหนือคลื่นความถี่ บ้านที่ใช้บรอดแบนด์เท่านั้น และการรับชมที่เกิดขึ้นนอกบ้านได้ นั่นคือจุดที่ข้อมูลคณะกรรมการที่ได้รับการตรวจสอบและรับรองเข้ามามีบทบาท โดยการผสมผสานขนาดของข้อมูลขนาดใหญ่และข้อมูลเชิงลึกแบบละเอียดจากคณะกรรมการที่อิงตามบุคคลของเรา Nielsen กำลังช่วยให้ภาคอุตสาหกรรมตระหนักถึงศักยภาพทั้งหมดของข้อมูล RPD และ ACR
