对于媒体行业来说，3 月至 5 月是 "大干快上 "的时期。在横跨媒体领域的众多前期活动中，这些活动不再局限于单个平台和技术，不断扩大的内容市场为广告买卖双方提供了丰富的机会和广阔的信息空间，尤其是在有关大数据衡量的讨论日益增多的情况下。
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.
日益丰富的内容为消费者提供了越来越多的选择，但无数的平台、设备和服务也给广告商带来了测量方面的挑战。此外，选择的激增并没有创造出更多的时间来接触内容，也没有创造出更多的人。但大数据，包括来自智能电视（ACR）和有线电视盒（RPD）的数据，却能说明问题。来自有线电视盒和智能电视的数据对流媒体活动的了解也很少：有线电视盒顾名思义提供的是传统电视数据，而当观众使用包括 Netflix 在内的原生应用程序时，ACR 通常会关闭。
除了从未打算用于测量之外，大数据也不能反映真实的人。RPD 和 ACR 的价值毋庸置疑，因为它们提供了衡量的尺度，但大数据反映的是设备，而不是真实的人。数据本身无法告诉你谁在看，谁没在看，而这正是广告商的基本需求。如果将人从等式中剔除，这些数字就无法相加。
以 ACR 数据为例，它可以识别智能电视屏幕上的图像。这种数据在观众测量中非常有用，但就其本身而言，它只能识别屏幕上的内容。RPD 数据与之类似，但它甚至无法确认电视机是否打开。这就是为什么四分之一的机顶盒印象来自根本没有打开的电视机。
除了不知道谁在使用设备或屏幕外，大数据本身也存在偏差，而这种偏差取决于数据类型。为了让大数据真正代表美国人口，每个电视家庭都需要拥有完全相同的电视机，并通过完全相同的数据流访问节目。这就是为什么所有的大数据集都需要用反映美国人口多样性的基于人的面板进行水平设置--校准。
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.
没有面板数据，测量就无法捕捉多样性。我们不仅知道所有电视家庭永远不会在相同的设备上访问相同的内容，我们还知道家庭的构成与电视家庭所在国家的结构一样千差万别。这就是基于大数据的衡量标准严重失误的地方。
例如，拉美裔美国人仅占美国人口的不到 20%，但大数据却严重低估了这部分受众以及其他许多受众。但如果仅以 RPD 为基础进行测量，尼尔森的分析发现，它对西班牙裔家庭的代表不足 30%。为了说明这一点，请看下面这个数据：2020 年美国人口普查确定西班牙裔人口略高于 6200 万。如果其中有一半的人在某一特定时间观看电视，而广告商利用 RPD 数据进行测量，那么广告商接触到的人可能比他们意识到的多 900 万。
重要的是，30% 的代表性不足只是一个平均值。在节目层面，大数据对普通受众和不同受众的低报和高报幅度可能更大。例如，尼尔森（Nielsen）对大数据测量与其黄金标准面板测量之间的差异进行的研究发现，RPD 测量将黄金时段节目的美国总印象高估了 69%。相比之下，ACR 测量则低报了 12%。在一场体育赛事中，RPD 测量将西班牙裔受众低报了 47%，而 ACR 数据则将同一受众高报了 12%。
对于广告商来说，这些测量差异可能会造成高昂的成本。然而，不断增加的新数据源确实增加了测量的复杂性，尤其是当这些数据可能与真人无关时。出版商和广告商总是希望获得尽可能大的覆盖面，但如果没有严格的分析来验证，肯定是不行的。
随着线性和数字的融合，大数据源成为测量的关键输入。但是，大数据本身并不能作为可靠的衡量来源。随着消费者使用更多设备和更多渠道，很容易出现数据声称参与度可能被夸大的情况。广告商当然欢迎许多替代受众所建议的受众规模，但如果他们根据这些数字进行广告投放，他们最终将为无法反映真实受众的数字买单。
