![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/10/mainak-mazumdar.png)
米国のメディア業界にとって、3月から5月は文字通り春の季節です。メディア全体を横断するアップフロントイベントが開催され、拡大し続けるコンテンツ市場は、広告の売り手と買い手に多くの機会や膨大な情報をもたらします。その中で、測定におけるビッグデータの活用に関する議論が高まっています。
広告主はこの時期、特にデータを重視します。デジタルに対する消費者のエンゲージメントが強くなっていると同時に、消費者のテレビ接触が細分化しているからです。ロンドンのデータ解析と調査会社である AmpereAnalysisが実施した調査によると、2021年のコンテンツへの総支出は、ストリーミング大手のNetflixを筆頭に、約2200億ドルにのぼります。米国の生活者は昨年、ほぼ1500万年分に相当する動画をストリーミング視聴したこと、また全世界のデジタル広告費は2021年度、29%以上増加し4910億ドルを超えたことを知っている広告主は、デジタル広告に集結しています。
コンテンツがさらに豊富になるにつれ、消費者にはさらに多くの選択肢が与えられるようになります。しかし広告主にとって、多種多用なプラットフォーム、デバイスやサービスは、測定面での新たな課題を意味します。選択肢の爆発的な増加によるコンテンツ接触時間の増加は確認されておらず、接触者の数も増えていません。しかし、スマートテレビ(ACR、コンテンツ自動認識)、ケーブルテレビ用チューナー(RPD、リターンパスデータ)から取得したデータを含むビッグデータは、そうでないことを示唆しています。ケーブル・ボックスとスマートテレビから得られるデータも、ストリーミングのアクティビティについては、ほとんどインサイトを提供しません。ケーブル・ボックスは、定義上、従来のテレビデータを提供し、ACRは、視聴者がNetflixを含
ビッグデータはそもそも測定を前提としたデータではないため、実在の「人」を反映していないことを覚えておく必要があります。RPDとACRデータは測定の幅を広げるという点で間違いなく価値がありますが、ビッグデータは実在の「人」ではなく、デバイスを反映しています。ビッグデータ単体では、広告主が最も必要とする「誰が見ているか」「見ていないか」が分かりません。ビッグデータから「人」を除外すると、当然数字は合わなくなります。
ACRデータは、スマートテレビスクリーン上のイメージを特定するため、オーディエンス測定には非常に有用です。しかしデータそのものは、スクリーン上のイメージを特定することしかできません。RPDデータも同様ですが、テレビ本体の電源が入っているかどうかを正しく確認することができません。そのため、セットトップボックスの総インプレッション数の1/4は、電源が入っていないテレビによるものとなっています。
デバイスやスクリーンの利用者を特定できない他、ビッグデータは本質的に偏っており、偏りの度合はデータタイプに依存します。ビッグデータが本当に米国の人口を表すためには、すべてのテレビ世帯がまったく同じテレビを持ち、まったく同じデータストリームを通じて番組にアクセスする必要があります。そのため、全ビッグデータセットを米国の多様な人口を反映する「人」ベースのパネルで調整する必要が生じます。
La Federación Mundial de Anunciantes (世界広告主連合)、la Asociación de Anunciantes Nacionales (全米広告主協会)、さらには全世界30か国以上の業界団体は皆、スクリーンメディアに対する今後のオーディエンス測定システムは、質の高いパネルとビッグデータの組み合わせであるべきと異口同音に主張しています。
パネルデータを伴わない測定は、多様性を捉えることができません。全てのテレビ保有世帯は同一コンテンツを同一デバイスで視聴しておらず、テレビ保有世帯の構成も地域や国によって異なります。ビッグデータベースの測定では、この誰もが知っているような事実が大きく取り逃されます。
例を挙げると、ヒスパニック系は米国総人口のほぼ20%を占めていますが、ビッグデータはヒスパニック系やその他人種のオーディエンス数を著しく過小カウントします。対してRPDのみをベースとした測定に対するニールセンの分析では、ヒスパニック系の世帯は30%過小評価されていました。このことを踏まえて、次のように考えてみましょう。2020年の米国国勢調査では、ヒスパニック系人口は6,200万人余りです。この人口の半分がある時間にテレビを視聴しており、広告主が RPD データを測定に利用した場合、広告主は気付いていないだけで900万人以上にリーチできている可能性があります。
30% の過小評価は平均的な数字であり、番組単位で見ると、ビッグデータは一般的な人口や多様なオーディエンスの両方に対し、より大きな幅の誤差を生じさせる場合があります。ビッグデータを活用した測定、及びニールセンの業界標準であるパネルベースの測定間の差異に関するニールセンの調査研究によると、プライムタイムに放送された番組に対し、RPD測定は米国の総インプレッション数を69% 過大に測定していました。対してACR測定は、総インプレッション数を12% 過小に測定しました。スポーツ中継番組では、RPD測定はヒスパニック系オーディエンスを47% 過小に測定し、ACR測定は同オーディエンスを12% 過大に測定していました。
広告主にとって、このような測定のばらつきはコスト高になりかねません。新たなデータソース、特に実在する「人」に紐付けられない新たなデータソースは、測定の複雑化を招いています。広告主やパブリッシャーは皆、リーチの最大化を目指していますが、リーチの有効性を検証することの重要性もしっかりと認識しています。
リニアテレビとデジタルの収束が進むにつれ、ビッグデータは測定の重要なインプットとなっています。しかしビッグデータそのものは、信頼に値する測定ソースではありません。消費者がより多様なデバイスやチャネルと関わるようになった現在、過度なエンゲージメントを示すデータは容易に識別することができるでしょう。広告主は確かに多くの代替オーディエンスが提案するオーディエンスのサイズを歓迎しますが、それらの数に対して広告購入を行う場合、最終的には実在の「人」を反映していない数字に対して広告費を支払うことになります。