Aux États-Unis et dans le monde entier, la fragmentation de l'audience a remis en question la capacité des panels traditionnels de mesure de l'audience à fournir des informations fiables. Ces informations restent essentielles pour les acheteurs et les vendeurs de publicité afin de planifier et d'exécuter les contrats, et pour les producteurs de contenu afin de comprendre la performance des programmes.
Bien que les chaînes et les programmes à forte audience soient moins affectés par ce problème de mesure, une grande partie de l'audience est aujourd'hui constituée de niches, ce qui conduit à des audiences plus faibles et à des mesures moins fiables. Dans certains cas, cela peut conduire à ce que les audiences soient rapportées comme des zéros, où bien qu'il y ait des téléspectateurs d'un programme dans la population, aucun d'entre eux n'était sur le panel de mesure. Pour remédier à ce problème, Nielsen publie ses données de mesure "panel plus big data". Il s'agit de combiner les données du panel avec les big data - les données de parcours de retour (RPD) des MVPD et les données de reconnaissance automatique de contenu (ACR) des téléviseurs intelligents, ce qui améliore considérablement la mesure de l'audience en la rendant plus précise et en résolvant efficacement le problème des "cotes nulles".
Nous savons que les données provenant des boîtiers de câblodistribution et des téléviseurs intelligents ne peuvent pas être mesurées en tant que telles. Elles présentent des lacunes, ne mesurent pas tout ce qui se passe à l'écran et ne permettent pas de savoir qui regarde. Mais lorsqu'elles sont associées à des données de panel accréditées au niveau de la personne, les ensembles de données combinés font progresser de manière significative la science de la mesure de l'audience. Parmi les avantages, la combinaison de ces ensembles de données permet de collecter beaucoup plus de données de visionnage que ce qui est possible avec les seules données de panel.
Comprendre la notation zéro
Au cours du premier trimestre de cette année, par exemple, le panel Nielsen a rapporté un taux d'audience nul pour 8 454 émissions diffusées par la télévision, le câble et la télévision syndiquée, sur un total de 362 168 émissions (2 %), pour les émissions en direct et les trois jours suivants de visionnage en différé. Une note de zéro signifie qu'aucun foyer du panel n'a regardé l'émission, ce qui, dans la plupart des cas, reflète les limites de la mesure plutôt que ce qui s'est réellement passé dans la population. En d'autres termes, il y a eu un faible niveau d'écoute dans la population, mais les téléspectateurs n'ont pas été trouvés dans le panel.
L'inclusion du big data dans les données du panel national de Nielsen répond de manière significative à ce problème, en permettant aux acheteurs et aux vendeurs d'avoir une visibilité plus claire sur le comportement des téléspectateurs. Nielsen combine les données TV d'environ 30 millions de foyers avec son panel de 40 000 foyers/100 000 personnes, ce qui augmente considérablement la précision de la mesure. La taille plus importante de l'échantillon réduit les erreurs statistiques d'échantillonnage associées à la mesure par panel, y compris la présence d'audiences nulles.
Le big data permet une plus grande précision de visionnage
Avant de rendre le big data disponible pour la mesure en septembre, Nielsen a passé plus d'un an à analyser les ensembles de données combinés pour comprendre l'impact sur les erreurs d'échantillonnage. L'analyse a révélé que l'inclusion du big data a permis de réduire de manière significative les audiences nulles dans tous les groupes de téléspectateurs. Lorsque les 8 454 programmes télévisés du premier trimestre qui ont généré des audiences nulles dans les foyers ont été mesurés avec les données du panel et les big data, la présence d'audiences nulles a diminué de 99,9 %. Pour toutes les principales catégories de téléspectateurs, les baisses allaient de 96,8 % à 99,9 %. Les réductions ont été les plus notables parmi les jeunes publics, qui ont tendance à être des téléspectateurs plus légers des programmes télévisés traditionnels et sont donc plus susceptibles de causer des cotes zéro dans la mesure du panel.
L'augmentation de la taille de l'échantillon permet également de recueillir des données plus précises sur les audiences spécifiques. Au cours du premier trimestre, par exemple, 3 471 émissions hispaniques ont généré une audience nulle (en direct + 3 jours) sur les réseaux hispaniques lorsqu'elles ont été mesurées à l'aide des données du panel. Lorsqu'elles sont mesurées à l'aide de données de panel et de big data, les audiences nulles ont été entièrement supprimées.
Il est clair que l'ajout de millions de foyers à la mesure est positif. Cependant, bien que les big data fournissent un échantillon de taille beaucoup plus importante, elles ne contiennent pas de détails spécifiques sur les téléspectateurs, et elles sous-représentent généralement des populations diverses et certains groupes d'âge. Le big data n'est pas non plus en mesure de mesurer l'audience des antennes hertziennes, des foyers ne disposant que de la large bande et de l'audience en dehors du domicile. C'est là que les données de panel vérifiées et accréditées entrent en jeu. En combinant l'échelle du big data et les informations granulaires de notre panel basé sur les personnes, Nielsen aide l'industrie à réaliser le plein potentiel des données RPD et ACR.
