02_Elemen/Ikon/PanahKiri Kembali ke Wawasan
Wawasan > Audiens

Menyeimbangkan kebutuhan akan inovasi dan kesinambungan dalam pengukuran audiens

6 menit dibaca | Januari 2024

Perubahan dramatis dalam perilaku menonton TV selama dekade terakhir, terutama didorong oleh adopsi TV terkoneksi (CTV)1 yang meluas dan meningkatnya ketersediaan internet berkecepatan tinggi, telah memperkenalkan serangkaian kumpulan data baru yang menemukan jalan mereka ke dalam solusi pengukuran. Secara umum disebut sebagai big data, kumpulan data ini memberikan kesempatan untuk memajukan pengukuran pemirsa untuk membantu pembeli dan penjual lebih memahami bagaimana program TV - dan iklan - berkinerja. 

Skala data besar

Pada tingkat tinggi, ada dua sumber utama big data yang digunakan dalam pengukuran pemirsa televisi linear:

  • Data jalur balik (RPD) dari dekoder kabel dan satelit (STB)
  • Data pengenalan konten otomatis (ACR) dari TV pintar

Dengan 70,6% rumah di Amerika Serikat yang memiliki TV pintar, naik dari 62,3% dua tahun lalu, salah satu manfaat terbesar dari big data adalah skala. Skala sangat penting dalam lanskap menonton yang terfragmentasi saat ini. Kumpulan data besar kami saat ini mencakup 45 juta rumah tangga di AS dan 75 juta perangkat dari Comcast, Dish, DirecTV, Roku, dan Vizio, yang menyaingi penyedia layanan pengukuran lainnya.

70,6% rumah di AS memiliki TV pintar, naik dari 62,3% dua tahun lalu.

Panel TV Nasional Nielsen; Oktober 2023

Namun, kumpulan data ini tidak seragam atau homogen, dan tidak dirancang untuk digunakan dalam pengukuran audiens. Namun, bukan berarti mereka tidak dapat digunakan untuk tujuan ini. Faktanya, data ini bisa sangat berguna-tetapi tidak dengan sendirinya. Untuk memahami data besar, diperlukan set kebenaran yang mengoreksi kesenjangan, fluktuasi, dan kerumitan lain dalam set data besar.

Memastikan stabilitas & representasi pengukuran

Memasangkan data besar dengan panel yang representatif sangat penting untuk memperhitungkan penayangan di semua perangkat dan audiens dengan cara yang stabil. Nielsen memiliki panel representatif yang terdiri dari 101.000 orang dari sekitar 42.000 rumah tangga yang memungkinkan kami untuk memanfaatkan kekuatan big data sekaligus memperbaiki kekurangannya. 

Dan industri ini setuju. Prinsip-prinsip 'Bintang Utara' Federasi Pengiklan Dunia (WFA) untuk pengukuran lintas media membutuhkan kombinasi panel berkualitas dan data besar. Pada bulan Agustus 2022, Biro Iklan Video (VAB) dan Asosiasi Pengiklan (ANA) mengumumkan rencana untuk membangun panel mereka sendiri, seperti yang dilakukan Google untuk digunakan dalam pengukuran konversi online. Dengan kata lain, industri ini berteriak-teriak untuk pendekatan yang memastikan representasi dan memanfaatkan kekuatan data besar. Kami percaya Nielsen memiliki posisi unik untuk menyediakan solusi ini.

Kami telah menginvestasikan satu dekade penelitian untuk mengintegrasikan kumpulan data besar ke dalam metodologi kami dengan cara-cara inovatif yang juga memastikan kesinambungan dengan pengukuran mata uang kami. Kami memasukkan data besar ke dalam pengukuran TV lokal AS pada tahun 2019 dan ke dalam pengukuran TV nasional pada tahun 2022. Ketika digunakan bersama dengan panel yang representatif, panel tingkat orang, kumpulan data besar ini dapat secara signifikan memajukan ilmu pengukuran pemirsa.

  1. Pengukuran adalah tentang orang. Big data tidak memberikan informasi tentang orang-orang yang menonton. Dengan memasangkan big data dengan panel, kami dapat memahami siapa yang menonton, serta susunan rumah tangga.
  2. Pengukuran harus representatif. Data besar memberikan gambaran yang tidak lengkap tentang menonton TV. Misalnya, data RPD/STB dan ACR tidak memiliki cakupan streaming dan penayangan melalui udara (OTA). Pada November 2023, streaming menyumbang 36,1% dari tontonan televisi di A.S. Selain itu, 18,1% rumah tangga TV di A.S. memiliki setidaknya satu perangkat TV yang mengakses konten menggunakan antena digital, bukan STB atau koneksi internet2. Sumber penayangan data besar juga mungkin tidak mencakup semua perangkat di rumah. Hal ini terutama menjadi masalah pada data ACR di mana jumlah perangkat yang mengembalikan data sekitar 1,1 per rumah. Rata-rata rumah di AS memiliki sekitar 2,5 perangkat. Panel sangat penting untuk menutupi kesenjangan ini, dan solusi pengukuran apa pun yang hanya mengandalkan data besar akan melewatkan pemirsa ini.
  3. Pengukuran lebih dari sekadar sumber data. Data ACR, misalnya, hanya mengidentifikasi gambar pada layar. Jika konten yang sama ditayangkan di beberapa saluran pada waktu yang sama, data ACR tidak memiliki cara untuk mengaitkan penayangan ke satu saluran dengan saluran lainnya secara akurat. Demikian pula, data RPD dan STB sering kali tidak dapat memverifikasi apakah TV menyala. Penyedia RPD/STB dan produsen peralatan asli (OEM) yang berbeda juga memiliki cara yang berbeda dalam mengumpulkan dan memproses data. Hal ini membuat proses pemasukan, harmonisasi, penyelarasan, dan kalibrasi menjadi sangat penting dan sangat kompleks. 

Perlu tahu lebih banyak? Pahami beberapa pro dan kontra big data dalam pengukuran audiens.
Baca selengkapnya >

Kekurangan pengukuran pada data RPD/STB dan ACR menyoroti mengapa data ini sangat penting untuk dikalibrasi dengan panel berbasis orang yang secara akurat mewakili keragaman populasi. 

Menelusuri evolusi pengukuran

Dengan mengawinkan skala data besar dengan informasi tingkat orang dari panel meter baru yang inovatif, kami dapat memberikan perincian yang lebih baik hingga ke iklan individual. Hal ini memastikan pengiklan dapat memahami siapa dan berapa banyak orang yang melihat iklan mereka. Kami juga dapat menyediakan penargetan yang lebih canggih untuk membuka kemampuan untuk memanfaatkan kemampuan yang dapat dialamatkan secara linier, serta segmen audiens tingkat lanjut. 

Tidak ada yang meremehkan manfaat yang akan diberikan oleh Big Data+Panel, namun perubahan yang terjadi di industri media terlalu signifikan untuk melakukan perubahan metodologi secara besar-besaran terhadap data yang digunakan sebagai mata uang dalam sekejap. Transisi yang stabil pada saat terjadi perubahan akan selalu lebih baik daripada perubahan yang sangat cepat. Masa transisi juga memperkuat kebutuhan akan transparansi, terutama ketika data pengukuran menopang industri global yang menurut perkiraan perusahaan riset iklan WARC akan mencapai $1 triliun tahun depan. 

Menyadari bahwa industri ini membutuhkan waktu untuk beradaptasi dengan inovasi dalam pengukuran, kami menyediakan aliran data Big Data+Panel nasional kami untuk transaksi secara paralel dengan mata uang panel TV kami untuk musim televisi '23-'24. Untuk musim '24-'25, kami telah meningkatkan aliran Big Data + Panel kami untuk menyertakan data Comcast (selain DISH, DirecTV, Roku, dan Vizio), dan kami berkomitmen untuk membantu industri melalui transisi ini. Kami menyadari bahwa setiap organisasi berevolusi dan beradaptasi dengan kecepatan yang berbeda, kami juga akan menyediakan data Panel TV yang telah diaudit dan terakreditasi (menit rata-rata), serta Big Data+Panel (pada menit rata-rata dan menit iklan individual) selama musim mendatang.  

Evolusi pengukuran TV hanya akan terjadi dengan penyelarasan industri. Dan meskipun banyak agensi dan pengiklan tertarik untuk beralih ke pengukuran iklan yang tepat, sentimen keseluruhan dalam industri ini adalah bahwa mereka belum siap untuk menghentikan peringkat C3/C7. Kita perlu menyeimbangkan kebutuhan yang sama pentingnya untuk inovasi dan kontinuitas. Dengan adanya tiga set data yang tersedia, pembeli dan penjual akan dapat mengembangkan sistem untuk benar-benar mengoperasionalkan perencanaan, penjualan dan pembelian TV linear nasional pada tingkat komersial yang tepat. 

Untuk mempelajari lebih lanjut tentang bagaimana Nielsen memajukan pengukuran audiens, jelajahi Nielsen ONE.

Sumber:

1 CTV mengacu pada televisi apa pun yang terhubung ke internet. Penggunaan koneksi internet yang paling umum adalah untuk melakukan streaming konten video
2 Panel TV Nasional Nielsen, November 2023

Lanjutkan menelusuri wawasan serupa

Produk kami dapat membantu Anda dan bisnis Anda