広告が効果的かどうかを知るにはどうしたらいいのだろう？広告キャンペーンに接した消費者の販売成果を直接測定する方法はあるのだろうか？

学者やマーケティング担当者は、何十年もの間、広告効果の測定に取り組んできた。1970年代と1980年代初頭、彼らはラグ効果、減衰率、アドストック、ラグ係数、半減期に焦点を当てた。1990年代には、広告の長期的な効果は、その短期的な効果の2倍の値にほぼ等しいことを実証する画期的な研究が行われた。業界は、さまざまな方法で広告効果の理解に前進を遂げていたが、人々がどのような広告に接触し、何を買ったかを実際に比較することになったとき、それが依存したデータソースには共通点がほとんどなかったため、広告とそれが影響を与えようとする行動との間に明確なつながりを描くことは不可能だった。

この困難に対する最も強力な対応は、「シングルソース」データという形で現れた。シングルソースデータは、一群の人々が何を見て何を買ったかを追跡することを可能にする。Because you know some were and some were not exposed to certain advertising, you can isolate the sales driven by that advertising, by controlling for enough variables so that the only real difference between your two groups are that one did and one did not see the advertising.

このコンセプトは1960年代半ばからありましたが、2006年のプロジェクト・アポロは、シングルソースの手法を活用した初の大規模商業パイロットでした。ニールセン・ホームスキャン（Nielsen Homescan®）の技術を用いて消費者の購買行動を把握し、アービトロン（Arbitron）のテレビ露出データと組み合わせることで、複数の大手消費者向けパッケージ商品（CPG）企業を対象とした。

ビンゴ-そんなところだ。多くのことがわかった。しかし、1世帯または1人から、彼らが何を見たか、何を買ったかの両方をすべて収集することは高価であったため、精度の代償として、データは小さなデータであった。アポロパネルには、ニールセンについて 5,000世帯11,000人が含まれており、小規模ブランドに必要な粒度の調査結果を報告するには十分な規模ではなかった。

しかし今日では、取引データセットを必要な規模で統合することで、シングルソースデータセットを作成することができる。データセットはリンクされ、各データセットで共有された識別子によって第三者によって匿名化され、特定の広告に露出した人の家庭での購買が、露出しなかった人とどのように異なるかを示す単一のデータセットを作成し、広告キャンペーンの販売効果を分離する。

これらのデータセットを作成するのは難しい。スモールデータの精度をビッグデータのスケールでどう再現するのか？私たちはフリークエント・ショッパー・データ、セットトップボックスのデータ、クッキーのデータなど、要するに集められる限りのビッグデータを利用しています。しかし、どんなビッグデータも完全ではありません。例えば、セットトップボックスのデータでは、テレビがついているのか、誰が見ているのかが常にわかるわけではありません（これについては、本号の「ビッグデータのモデル化におけるパネルの価値」をご覧ください）。また、9,000万人のフリークエント・ショッパー・データベースがあっても、ポイントカードがなければ、彼らが他にどのような買い物をしているかはわからない。

一つの解決策は、本当に完全なデータセットを取り出し、それを使ってビッグデータのデータセットを「校正」することである。我々の場合、10万世帯のすべての購買を追跡するHomescanデータを利用する。Homescanと当社のフリークエント・ショッパー・データベースを "比較 "してみると、両データセットに重複があることがわかる。これで、両方のデータベースの人々について、フリークエント・ショッパー・データベースではどのような買い物が欠けているかがわかる。そして、そのギャップをモデル化して、大規模データベースの購入パターンをすべて反映させ、その結果を総人口に投影することができる。

小さくて賢い」データから「ビッグデータ」、そして「大きくて賢い」データへと移行することで、今日、シングルソースデータを大規模に活用し、日々のマーケティングの意思決定をサポートするのに十分な精度で活用することが可能になる。

もちろん、精度にはまだ次のフロンティアがある。例えば、時計と買い物のデータセットを組み合わせると、多くの疑問が生じる。データの一部は個人レベルであり、一部は世帯レベルである。フルーツループスのCMを見ている人が、必ずしもフルーツループスを買っているとは限らない。誰かが何かを見て、他の誰かに何かを買わせるという、購買影響力という重要な問題を紐解くのは、今日でも非常に難しい。デジタル広告のビューアビリティも重要な課題であり、ボット・トラフィックや、デジタル露出を不正に増加させる他の多くの方法といった不正行為も重要な課題である。これらの課題を解決することで、「視聴は購買にどのような影響を与えるのか」という中心的な疑問に対する答えが、より正確なものになるだろう。

結局のところ、シングルソースデータセットに寄与するデータソースは、ほぼリアルタイムで、正確で、完全かつ包括的である必要があり、それらを校正するために使用される方法論は、その結果を総人口に投影することができなければならないことを認識することが重要である。