닐슨은 최근 미국 내 핵심 미디어 측정 패널에 대한 새로운 투자를 발표했는데, 여기에는 여러 현지 시장에서의 확장과 전국 인구 측정(NPM) 패널에 모바일 측정 도입이 포함됩니다. 사람들은 점점 더 디지털화되고 세분화되는 세상에서 왜 이런 투자를 하느냐고 묻습니다. 패널의 역할은 점점 더 디지털화되는 세상에서 진화하고 있지만, 패널은 여전히 측정의 기본입니다.
기존 미디어 측정에서는 패널을 사용하여 직접 측정했습니다. 미디어 유니버스를 대표하도록 패널을 모집하고, 일기 또는 전자적 수단을 통해 패널의 행동을 기록한 다음, 그 사용량을 유니버스에 투영하여 시청률을 산출했습니다. 이 방법론은 오늘날에도 여전히 TV 시청률 측정에 사용되고 있습니다. 전국 단위의 닐슨 패널에는 21,000개 이상의 가구와 50,000명의 사람들이 포함되어 있으며, 이 중 약 절반의 가구에서 TV와 컴퓨터 사용량을 모두 전자적으로 측정합니다. 연간 약 700억 달러 규모의 광고 거래에 사용되는 전국 TV 시청률의 핵심 표본으로, 미디어 시청률 위원회(MRC)가 감독하고 공인 회계법인 Ernst & Young의 지속적인 감사를 받습니다. NPM 패널은 전 세계에서 가장 높은 수준의 미디어 소비 표본으로 널리 알려져 있습니다.
하지만 오디언스가 세분화되는 시대에는 패널을 통한 직접 측정에 어려움이 있습니다. 소비가 디지털 디바이스로 이동하고 광고가 동적으로 제공됨에 따라(즉, 사람마다 다른 광고를 보게 되는 등) 직접 측정에 필요한 표본 규모는 비용이 엄청나게 증가합니다. 따라서 필요한 것은 전체 사용자 인구의 매우 많은 비율로부터 측정에 필요한 데이터를 수집하는 센서스 기반 접근 방식이라고 하는 디지털 측정 방법을 적용하는 것입니다. 하지만 측정에 필요한 데이터를 인구집단에서 수집할 수 있다면 굳이 패널이 필요한 이유는 무엇일까요? 그 이유는 태그나 셋톱박스 데이터와 같은 센서스 방법으로는 무엇이 소비되고 있는지는 알 수 있지만, 누가 소비하고 있는지는 알 수 없기 때문입니다. 닐슨은 이 문제를 해결하기 위해 Facebook 및 Experian과 제휴하여 실시간으로 액세스할 수 있는 대규모 고품질 데이터 세트에 액세스함으로써 잠재고객을 파악하는 데 도움을 주고 있습니다. 그러나 모든 타사 데이터 세트에는 불일치와 편향성이 내재되어 있기 때문에 이마저도 완전히 적절하지는 않습니다. 결국, 빅 데이터의 세계에서도 적절한 오디언스를 측정하려면 관찰 가능한 모집단 샘플, 즉 패널이 있어야만 오디언스에 대한 확신을 가질 수 있습니다.
즉, 직접 측정에서는 표본 크기가 중요하지만 인구조사 기반 측정에서는 품질이 매우 중요합니다. 여기서 품질이란 무엇을 의미할까요? 닐슨은 다음이 가장 중요하다고 생각합니다:
- 검증 - 위에서 언급한 요점에 따라 패널이 실제로 기계가 말하는 사람인지 확인하기 위한 방법을 사용해야 합니다. 패널 모집 및 패널 관리에 대한 닐슨의 접근 방식은 대면 방식입니다. 패널의 집으로 초대하여 패널이 누구인지, 패널에 대한 많은 정보를 정확히 파악하고 있으며, 임기 동안 해당 데이터를 최신 상태로 유지합니다. 또한 피플 미터 기술을 사용하여 측정된 기기에서 특정 시간에 누가 미디어를 소비하는지 알려줍니다.
- 대표성 - 샘플은 지리 및 인구 통계 측면에서 측정 대상 세계를 정확하게 대표해야 합니다. 닐슨은 도시 블록 수준에서 패널이 적절하게 대표성을 갖도록 보장하는 지역 확률 모집 방식을 사용하며, 패널 가구가 이러한 대표성을 유지하는 데 필요한 프로토콜을 엄격하게 준수하도록 정기적인 유지 관리를 수행합니다.
- 일관성 - 정확한 측정을 위해서는 패널의 이직률을 적절히 관리해야 합니다. 패널이 측정 기간 중 또는 측정 기간에 걸쳐 이직하는 것은 매우 문제가 될 수 있습니다. 닐슨은 패널의 NPM 패널 참여를 주의 깊게 모니터링하고, 패널의 "패널 피로도"를 관리하기 위해 패널에 2년이 지나면 이직을 강제합니다.
- 포괄성 - 크로스 디바이스 사용의 시대에 패널은 모든 미디어 디바이스에서 행동과 사용량을 파악해야 합니다. 이러한 이유로 닐슨은 2010년에 NPM에 컴퓨터 측정을 도입했으며, 최근 향후 12~18개월 동안 스마트폰과 태블릿 측정을 NPM에 도입할 예정이라고 발표했습니다.
이러한 모든 측면에서 양질의 패널을 확보하려면 온라인 가로채기나 브라우저 툴바 다운로드와 같은 편리한 모집 방식으로는 충분하지 않습니다. 잠재적 패널에게 직접 접근하고 전체 참여 기간에 걸쳐 진행되는 강력한 프로세스만이 이를 달성할 수 있습니다.
마지막으로 데이터 품질이 왜 중요한지 이해하는 것이 중요합니다. 기존 미디어와 마찬가지로, 오디언스 데이터는 디지털 및 크로스 플랫폼 브랜드 광고의 거래 통화로 점점 더 많이 사용되고 있습니다. 디지털 디스플레이 관련 광고는 2013년에 약 130억 달러에 달했으며, 두 자릿수 성장률을 이어가고 있습니다. 광고주와 대행사는 이 같은 규모의 지출을 통해 디지털 화폐에서도 기존 미디어에서와 동일한 품질을 기대할 것입니다:
- 충실성 - 연령과 성별을 기반으로 거래할 때, 고객은 해당 데이터가 최대한 정확하다는 것을 알아야 합니다. Facebook의 자체 온라인 캠페인 등급(OCR) 제품처럼 타사 데이터 제공업체를 사용하는 경우에도 데이터는 대표성 있고 유효하며 일관되고 포괄적인 샘플로 보정되어야 합니다.
- 안정성 - 오디언스 데이터는 캠페인 내 및 캠페인 전반에 걸쳐 일관성을 유지해야 하는데, 샘플의 이직률이 높으면 이를 보장하기 어렵습니다.
- 인증 - 기존 미디어와 마찬가지로 패널과 프로세스에 대한 적절하고 지속적인 감사, 그리고 궁극적으로 MRC의 검토와 인증은 데이터를 통화로 사용할 수 있다는 확신을 제공합니다.
크로스 플랫폼과 디지털 세상으로 이동함에 따라 정확하고 안정적이며 공인된 데이터의 제공이 점점 더 중요해지고 있습니다. 이를 위해서는 오디언스에 대한 유효하고 대표적이며 일관되고 포괄적인 시각이 계속 필요하므로 고품질 패널이 계속해서 가장 중요한 요소입니다.