![](https://www.nielsen.com/wp-content/uploads/sites/2/2019/10/mainak-mazumdar.png)
미디어 업계에서는 3월과 5월 사이가 가장 바쁜 시기입니다. 더 이상 개별 플랫폼과 기술에 얽매이지 않는 미디어 환경을 아우르는 많은 선행 이벤트와 함께, 콘텐츠 시장의 확장은 광고 구매자와 판매자가 탐색해야 할 풍부한 기회와 방대한 정보를 제공하며, 특히 측정용 빅 데이터에 대한 논의가 증가하는 가운데 그 중요성이 더욱 커지고 있습니다.
광고주에게는 이맘때가 가장 중요한 시기입니다. 그리고 디지털 참여가 증가하면서 TV 소비가 세분화됨에 따라 그 중요성은 더욱 커지고 있습니다. 얼마나 중요할까요? Ampere Analysis의 연구에 따르면 2021년 콘텐츠에 대한 총 지출은 약 2,200억 달러로, 스트리밍 강자인 넷플릭스가 주도한 것으로 나타났습니다. 또한 미국인들이 작년에 약 1,500만 편의 동영상을 스트리밍했다는 사실을 알게 된 광고주들은 2021년 전 세계 디지털 광고 지출이 29% 이상 급증하여 4,910억 달러를 넘어설 것으로 예상됨에 따라 광고주들의 움직임이 빨라지고 있습니다.
또한, 스트리밍 가입자의 93%가 향후 1년간 사용량을 늘릴 계획이 있다고 답할 정도로 소비자들은 스트리밍 산업의 궤도를 바꿀 계획이 없습니다. 하지만 그렇다고 해서 전통적인 TV 콘텐츠가 사라지는 것은 아닙니다. 성인들은 평균적으로 하루에 커넥티드 TV(CTV) 콘텐츠보다 라이브 TV에 두 배 이상의 시간을 더 많이 소비하고 있기 때문입니다.
콘텐츠가 풍부해지면서 소비자에게는 선택의 폭이 넓어졌지만, 무수히 많은 플랫폼, 디바이스 및 서비스로 인해 광고주에게는 측정에 어려움을 겪을 수 있습니다. 또한 선택의 폭이 넓어졌다고 해서 콘텐츠에 더 많은 시간을 할애하거나 더 많은 사람이 콘텐츠에 참여하는 것도 아닙니다. 하지만 스마트 TV(ACR)와 케이블 박스(RPD)에서 나오는 데이터를 포함한 빅 데이터는 이와는 다른 결과를 제시합니다. 케이블 박스와 스마트 TV의 데이터는 스트리밍 활동에 대한 인사이트를 거의 제공하지 않습니다: 케이블 박스는 정의상 전통적인 TV 데이터를 제공하며, 시청자가 넷플릭스를 포함한 기본 앱을 사용할 때 ACR이 종료되는 경우가 많습니다.
빅 데이터는 측정에 사용되지 않을 뿐만 아니라 실제 사람을 반영하지도 않습니다. RPD와 ACR은 측정에 규모를 제공하기 때문에 그 가치를 오해할 수 없지만, 빅데이터는 실제 사람이 아닌 디바이스를 반영합니다. 데이터만으로는 누가 시청하고 있고 누가 시청하지 않는지 알 수 없으며, 이는 광고주에게 근본적으로 필요한 정보입니다. 그리고 사람이 제외되면 수치가 합산되지 않습니다.
스마트 TV 화면의 이미지를 식별하는 ACR 데이터를 예로 들어보겠습니다. 이 데이터는 시청자 측정에 매우 유용할 수 있지만, 그 자체로는 화면에 무엇이 있는지 식별하는 것 이상의 역할을 하지 못합니다. RPD 데이터도 비슷하지만 TV가 켜져 있는지조차 확인할 수 있는 기능이 부족합니다. 그렇기 때문에 전체 셋톱박스 노출의 4분의 1은 켜져 있지도 않은 TV에서 발생합니다.
누가 어떤 기기나 화면을 사용하는지 알 수 없을 뿐만 아니라, 빅데이터는 본질적으로 편향되어 있으며 편향성은 데이터 유형에 따라 달라집니다. 빅데이터가 진정으로 미국 인구를 대표하려면 모든 TV 가구가 똑같은 TV 세트를 가지고 똑같은 데이터 스트림을 통해 프로그램에 액세스해야 합니다. 그렇기 때문에 모든 빅데이터 세트는 미국 인구의 다양성을 반영하는 사람 기반 패널로 수평 보정되어야 합니다.
중요한 것은 세계광고주연맹, 전국광고주협회 및 기타 30여 개국의 유사 단체가 만장일치로 향후 스크린 미디어의 오디언스 측정 시스템은 양질의 패널과 빅데이터를 결합한 것이어야 한다고 밝힌 것입니다.
패널 데이터 없이는 측정이 다양성을 포착할 수 없습니다. 모든 TV 시청 가구가 동일한 디바이스로 동일한 콘텐츠에 액세스하지 않는다는 것을 알고 있을 뿐만 아니라, TV 시청 가구가 속한 국가의 구성만큼이나 가구 구성이 다양하다는 것도 잘 알고 있습니다. 바로 이 점에서 빅데이터 기반 측정이 크게 부족한 부분이 있습니다.
예를 들어, 히스패닉은 미국 인구의 20% 미만을 차지하지만 빅데이터는 다른 많은 인구와 함께 히스패닉을 상당히 과소평가하고 있습니다. 그러나 RPD만을 기준으로 측정할 경우, 닐슨의 분석에 따르면 히스패닉 가정을 30% 정도 과소 대표한다는 사실이 밝혀졌습니다. 이 점을 고려해 보세요: 2020년 미국 인구조사에 따르면 히스패닉 인구는 6,200만 명을 조금 넘는 것으로 나타났습니다. 이 인구의 절반이 특정 시간에 TV를 시청하고 있고 광고주가 RPD 데이터를 활용하여 측정한다면, 광고주가 알고 있는 것보다 더 많은 9백만 명에게 도달할 수 있습니다.
중요한 것은 30%의 과소 대표성이 평균이라는 점입니다. 프로그램 수준에서 빅데이터는 일반 인구와 다양한 오디언스 모두를 훨씬 더 큰 차이로 과소 또는 과대 대표할 수 있습니다. 예를 들어, 빅데이터 측정과 표준 패널 기반 측정 간의 차이에 대한 닐슨의 연구에 따르면, RPD 측정은 황금 시간대 프로그램의 미국 내 총 노출 수를 69% 과대포장하는 것으로 나타났습니다. 이에 비해 ACR 측정은 총 노출 수를 12% 과소 측정했습니다. 스포츠 이벤트의 경우, RPD 측정은 히스패닉 시청자 수를 47% 과소 표시한 반면, ACR 데이터는 같은 시청자 수를 12% 과대 표시했습니다.
광고주에게 이러한 측정 편차는 비용이 많이 들 수 있습니다. 그러나 새로운 데이터 소스의 공급이 증가함에 따라 특히 실제 사용자와 연결되지 않을 수 있는 경우 측정이 더 복잡해집니다. 퍼블리셔와 광고주는 항상 최대한의 도달 범위를 원하지만, 이를 검증하는 데 필요한 분석적 엄격함이 없으면 안 됩니다.
선형과 디지털이 융합되면서 빅데이터 소스는 측정의 중요한 입력 자료가 되었습니다. 하지만 그 자체만으로는 측정 소스로서 신뢰할 수 없습니다. 소비자가 더 많은 디바이스와 더 많은 채널에 참여함에 따라 잠재적으로 부풀려진 참여도를 주장하는 데이터를 쉽게 찾아낼 수 있습니다. 광고주들은 많은 대체 오디언스들이 제시하는 오디언스 규모를 환영할 것이 분명하지만, 이러한 수치를 기준으로 광고를 구매한다면 궁극적으로 실제 사람들을 반영하지 않는 수치에 대해 비용을 지불하게 될 것입니다.