콘텐츠로 건너뛰기
TV 및 스트리밍> 대한 통찰력

숫자가 사람들을 반영하지 않는 한, 그들은 단지 숫자입니다.

5 분 읽기 | Mainak Mazumdar, 최고 데이터 및 연구 책임자 | 할 수있다 2022

미디어 산업의 경우 3 월과 5 월 사이의 기간은 이동 시간입니다. 더 이상 개별 플랫폼과 기술에 얽매이지 않는 미디어 환경을 아우르는 많은 선행 이벤트에서 확장되는 콘텐츠 시장은 특히 측정을위한 빅 데이터에 대한 대화가 증가하는 가운데 광고 구매자와 판매자가 탐색 할 수있는 풍부한 기회와 광범위한 정보를 제공합니다. 

광고주의 경우 이맘때 숫자가 중요합니다. 그리고 디지털 참여가 증가하는 가운데 TV 소비 파편이 발생함에 따라 TV 소비가 더욱 중요해졌습니다. 얼마나 중요합니까? Ampere Analysis 연구에 따르면 2021 년 콘텐츠에 대한 총 지출은 스트리밍 강국 인 Netflix가 이끄는 약 2200 억 달러에 달했습니다. 그리고 미국인들이 작년에 거의 15 백만 년 분량의 비디오를 스트리밍했다는 것을 알고있는 광고주들은 전 세계 디지털 광고 지출이 2021 년에 29 % 이상 급증하여 491 억 달러를 돌파함에 따라 랠리하고 있습니다. 

또한 스트리밍 가입자의 93 % 가 내년에 사용량을 늘릴 계획이라고 말하면서 소비자는 스트리밍 산업의 궤적을 바꿀 계획이 없습니다. 그렇다고해서 전통적인 TV 콘텐츠가 그림에서 벗어났다는 의미는 아닙니다. 평균적인 성인이 연결된 TV (CTV) 콘텐츠보다 라이브 TV로 하루에 두 배 이상 많은 시간을 소비하기 때문에 그 반대입니다.

콘텐츠의 풍부함이 증가함에 따라 소비자에게는 점점 더 많은 선택의 여지가 있지만 무수한 플랫폼, 장치 및 서비스는 광고주에게 측정 문제를 제기 할 수 있습니다. 또한 선택의 폭증으로 인해 콘텐츠에 참여할 시간이 늘어나지 않았으며 더 많은 사람들이 생기지도 않았습니다. 그러나 스마트 TV (ACR)와 케이블 박스 (RPD)에서 나온 것을 포함한 빅 데이터는 그렇지 않은 것을 제안하는 방법이 있습니다. 케이블 박스와 스마트 TV의 데이터는 스트리밍 활동에 대한 통찰력을 거의 제공하지 않습니다 : 케이블 박스는 정의에 따라 전통적인 TV 데이터를 제공하며 ACR은 시청자가 Netflix를 포함한 기본 앱을 사용할 때 종종 차단됩니다.  

측정에 사용되도록 의도되지 않은 것 외에도 빅 데이터는 실제 사람들을 반영하지 않습니다. RPD와 ACR의 가치를 측정하는 것은 측정 규모를 제공하기 때문에 오해는 없지만 빅 데이터는 실제 사람이 아닌 장치를 반영합니다. 데이터 자체만으로는 누가 시청하고 누가 시청하고 누가 시청하고 있는지 알 수 없으며, 이는 광고주에게 근본적인 필요성입니다. 그리고 사람들이 방정식에서 제거되면 숫자가 합산되지 않습니다.

예를 들어 스마트 TV 화면의 이미지를 식별하는 ACR 데이터를 가져옵니다. 이 데이터는 청중 측정에 매우 유용 할 수 있지만 그 자체로는 화면에있는 것을 식별하는 것 이상을 수행하지 않습니다. RPD 데이터는 비슷하지만 TV 세트가 켜져 있는지 확인하는 기능조차 부족합니다. 그렇기 때문에 모든 셋톱 박스 노출 중 네 번째는 TV에도 나오지 않습니다.

누가 장치나 화면을 사용하고 있는지 알 수 없을 뿐만 아니라, 빅 데이터는 본질적으로 편향되어 있으며, 편향은 데이터 유형에 따라 달라집니다. 빅 데이터가 진정으로 미국 인구를 대표하기 위해서는 모든 TV 가정이 정확히 동일한 TV 세트를 가지고 있어야하며 정확히 동일한 데이터 스트림을 통해 프로그래밍에 액세스해야합니다. 그렇기 때문에 모든 빅 데이터 세트는 미국 인구의 다양성을 반영하는 사람 기반 패널로 레벨 설정 (보정)되어야합니다.

중요한 것은 세계 광고주 연맹, 전국 광고주 협회 및 30 개국 이상의 유사한 단체가 만장일치로 스크린 미디어의 미래 잠재 고객 측정 시스템이 품질 패널과 빅 데이터의 조합이어야한다고 명시했습니다.

패널 데이터가 없으면 측정이 다양성을 포착하지 못합니다. 우리는 모든 TV 가정이 동일한 장치에서 동일한 콘텐츠에 액세스하지 않는다는 것을 알고있을뿐만 아니라 가정용 메이크업이 TV 가구가 포함 된 국가의 구조만큼 다양하다는 것을 알고 있습니다. 이것이 빅 데이터 기반 측정이 그 흔적을 크게 놓치는 곳입니다.

예를 들어, 히스패닉계는 미국 인구의 20 % 미만을 차지하지만 빅 데이터는 다른 많은 사람들과 함께이 청중을 상당히 과소 평가합니다. 그러나 측정이 RPD만을 기반으로 할 때, 닐슨 분석에 따르면 히스패닉 가정을 30 % 과소 평가한다는 사실이 밝혀졌습니다. 이를 원근법으로 표현하자면, 2020년 미국 인구 조사에서 히스패닉 인구가 6200만 명을 조금 넘었다고 판단했다. 인구의 절반이 특정 시간에 TV를 시청하고 광고주가 측정을 위해 RPD 데이터를 활용한다면 광고주는 알고있는 것보다 9 백만 명 더 많은 사람들에게 도달 할 수 있습니다.

중요한 것은 30 %의 과소 표현이 평균이라는 것입니다. 프로그램 수준에서 빅 데이터는 일반 인구와 다양한 잠재 고객 모두에게 훨씬 더 큰 마진으로 과소 및 과소 대표 될 수 있습니다. 예를 들어, 빅 데이터 측정과 골드 스탠다드 패널 기반 측정 간의 차이에 대한 닐슨 연구에 따르면 RPD 측정은 프라임 타임 프로그램에 대한 미국의 총 노출을 69 % 과장했습니다. 비교적으로, ACR 측정은 합계를 12 %만큼 과소 평가했습니다. 스포츠 이벤트의 경우 RPD 측정은 히스패닉 관객을 47 % 과소 평가했으며 ACR 데이터는 동일한 잠재 고객을 12 % 과장했습니다.

광고주의 경우 이러한 측정 차이는 비용이 많이 들 수 있습니다. 그러나 새로운 데이터 소스의 공급이 증가함에 따라 특히 실제 사람들과 연결되지 않을 때 측정에 복잡성이 추가됩니다. 게시자와 광고주는 항상 가능한 한 가장 큰 도달 범위를 원하지만 유효성을 검사하는 데 필요한 분석적 엄격함이 없으면 확실하지는 않습니다.

선형 및 디지털 수렴으로 빅 데이터 소스는 측정에 중요한 입력입니다. 그러나 그들은 스스로 측정 소스로 신뢰할 수 없습니다. 소비자가 더 많은 장치와 더 많은 채널에 참여함에 따라 잠재적으로 지나치게 부풀려진 참여를 주장하는 데이터를 쉽게 가리킬 수 있습니다. 광고주는 많은 대체 잠재 고객이 제안하는 잠재 고객 규모를 확실히 환영 할 것이지만, 광고 구매를 해당 숫자에 배치하면 궁극적으로 실제 사람들을 반영하지 않는 숫자에 대해 비용을 지불하게됩니다.