이전 알아두어야 할 사항 기사에서는 고도로 세분화된 오늘날의 TV 에코시스템의 수요를 충족하기 위해 TV 미디어 구매가 어떻게 진화해야 하는지 살펴본 바 있습니다. 경쟁 환경은 빠르게 변화하고 있으며, 구매자는 타겟 오디언스를 이해하고 도달하기 위해 새로운 도구가 필요합니다.
업계의 최우선 과제는 빅데이터의 규모와 패널 기반 측정의 인구통계 및 통계적 정확성을 결합하여 더 나은 데이터 품질을 생성할 수 있는 새로운 측정 방법을 개발하는 것이었습니다.
닐슨은 패널과 빅 데이터를 결합하는 최적의 방법을 찾기 위해 수년간 노력해 왔으며, 주요 업체들과 데이터 파트너십을 개발하고 업계 이해관계자들과 협력하여 새로운 방법론을 철저하게 테스트했습니다. 다음은 빅데이터와 패널 데이터의 조화로운 결합이 TV 측정의 미래라고 확신하게 된 세 가지 결과입니다.
닐슨의 골드 스탠다드 패널에 의해 보정된 빅 데이터로 ...
- 주요 데모(SCALE)에서 제로 등급이 감소합니다.
- 평균 상대 오류 감소(정확도)
- 표준 편차 감소(안정성)
빅 데이터의 의미와 패널이 빅 데이터와 어떤 관련이 있는지 살펴보겠습니다.
빅 데이터 및 패널: 함께하면 더 좋습니다
TV 측정 분야에서 빅 데이터는 케이블 및 위성 셋톱박스의 리턴패스 데이터(RPD)와 인터넷에 연결된 스마트 TV의 자동 콘텐츠 인식(ACR) 데이터를 의미합니다. 빅데이터는 얼마나 큰 규모인가요? 닐슨은 Comcast, DirecTV, Dish Network, Roku, Vizio와 같은 기업과의 전략적 데이터 파트너십을 통해 현재 미국에서만 7,500만 대의 디바이스와 4,500만 가구의 세분화된 데이터에 액세스할 수 있습니다.
방대한 데이터 세트이지만 개인 수준에서의 TV 시청은 파악하지 못하고 디바이스 수준에서만 파악합니다. 따라서 디바이스가 켜져 있을 때 누가 실제로 TV를 시청하고 있는지 또는 특정 시점의 시청자 및 공동 시청자가 누구인지 파악할 수 없습니다. 이러한 디바이스를 소유하지 않거나, 스트리밍만 하거나, 공중파 TV를 시청하거나, 빅데이터 가정과 매우 다른 시청 습관을 가진 수백만 가구는 말할 것도 없습니다.
이것이 바로 사람 수준의 패널이 필요한 이유입니다. 패널이 여전히 중요한 이유와 빅데이터의 한계를 극복하기 위한 진실의 원천으로 패널을 어떻게 활용해야 하는지 살펴봤습니다. 그리고 이러한 권장 사항에 따라 미디어 구매 및 판매를 위한 새로운 전국 및 지역 TV 화폐를 개발했습니다.
예를 들어, 현재 닐슨에서 RPD 또는 ACR 데이터를 분석할 때 패널에 어떤 디바이스가 포함되어 있는지 파악하고 해당 가정의 튜닝 데이터를 측정기에서 캡처한 개별 시청 행동과 비교할 수 있습니다. 패널을 신뢰할 수 있는 소스로 사용하여 빅데이터를 보정하고, 적합한 개인에게 시청을 할당하고, 빅데이터 데이터 세트의 시청자뿐만 아니라 전체 TV 인구에 대한 시청률 추정치를 예측할 수 있는 강력한 방법을 개발했습니다.
이 접근 방식에는 많은 이점이 있습니다. 지금까지의 분석에서 눈에 띄는 세 가지 이점은 다음과 같습니다.
규모: 주요 데모에서 제로 등급이 감소합니다.
TV 분야에서 빅데이터가 처음 등장했을 때 업계의 즉각적인 반응은 가장 골치 아픈 문제 중 하나인 무등급 프로그램 문제를 해결하는 데 도움이 될 수 있다는 것이었습니다.
수천 개의 TV 프로그램에는 시청자 수가 너무 적어 패널 기반 측정으로 감지할 수 없는 시청자가 있으며, 심지어 10만 명 이상의 패널을 보유하고 있는 프로그램도 있습니다. 예를 들어, 2023년 1분기에 공중파, 케이블, 신디케이트 TV를 통틀어 362,168개의 방송이 있었는데, 이 중 13.9%는 전국 및 지역 TV 패널에서 35세에서 49세 사이의 시청자가 0명인 것으로 나타났습니다.
하지만 새로운 빅데이터 + 패널 방법론을 사용하여 동일한 방송을 조사한 결과, P35-49 시청자가 전혀 없는 방송은 458개에 불과했으며, 이는 해당 분기 전체 방송의 0.1%에 불과했습니다. 나머지는 시청자 구성이 독특하여 미디어 구매를 위한 완벽한 옵션이었을 가능성이 높습니다.
즉, 개선된 측정 방식을 사용하면 해당 연령대의 제로 레이팅 사례를 거의 모두 제거할 수 있으며, 다른 모든 기존 연령 대상에서도 비슷한 결과를 얻을 수 있습니다: 35-49세의 경우 99.1%, 18-34세의 경우 98.4%, 50-64세의 경우 99.6%입니다.
이는 미디어 구매자와 판매자 모두에게 윈윈입니다: 판매자는 수익을 창출할 수 있는 더 많은 광고 인벤토리를 확보할 수 있고, 구매자는 틈새 오디언스에게 타겟을 도달할 수 있는 더 많은 옵션을 확보할 수 있습니다.
정확도: 평균 상대 오류 감소
빅데이터와 패널 데이터를 혼합하는 프로세스의 핵심은 모든 프로그램에 보정 계수를 적용하여 총 시청자 수를 방송국/요일/시간대/데모 수준에서 패널과 일치시키는 것입니다. 인구 통계와 시청자 모델링이 완료되면 빅데이터를 사용하여 자체적으로 측정하고, 그 결과를 패널 기반 통화의 결과와 비교하여 보정 인자를 알려줍니다.
이는 패널 전용 솔루션에 비해 분 단위의 오디언스 수준을 평준화하고 오디언스 추정치의 정확도를 향상시키는 효과가 있습니다.
2023년 5월 뉴욕 지정 시장 지역(DMA) 에서 이 새로운 빅데이터 + 패널 보정 방법이 기존 패널 기반 방식에 비해 어떤 성과를 거두었는지 측정한 결과, 해당 시장에서 시청률 추정치의 평균 상대 오차가 10%(이른 새벽 시간대)에서 25%(황금 시간대 및 늦은 새벽 시간대)까지 감소한 것으로 나타났습니다.
정확도가 높아지면 미디어 구매자와 판매자가 더욱 안심하고 거래를 시작할 수 있습니다.
안정성: 표준 편차 감소
같은 시장, 같은 달인 2023년 5월에 닐슨은 새로운 화폐가 오전 6시 뉴스 프로그램의 시청률 안정성에 미치는 영향을 조사했습니다.
전국 방송 및 케이블 뉴스 프로그램은 매일 충성도 높은 시청자를 끌어들이는 경향이 있으며, 지역 뉴스 프로그램도 마찬가지일 것으로 예상되지만 일부 지역 TV 패널의 규모를 고려할 때 이를 확인하기가 항상 어려웠습니다. 지역 방송국은 시청자 규모의 일별 변동이 실제 변동에 따른 결과인지 아니면 패널 기반 측정의 인공적인 결과인지 파악하는 데 어려움을 겪어 왔습니다.
뉴욕 지역의 두 개의 개별 오전 6시 뉴스 프로그램을 자세히 살펴보면, 빅데이터가 단일 패널의 영향을 줄여 추정치에 안정성을 부여하기 때문에 한 달 동안 시청자 규모의 표준편차가 패널만 사용했을 때보다 새 통화를 사용할 때 36% 더 낮은 것으로 나타났습니다.
향상된 측정 기능이 비즈니스에 어떤 영향을 미칠까요?
더 이상 제로 등급이 없고 정확도가 향상되며 안정성이 훨씬 개선되었습니다. 마음에 들지 않을 게 뭐가 있을까요? 크리테오는 수년간 새로운 TV 화폐를 개선해 왔으며, 이제 개인 단위의 세분성을 갖춘 유일한 공인된 빅데이터 + 패널 솔루션으로서 미디어 업계는 정확하고 신뢰할 수 있는 측정치를 바탕으로 안심하고 거래할 수 있게 되었습니다. 우리는 이 솔루션이 TV 측정의 새로운 장을 열고 모든 이해관계자에게 혜택을 줄 것이라고 진심으로 믿습니다.
이에 대해 자세히 알아보고 비즈니스에 미치는 영향을 평가하려면 전문가에게 문의하여 빅 데이터 + 패널 측정의 힘을 알아보세요.
닐슨의 니즈 투 노우에서는 오디언스 측정의 기본을 살펴보고 미디어 업계에서 가장 뜨거운 주제를 이해하기 쉽게 설명합니다. 여기에서 모든 기사를 읽어보세요.
