오늘날처럼 미디어 환경 전반에 걸쳐 선택의 폭이 넓었던 적은 없었으며, 소비자들은 자신에게 가장 매력적인 플랫폼과 채널에 적극적으로 참여하고 있습니다. 선택의 폭이 넓어지면서 광고주, 퍼블리셔 및 대행사는 소비가 발생하는 위치에 관계없이 고객을 유치하고, 참여를 유도하고, 참여도를 측정하고자 하기 때문에 정확한 측정에 대한 업계의 요구가 증폭되고 있습니다.
중요한 것은 이러한 선택의 폭이 넓어지는 가운데 소비자가 여전히 중심이라는 점이며, 이로 인해 전체적이고 포괄적인 오디언스 측정, 즉 업계의 진화하는 플랫폼과 채널이 도입한 수많은 새로운 데이터 소스를 고려해야 하는 측정의 필요성이 높아졌습니다. 그러나 이러한 데이터 소스는 미국 인구를 정확하게 대표할 수 없기 때문에 그 자체만으로는 오디언스를 정확하게 측정할 수 없습니다.
실제 잠재고객을 측정하려면 실제 사람이 필요합니다.
수년 동안 닐슨의 패널은 TV 측정의 표준이 되어 왔으며, 셋톱박스나 스마트 TV의 빅데이터만으로는 밝혀낼 수 없는 TV 시청자에 대한 중요한 인사이트를 제공하는 데 여전히 필수적인 역할을 하고 있습니다. 하지만 이러한 빅데이터에는 엄청난 가치가 있습니다. 기존 패널이 제공할 수 있는 것보다 기하급수적으로 더 많은 시청자 규모를 제공하지만, 구체적인 시청자 정보가 부족합니다. 전체적이고 대표성을 갖춘 측정이 되려면 패널 데이터와 함께 빅데이터를 활용해야 합니다.
중요한 점은 셋톱박스 및 스마트 TV 데이터는 측정용으로 설계되지 않았다는 점입니다. 예를 들어, 케이블 또는 위성 박스의 RPD(리턴 경로 데이터)는 TV가 켜져 있고 채널이 언제 변경되었는지는 알 수 있지만 방에 누가 있는지 또는 누가 화면의 콘텐츠를 제어하고 있는지는 알 수 없습니다. 스마트 TV가 제공하는 자동 콘텐츠 인식(ACR) 데이터도 마찬가지입니다. 예를 들어, 닐슨의 RPD 분석에 따르면 아무도 시청하지 않을 때 TV가 켜져 있는 시간을 보정하지 않으면 시청 시간이 제공업체에 따라 145%에서 260%까지 과다 계상되는 것으로 나타났습니다.
측정의 단점은 차치하더라도, 빅데이터는 큰 장점이 있으며 특히 디바이스와 플랫폼 사용이 증가함에 따라 향후 오디언스 측정에서 중요한 역할을 할 수 있습니다. 빅데이터의 규모와 규모가 커지고 있지만, 실제 오디언스에 대한 총체적이고 정확한 인사이트를 확보하려면 대표적인 개인 수준의 데이터에 기반을 두어야 합니다. 예를 들어, 최근 닐슨의 분석에 따르면 황금 시간대 프로그램에 대한 RPD 측정이 미국 전체 노출 수를 69% 과장하는 것으로 나타났습니다. 같은 분석에서 ACR 데이터는 노출 수를 12% 과소평가한 것으로 나타났습니다.
닐슨의 전국 대표 패널은 전체 TV 사용량의 4분의 1 이상을 차지할 정도로 성장한 스트리밍의 성장을 측정하는 데에도 중요한 역할을 합니다. 스트리밍은 소비자에게 무한한 콘텐츠 선택의 폭을 제공하지만, 빅데이터는 시청자와 참여도를 완전히 설명할 수 있는 능력이 부족합니다. 빅데이터는 Roku 디바이스나 Amazon Fire Stick과 같은 오버더톱 스트리밍 디바이스를 설명할 수 없으며, 많은 스트리밍 애플리케이션은 앱이 사용 중인 동안 ACR 데이터 전송을 차단합니다. 특히 새로운 플랫폼과 채널이 시장에 진입함에 따라 주요 OEM과의 파트너십과 패널 데이터가 가장 중요해집니다.
실제 잠재고객에 대한 인사이트를 얻으려면 다른 소스와 함께 사용하여 샘플 크기를 크게 늘릴 수 있는 실제 사람으로부터 얻은 데이터가 필요합니다. 패널의 데이터 품질 문제를 식별하고 수정할 수 있는 닐슨의 능력은 오디언스 측정에 사용하기에 안정적이고 신뢰할 수 있으며 일관성 있는 빅데이터를 보장합니다. 빅데이터가 개인 수준 측정으로 보정되면 업계는 셋톱박스 RPD 및 스마트 TV ACR 데이터의 잠재력을 최대한 활용할 수 있습니다.
