Przejdź do treści
02_Elements/Icons/ArrowLeft Powrót do Insight
Insights > TV & streaming

Dopóki liczby nie odzwierciedlają ludzi, są tylko liczbami.

5 minut czytania | Mainak Mazumdar, Chief Data And Research Officer | Maj 2022

Dla branży medialnej, okres między marcem a majem to czas go. Przez wiele wydarzeń upfront, które obejmują krajobraz mediów, które nie są już związane z poszczególnych platform i technologii, rozszerzenie rynku treści prezentuje zarówno bogactwo możliwości i ekspansji informacji dla kupujących i sprzedających reklamy do nawigacji, zwłaszcza w kontekście rosnących rozmów o big data do pomiaru. 

Dla reklamodawców, numery są krytyczne o tej porze roku. I jak konsumpcja TV fragmenty wśród rosnącej zaangażowania cyfrowego, biorą na jeszcze większe znaczenie. Jak ważne? Badanie Ampere Analysis wykazało, że całkowite wydatki na treści w 2021 roku wyniosły około 220 miliardów dolarów, a ich liderem jest potęga streamingowa Netflix. I reklamodawcy, wiedząc, że Amerykanie strumieniowo prawie 15 milionów lat wartości wideo w zeszłym roku, są rally, jak na całym świecie wydatki na reklamę cyfrową wzrosła więcej niż 29% w 2021 roku, aby przekroczyć 491 miliardów dolarów. 

Co więcej, konsumenci nie zamierzają zmieniać trajektorii branży streamingowej, ponieważ 93% abonentów streamingu twierdzi, że planuje zwiększyć swoje wykorzystanie w ciągu najbliższego roku. Nie oznacza to jednak, że tradycyjne treści telewizyjne odchodzą do lamusa. Wręcz przeciwnie, ponieważ przeciętny dorosły spędza ponad dwa razy więcej czasu dziennie z telewizją na żywo niż z treściami związanymi z telewizją połączoną (CTV).

Rosnąca obfitość treści stanowi coraz większe bogactwo wyboru dla konsumentów, ale niezliczone platformy, urządzenia i usługi mogą stanowić wyzwanie pomiarowe dla reklamodawców. Dodatkowo, eksplozja wyboru nie stworzyła więcej czasu na zaangażowanie się w treści, ani nie stworzyła więcej ludzi. Ale big data, w tym ta pochodząca z inteligentnych telewizorów (ACR) i skrzynek kablowych (RPD), ma sposób na sugerowanie, że jest inaczej. Dane pochodzące z dekoderów kablowych i inteligentnych telewizorów również dają niewielki wgląd w aktywność streamingową: Skrzynki kablowe z definicji dostarczają danych o tradycyjnej telewizji, a ACR często wyłącza się, gdy widzowie korzystają z natywnych aplikacji, w tym Netflixa.  

Poza tym, że big data nigdy nie miała być wykorzystywana do pomiarów, nie odzwierciedla ona rzeczywistych ludzi. Nie ma wątpliwości co do wartości RPD i ACR, ponieważ zapewniają one skalę do pomiaru, ale big data odzwierciedla urządzenia, a nie rzeczywistych ludzi. Dane same w sobie nie mogą powiedzieć, kto ogląda, a kto nie - co jest podstawową potrzebą dla reklamodawców. A kiedy ludzie są usuwane z równania, liczby po prostu nie będzie dodać.

Weźmy na przykład dane ACR, które identyfikują obrazy na ekranach inteligentnych telewizorów. Te dane mogą być bardzo przydatne w pomiarach oglądalności, ale same w sobie nie robią nic więcej niż identyfikacja tego, co jest na ekranie. Dane RPD są podobne, jednak brakuje im możliwości choćby weryfikacji, czy telewizor jest włączony. Dlatego jedna czwarta wszystkich emisji z dekoderów pochodzi z telewizorów, które nie są nawet włączone.

Oprócz tego, że nie wiemy, kto korzysta z danego urządzenia lub ekranu, big data jest z natury stronnicza, a stronniczość zależy od typu danych. Aby big data naprawdę reprezentowała populację Stanów Zjednoczonych, każde gospodarstwo domowe z telewizorem musiałoby mieć dokładnie taki sam telewizor i mieć dostęp do programów za pośrednictwem dokładnie takiego samego strumienia danych. Dlatego też wszystkie duże zbiory danych muszą być wyrównane - skalibrowane - za pomocą paneli opartych na ludziach, które odzwierciedlają różnorodność populacji Stanów Zjednoczonych.

Co ważne, Światowa Federacja Reklamodawców, Stowarzyszenie Reklamodawców Narodowych i porównywalne organizacje w ponad 30 innych narodach jednogłośnie stwierdziły, że przyszły system pomiaru widowni w mediach ekranowych musi być połączeniem panelu jakościowego i big data.

Bez danych panelowych pomiar nie uwzględnia różnorodności. Nie tylko wiemy, że wszystkie telewizyjne gospodarstwa domowe nigdy nie będą miały dostępu do tych samych treści na tych samych urządzeniach, ale wiemy również, że skład gospodarstw domowych jest tak zróżnicowany, jak struktura kraju, w którym znajdują się gospodarstwa telewizyjne. W tym miejscu pomiar oparty na dużych danych mija się z celem - w sposób znaczący.

Na przykład Latynosi stanowią nieco poniżej 20% populacji Stanów Zjednoczonych, ale big data znacząco zaniża liczbę tych odbiorców, jak również wielu innych. Jednak gdy pomiar opiera się tylko na RPD, analizy Nielsena wykazały, że nie uwzględnia on latynoskich domów o 30%. Aby przedstawić to w odpowiedniej perspektywie, rozważ to: W spisie powszechnym w USA w 2020 r. ustalono, że populacja latynoska liczy nieco ponad 62 mln osób. Jeśli połowa tej populacji ogląda telewizję w danym czasie, a reklamodawcy wykorzystują dane RPD do pomiaru, reklamodawcy mogą dotrzeć do 9 milionów osób więcej, niż byliby świadomi.

Co ważne, 30% niedoreprezentacja jest wartością średnią. Na poziomie programu, big data może zaniżać lub zawyżać reprezentację w znacznie większym stopniu, zarówno w odniesieniu do populacji ogólnej, jak i zróżnicowanej widowni. Na przykład, badanie Nielsena dotyczące różnic pomiędzy pomiarem big data a złotym standardem pomiaru panelowego wykazało, że pomiar RPD zawyża całkowitą liczbę wyświetleń programu w Stanach Zjednoczonych o 69%. Dla porównania, pomiar ACR zaniża tę wartość o 12%. W przypadku wydarzenia sportowego, pomiar RPD zaniża liczbę latynoskich widzów o 47%, podczas gdy pomiar ACR zawyża tę liczbę o 12%.

Dla reklamodawców te odchylenia w pomiarach mogą być kosztowne. Rosnąca podaż nowych źródeł danych zwiększa jednak złożoność pomiarów, zwłaszcza gdy nie są one powiązane z prawdziwymi ludźmi. Wydawcy i reklamodawcy zawsze będą chcieli mieć jak największy zasięg, ale na pewno nie bez rygoru analitycznego potrzebnego do jego potwierdzenia.

W miarę konwergencji liniowej i cyfrowej, źródła big data są krytycznymi danymi wejściowymi dla pomiarów. Jednak same w sobie nie są godne zaufania jako źródła pomiaru. Ponieważ konsumenci korzystają z większej liczby urządzeń i kanałów, łatwo będzie wskazać dane, które potencjalnie zawyżają zaangażowanie. Reklamodawcy z pewnością z zadowoleniem przyjęliby wielkość widowni, którą sugeruje wiele alternatywnych widowni, ale jeśli umieszczą swoje zakupy reklamowe w odniesieniu do tych liczb, ostatecznie będą płacić za liczby, które nie odzwierciedlają prawdziwych ludzi.

Kontynuuj przeglądanie podobnych spostrzeżeń