No ambiente midiático atual, há uma variedade de opções sem precedentes, e os consumidores estão utilizando ativamente as plataformas e canais de mídia que consideram mais atraentes. Anunciantes, editores e agências de publicidade estão tentando atrair os consumidores, obter engajamento e medi-lo, independentemente do local de visualização. A ampliação das opções aumenta a necessidade da indústria por medições precisas.
O importante aqui é que as pessoas estão no centro dessa tendência de ampliação das opções. Por isso, é cada vez mais necessária uma medição abrangente da audiência que reflita as inúmeras novas fontes de dados proporcionadas pelas plataformas e canais em evolução. No entanto, essas novas fontes de dados por si só não representam com precisão a população dos Estados Unidos, o que impossibilita uma medição precisa da audiência.
Para medir o público real, é necessário ter pessoas reais.
Por muitos anos,o painel de mediçãoda Nielsen tem sido o padrão ouro para a medição da audiência televisiva e, atualmente, é utilizado para fornecer informações valiosas sobre o público televisivo que não podem ser obtidas apenas com os big data coletados de decodificadores e smart TVs.Por outro lado, esses conjuntos de big data têm um valor muito grande. Eles fornecem um tamanho de audiência significativamente maior do que o que pode ser coberto pelos painéis tradicionais. No entanto, como esses conjuntos de dados não contêm informações que permitam identificar o público, é necessário usar big data e dados de painel em conjunto para realizar medições abrangentes e representativas. É importante ressaltar que os dados de decodificadores e smart TVs não foram projetados para medição. Por exemplo, os dados de retorno (RPD) obtidos de decodificadores de TV a cabo e satélite permitem saber se a TV está ligada e se o canal foi alterado, mas não revelam quem está na sala ou quem está operando o que é exibido na tela.O mesmo se aplica aos dados de reconhecimento automático de conteúdo (ACR) fornecidos pelas smart TVs. Por exemplo, uma análise da Nielsen dos dados RPD revelou que, se não for feita uma correção para os casos em que a TV está ligada mas ninguém está assistindo, o tempo de visualização pode ser superestimado em 145% a 260% (dependendo do provedor).
Especialmente, à medida que o uso de dispositivos e plataformas aumenta, o big data oferece grandes vantagens e pode desempenhar um papel importante na medição de audiência no futuro.No entanto, para compreender de forma abrangente e precisa o público real, é necessário garantir dados representativos ao nível do indivíduo. Por exemplo, de acordo com uma análise recente da Nielsen, a medição RPD de um programa em horário nobre superestimou em 69% o número total de impressões nos Estados Unidos. A mesma análise revelou que os dados ACR subestimaram as impressões em 12%.
O painel de medição de televisão da Nielsen, representativo da população total dos Estados Unidos, é agora extremamente importante para medir a expansão da transmissão por streaming, querepresenta mais de um quartodo uso total de televisão. A transmissão por streaming oferece aos consumidores uma enorme quantidade e variedade de conteúdo, masapenas com big data não é possível compreender totalmente a audiência e o engajamento. Além disso, o big data não abrange a visualização em dispositivos de streaming OTT, como Roku e Amazon Fire Stick, e muitos aplicativos de streaming bloqueiam o envio de dados ACR durante o uso do aplicativo. Considerando que novas plataformas e canais estão entrando no mercado, a parceria com os principais fabricantes de dispositivos e os dados do painel serão extremamente importantes no futuro.
Para descobrir insights sobre o público real, são necessários dados obtidos de “pessoas” reais.Ao combinar os dados obtidos de pessoas reais com outras fontes de dados, é possível aumentar significativamente o número de amostras. O painel da Nielsen tem a capacidade de identificar e corrigir problemas de qualidade dos dados, complementando a estabilidade, confiabilidade e consistência dos big data usados na medição de audiência. Ao ajustar os big data com medições em nível individual, é possível maximizar o potencial dos dados RPD de decodificadores e ACR de smart TVs.
