ข้อมูลขนาดใหญ่จากสมาร์ททีวีไม่เพียงพอที่จะวัดกลุ่มเป้าหมาย

ประโยชน์ของเทคโนโลยีที่ก้าวหน้านั้นดูเหมือนจะไม่มีที่สิ้นสุด เราสามารถตรวจสอบความปลอดภัยของบ้านของเราได้จากโทรศัพท์ รับสินค้าชำที่ส่งถึงที่ด้วยโดรน หรือแม้แต่ขับรถยนต์ที่สามารถจอดขนานกับเราได้ ทีวีของเราก็ได้รับการพัฒนาอย่างก้าวหน้าไม่แพ้กัน โดยมีตัวเลือกเนื้อหาที่ดูเหมือนจะไม่มีที่สิ้นสุดในภูมิทัศน์ของแพลตฟอร์มและช่องทางที่เติบโตอย่างต่อเนื่อง แม้ว่าสมาร์ททีวีจะเปิดโอกาสมากมายในอีกไม่กี่ปีข้างหน้า แต่สมาร์ททีวีเองก็ไม่สามารถให้มุมมองที่ถูกต้องแก่ภาคอุตสาหกรรมสื่อได้ว่าใครกำลังใช้สมาร์ททีวีอยู่

สมาร์ททีวีเข้ามาแทนที่ทีวีในร้านค้าปลีกขนาดใหญ่ในพื้นที่ของคุณแล้ว ในปัจจุบันนี้ คุณคงจะต้องพยายามอย่างหนักเพื่อหาทีวีในร้านค้าที่ไม่รองรับอินเทอร์เน็ต และเช่นเดียวกับอุปกรณ์ที่เชื่อมต่ออื่นๆ สมาร์ททีวียังช่วยเพิ่มจำนวนข้อมูลที่ผู้ใช้สร้างขึ้นอีกด้วย ข้อมูลการจดจำเนื้อหาอัตโนมัติ (ACR) เป็นเทคโนโลยีที่ OEM ใช้ในการบันทึกการปรับจูนบนสมาร์ททีวี เมื่อรวมกับข้อมูลที่แสดงรายละเอียดพฤติกรรมของบุคคล ชุดข้อมูลเหล่านี้จะช่วยพัฒนาวิทยาศาสตร์ในการวัดผู้ชมได้อย่างมาก

เมื่อพิจารณาจากการนำสมาร์ททีวีมาใช้กันอย่างแพร่หลายและข้อมูลที่ผลิตขึ้น จึงไม่น่าแปลกใจที่บริษัทต่างๆ มากมายหันมาใช้ข้อมูล ACR เพื่อวัดผลผู้ชม จากมุมมองของขนาดโดยรวมแล้ว โอกาสนี้ถือเป็นโอกาสที่น่าสนใจมาก แม้ว่า ACR จะเป็นแหล่งข้อมูลที่ทำกำไรได้ดี แต่ก็ไม่เพียงพอที่จะวัดผลผู้ชมได้ เนื่องจากขาดคุณสมบัติที่สำคัญที่สุดในการวัดผลผู้ชม นั่นคือ บุคคล นอกจาก จะไม่ได้เป็นตัวแทน หรือแม้กระทั่งไม่รู้ว่ามีใครกำลังดูสิ่งที่อยู่บนหน้าจออยู่หรือไม่แล้ว ข้อมูล ACR ยังมีข้อบกพร่องในการตรวจสอบที่สำคัญ นั่นคือ ต้องให้ผู้ผลิตอุปกรณ์จับคู่ภาพบนหน้าจอกับภาพอ้างอิงเพื่อกำหนดเนื้อหาที่กำลังแสดง ดังนั้น วิธีที่ดีที่สุดในการปลดล็อกศักยภาพที่แท้จริงของข้อมูล ACR คือการปรับเทียบข้อมูลด้วยข้อมูลที่สะท้อนพฤติกรรมการรับชมในระดับบุคคลที่แท้จริง 

เมื่อทำงานตามที่ออกแบบไว้ เทคโนโลยี ACR จะตรวจสอบภาพที่ฉายบนกระจกทีวี และใช้ภาพเหล่านั้นเพื่ออนุมานเนื้อหาที่กำลังแสดง ภาพที่ ACR ทำหน้าที่เสมือนลายนิ้วมือของเนื้อหา แต่หลังจากรวบรวม "ลายนิ้วมือ" แล้ว เทคโนโลยีจะต้องกำหนดว่าภาพปรากฏบนเครือข่ายหรือแพลตฟอร์มใด รวมถึงเมื่อใด เพื่อให้ตัดสินใจได้ เทคโนโลยีจะต้องจับคู่ภาพบนหน้าจอกับภาพที่อยู่ในไลบรารีอ้างอิงที่ผู้ผลิตดูแล

มีผลลัพธ์ที่เป็นไปได้สามประการเมื่อเทคโนโลยีพยายามจับคู่กัน:

• รูปภาพตรงกับรายการเดียวในห้องสมุดอ้างอิง 
• รูปภาพตรงกับรายการหลายรายการในห้องสมุดอ้างอิง
• รูปภาพที่ตรงกันไม่มีอยู่ในไลบรารีอ้างอิง

สำหรับทุกฝ่ายที่เกี่ยวข้อง ผลลัพธ์แรกคือสถานการณ์ที่เหมาะสมที่สุด สถานการณ์ที่สองนั้นไม่เหมาะสมนัก และมีความเสี่ยงที่จะเกิดการเข้าใจผิดในระดับหนึ่ง เพียงเพราะเหตุผลต่างๆ มากมายสำหรับการจับคู่หลายรายการ (เช่น การออกอากาศข้ามเครือข่าย การออกอากาศซ้ำ การถ่ายทอดสดพร้อมกัน) ในสถานการณ์ที่สาม ไม่มีใครได้รับเครดิต ซึ่งเห็นได้ชัดว่าเป็นสถานการณ์ที่ไม่น่าปรารถนาที่สุด เหตุผลที่พบบ่อยที่สุดสำหรับผลลัพธ์นี้คือเนื้อหาที่ออกอากาศบนเครือข่ายที่ OEM ไม่ได้ตรวจสอบ

แม้ว่าการจับคู่ภาพจะเป็นโซลูชันการวัดแบบสแตนด์อโลนที่มีประสิทธิภาพ แต่ความสามารถในการใช้ประโยชน์จากโซลูชันดังกล่าวนั้นไม่สามารถทำได้จริง ดังที่คุณนึกภาพออก ค่าใช้จ่ายในการบำรุงรักษาไลบรารีของทุกเฟรมของทุกเหตุการณ์ทางโทรทัศน์นั้นไม่ใช่เรื่องเล็กน้อย นอกจากนี้ยังเป็นงานที่จะเพิ่มขึ้นอย่างทวีคูณตลอดไป นอกจากนี้ยังไม่มีระยะเวลาการเก็บรักษามาตรฐานสำหรับภาพอีกด้วย

แล้วเราจะรู้ได้อย่างไรว่าเทคโนโลยี ACR จะจับคู่ได้ถูกต้อง หากไม่มีกลไกที่จะเติมเต็มช่องว่าง เราก็จะไม่รู้ นั่นคือเหตุผลที่ Nielsen จึงลงทุนกับลายน้ำซึ่งกำหนดได้ชัดเจนกว่าลายเซ็นมาก รวมถึงการสำรองข้อมูลลายเซ็นสำหรับฟีดที่วัดได้ทุกครั้ง ซึ่งจะทำให้แสดงเนื้อหาทั้งหมดได้ โดยเติมเต็มช่องว่างที่เกี่ยวข้องกับข้อมูลขนาดใหญ่ด้วยตัวเอง เมื่อเติมเต็มช่องว่างเหล่านี้แล้ว ข้อมูลขนาดใหญ่ที่ได้มาจากแหล่งต่างๆ เช่น ACR จะให้ประโยชน์ในด้านขนาดในภูมิทัศน์สื่อที่แบ่งส่วนมากขึ้นเรื่อยๆ และเมื่อเราใช้การควบคุมน้ำหนักเพื่อปรับเทียบข้อมูลขนาดใหญ่กับข้อมูลการรับชมในระดับบุคคล เราก็จะสามารถเห็นจุดเปรียบเทียบที่ไม่เช่นนั้นก็จะว่างเปล่า

ในการศึกษาล่าสุด Nielsen พยายามทำความเข้าใจถึงระดับที่ช่องว่างของไลบรารีอ้างอิงเหล่านี้ส่งผลต่อบันทึกการปรับแต่ง ACR ซึ่งเป็นพื้นฐานสำหรับการวัดตาม ACR ในการวิเคราะห์บ้านทั่วไปในเดือนกันยายน 2021 เราได้วิเคราะห์ข้อมูลจาก พันธมิตรผู้ให้บริการ ACR สองราย ของเราเพื่อทำความเข้าใจว่าช่องว่างของไลบรารีอ้างอิงอาจเป็นปัจจัยใดในการวัด ในการศึกษาของเรา เราได้ดูทั้งความเข้มข้นของแหล่งข้อมูลการรับชมและนาทีที่ดูจากแหล่งข้อมูลที่มีอยู่ 

จากแหล่งรับชมทั้งหมด เราพบว่าพันธมิตรผู้ให้บริการ ACR ของเราตรวจสอบสถานีที่พร้อมให้บริการเพียง 31% เท่านั้น ซึ่งหมายความว่าพวกเขาไม่ได้จัดเก็บข้อมูลในห้องสมุดอ้างอิงสำหรับสถานี 69% เมื่อเราตรวจสอบจำนวนนาทีที่รับชม เราพบว่า 23% ของนาทีนั้นมาจากสถานีที่ไม่ได้รับการติดตาม ซึ่งหมายความว่าบริษัทที่ใช้ประโยชน์จากข้อมูล ACR เพียงอย่างเดียวในการวัดผลจะนับจำนวนการแสดงผลในระดับครัวเรือนต่ำกว่าความเป็นจริงถึง 23%

แม้ว่าข้อมูล ACR จะมีข้อจำกัดในตัวของมันเอง แต่เราก็เข้าใจถึงโอกาสในการปรับขนาดและการเข้าถึงที่ข้อมูล ACR มอบให้ในฐานะแหล่งข้อมูลเพิ่มเติม ซึ่งคล้ายกับข้อมูลเส้นทางการส่งคืน (RPD) จากกล่องรับสัญญาณโทรทัศน์ ซึ่งกลยุทธ์บิ๊กดาต้าของเรายังปรับเทียบด้วยข้อมูลแผงเพื่อแก้ไขข้อจำกัดที่เทียบเคียงได้ ด้วยการบูรณาการชุดข้อมูลบิ๊กดาต้ากับข้อมูลการรับชมของเรา ซึ่งให้การวัดที่เป็นตัวแทนของจำนวนสหรัฐอเมริกาทั้งหมด เราจึงสามารถเพิ่มขนาดตัวอย่างของเราได้อย่างมากในขณะที่ใช้ระเบียบวิธีทางวิทยาศาสตร์ข้อมูลที่เข้มงวดเพื่อเติมเต็มช่องว่างและรับรองการแสดงที่ยุติธรรมของผู้ชมสหรัฐอเมริกาทั้งหมดในทุกเครือข่ายและแพลตฟอร์ม

บทความเวอร์ชันนี้ เผยแพร่ครั้งแรกบน AdExchanger