ในสหรัฐอเมริกาและทั่วโลก การแบ่งแยกการรับชมได้ท้าทายความสามารถของกลุ่มวัดผลผู้ชมแบบเดิมในการให้ข้อมูลเรตติ้งที่เชื่อถือได้ ข้อมูลดังกล่าวยังคงมีความสำคัญสำหรับผู้ซื้อและผู้ขายโฆษณาในการวางแผนและดำเนินการข้อตกลง และสำหรับผู้ผลิตเนื้อหาในการทำความเข้าใจประสิทธิภาพของรายการ
แม้ว่าเครือข่ายและรายการที่มีเรตติ้งสูงจะได้รับผลกระทบจากปัญหาการวัดผลนี้น้อยกว่า แต่การรับชมในปัจจุบันมีเฉพาะกลุ่ม ทำให้เรตติ้งลดลงและการวัดผลไม่น่าเชื่อถือ ในบางกรณี เรตติ้งอาจรายงานเป็นศูนย์ ซึ่งแม้ว่าจะมีผู้ชมรายการในประชากร แต่ไม่มีผู้ชมรายการใดเลยที่อยู่ในกลุ่มการวัดผล เพื่อแก้ไขปัญหานี้ Nielsen จึงได้เผยแพร่ข้อมูลการวัดผล "กลุ่มผู้ชมและข้อมูลขนาดใหญ่" ซึ่งรวมถึงการผสานข้อมูลกลุ่มผู้ชมเข้ากับข้อมูลขนาดใหญ่ เช่น ข้อมูลเส้นทางกลับ (RPD) จาก MVPD และข้อมูลการจดจำเนื้อหาอัตโนมัติ (ACR) จากสมาร์ททีวี ซึ่งช่วยปรับปรุงการวัดผลผู้ชมได้อย่างมีนัยสำคัญ โดยทำให้การวัดผลแม่นยำขึ้นและแก้ไขปัญหา "เรตติ้งเป็นศูนย์" ได้อย่างมีประสิทธิภาพ
เราทราบดีว่าข้อมูลจากกล่องรับสัญญาณเคเบิลและสมาร์ททีวีนั้นไม่ สามารถวัดผลได้ ด้วยตัวเอง เนื่องจากมีช่องว่างและไม่สามารถวัดทุกอย่างบนหน้าจอหรือบอกคุณได้ว่าใครกำลังรับชมอยู่ แต่เมื่อจับคู่กับข้อมูลแผงระดับบุคคล ที่ได้รับการรับรอง ชุดข้อมูลรวมกันจะช่วยพัฒนาวิทยาศาสตร์ในการวัดผลผู้ชมได้อย่างมาก ข้อดีประการหนึ่งก็คือ การรวมชุดข้อมูลเหล่านี้เข้าด้วยกันช่วยให้การวัดผลสามารถรวบรวมการรับชมได้มากกว่าการใช้ข้อมูลแผงเพียงอย่างเดียว
ทำความเข้าใจเกี่ยวกับการจัดอันดับเป็นศูนย์
ตัวอย่างเช่น ในไตรมาสแรกของปีนี้ คณะกรรมการ Nielsen รายงานว่าไม่มีเรตติ้งเลยสำหรับการถ่ายทอดสด 8,454 รายการ ทั้งในระบบออกอากาศทางโทรทัศน์ เคเบิล และทีวีรวม จากทั้งหมด 362,168 รายการ (2%) สำหรับการถ่ายทอดสดและการรับชมแบบเลื่อนเวลาในอีกสามวันถัดมา เรตติ้งเป็นศูนย์ หมายความว่าไม่มีบ้านใดในกลุ่มคณะกรรมการรับชม ซึ่งในกรณีส่วนใหญ่ สะท้อนถึงข้อจำกัดของการวัดผลมากกว่าสิ่งที่เกิดขึ้นจริงในกลุ่มประชากร กล่าวอีกนัยหนึ่ง ประชากรมีอัตราการรับชมต่ำ ผู้ชมไม่ได้อยู่ในกลุ่มคณะกรรมการ
การรวมข้อมูลขนาดใหญ่ในข้อมูลแผงข้อมูลระดับประเทศของ Nielsen ช่วยแก้ปัญหานี้ได้อย่างมาก โดยช่วยให้ผู้ซื้อและผู้ขายมองเห็นพฤติกรรมการรับชมของผู้ชมได้ชัดเจนยิ่งขึ้น Nielsen กำลังรวมข้อมูลทีวีจากบ้านประมาณ 30 ล้านหลังเข้ากับแผงข้อมูล 40,000 หลัง/100,000 คน ทำให้การวัดผลแม่นยำขึ้นอย่างมาก ขนาดตัวอย่างที่ใหญ่ขึ้นช่วยลดข้อผิดพลาดในการสุ่มตัวอย่างทางสถิติที่เกี่ยวข้องกับการวัดผลแผงข้อมูล รวมถึงการมีคะแนนเป็นศูนย์
ข้อมูลขนาดใหญ่ช่วยให้มองเห็นได้แม่นยำยิ่งขึ้น
ก่อนจะนำข้อมูลขนาดใหญ่มาใช้ในการวัดผลในเดือนกันยายนนี้ นีลเส็นใช้เวลาหนึ่งปีในการวิเคราะห์ชุดข้อมูลรวมเพื่อทำความเข้าใจผลกระทบต่อข้อผิดพลาดในการสุ่มตัวอย่าง การวิเคราะห์พบว่าการรวมข้อมูลขนาดใหญ่ช่วยลดเรตติ้งที่เป็นศูนย์ได้อย่างมีนัยสำคัญในทุกกลุ่มผู้ชม เมื่อวัดการออกอากาศรายการโทรทัศน์ 8,454 รายการในไตรมาสแรกที่มีเรตติ้งเป็นศูนย์ในครัวเรือนโดยใช้ข้อมูลแผงรวมกับข้อมูลขนาดใหญ่ พบว่าเรตติ้งที่เป็นศูนย์ลดลง 99.9% เมื่อวัดจากกลุ่มผู้ชมหลักทั้งหมด พบว่าการลดลงมีตั้งแต่ 96.8% ถึง 99.9% การลดลงนี้เห็นได้ชัดที่สุดในกลุ่มผู้ชมที่อายุน้อย ซึ่งมักเป็นผู้ชมรายการโทรทัศน์แบบดั้งเดิมไม่มากนัก จึงมีแนวโน้มที่จะทำให้เรตติ้งเป็นศูนย์ในการวัดผลแผง
ขนาดตัวอย่างที่เพิ่มขึ้นยังช่วยให้สามารถรวบรวมการรับชมที่แม่นยำยิ่งขึ้นในกลุ่มผู้ชมเฉพาะกลุ่ม ตัวอย่างเช่น ในไตรมาสแรก มีรายการภาษาสเปน 3,471 รายการที่ออกอากาศทางเครือข่ายภาษาสเปนซึ่งสร้างเรตติ้งเป็นศูนย์ (ถ่ายทอดสด +3 วัน) เมื่อวัดด้วยข้อมูลแผง เมื่อวัดด้วยข้อมูลแผงและข้อมูลขนาดใหญ่ เรตติ้งเป็นศูนย์จะถูกลบออกไปทั้งหมด
เห็นได้ชัดว่าการเพิ่มจำนวนบ้านหลายล้านหลังเข้าไปในการวัดผลนั้นถือเป็นเรื่องดี อย่างไรก็ตาม แม้ว่าข้อมูลขนาดใหญ่จะให้ขนาดตัวอย่างที่ใหญ่กว่าอย่างเห็นได้ชัด แต่ข้อมูลขนาดใหญ่ก็ขาดรายละเอียดเฉพาะเจาะจงเกี่ยวกับผู้ที่กำลังรับชม และมักจะแสดงถึงประชากรที่หลากหลายและกลุ่มอายุบางกลุ่มได้ไม่เพียงพอ นอกจากนี้ ข้อมูลขนาดใหญ่ยังไม่สามารถวัดการรับชมจากเสาอากาศแบบเหนือคลื่นความถี่ บ้านที่ใช้บรอดแบนด์เท่านั้น และการรับชมที่เกิดขึ้นนอกบ้านได้ นั่นคือจุดที่ข้อมูลคณะกรรมการที่ได้รับการตรวจสอบและรับรองเข้ามามีบทบาท โดยการผสมผสานขนาดของข้อมูลขนาดใหญ่และข้อมูลเชิงลึกแบบละเอียดจากคณะกรรมการที่อิงตามบุคคลของเรา Nielsen กำลังช่วยให้ภาคอุตสาหกรรมตระหนักถึงศักยภาพทั้งหมดของข้อมูล RPD และ ACR
