Skip to content
Centre de presse > Entreprise

Mieux ensemble : Panel + grands ensembles de données offrant des informations sans précédent sur les consommateurs

3 minutes de lecture | Octobre 2021

Le choix n'a jamais été aussi abondant dans le paysage médiatique qu'aujourd'hui, et les consommateurs s'engagent activement sur les plateformes et les canaux qui les attirent le plus. L'étendue du choix amplifie le besoin du secteur de disposer de mesures précises, étant donné que les annonceurs, les éditeurs et les agences cherchent à attirer, à engager et à mesurer l'engagement, quel que soit le lieu de consommation.

Il est important de noter que le consommateur reste au centre de cette explosion de choix, ce qui accroît la nécessité d'une mesure d'audience holistique et complète, une mesure qui doit tenir compte de la myriade de nouvelles sources de données que les plateformes et les canaux en évolution du secteur ont introduites. Ces sources de données, cependant, ne peuvent pas mesurer précisément les audiences à elles seules, car elles ne peuvent pas fournir une véritable représentation de la population américaine.

Pour mesurer l'audience réelle, vous avez besoin de personnes réelles.

Pendant des années, les panels de Nielsen ont été la référence en matière de mesure de la télévision, et ils restent indispensables pour fournir des informations essentielles sur les audiences télévisées que les grandes données provenant des décodeurs et des téléviseurs intelligents ne peuvent pas éclairer à elles seules. Mais ces grands ensembles de données ont une valeur considérable. Ils fournissent des tailles d'audience exponentiellement plus grandes que les panels traditionnels, mais ils manquent d'informations spécifiques sur l'audience. Pour être holistique et représentative, la mesure doit s'appuyer sur les big data en conjonction avec les données des panels.

Il est important de noter que les données des décodeurs et des téléviseurs intelligents n'ont pas été conçues pour être mesurées. Par exemple, les données de voie de retour (RPD) d'un boîtier câble ou satellite peuvent vous indiquer qu'un téléviseur est allumé et quand la chaîne est changée, mais elles ne peuvent pas vous dire qui est dans la pièce ou qui contrôle ce qui est sur l'écran. Il en va de même pour les données de reconnaissance automatique de contenu (ACR) fournies par les téléviseurs intelligents. Par exemple, une analyse de la RPD effectuée par Nielsen a révélé que, sans correction pour tenir compte des moments où le téléviseur est allumé alors que personne ne le regarde, les minutes d'écoute seraient surestimées de 145 % à 260 %, selon le fournisseur.

Les défauts de mesure mis à part, le big data a un grand avantage et peut jouer un rôle essentiel dans l'avenir de la mesure d'audience, en particulier avec l'augmentation de l'utilisation des appareils et des plateformes. La taille et l'échelle croissantes du big data sont inégalées, mais elles doivent être ancrées dans des données représentatives au niveau de la personne pour garantir une vision holistique et précise des audiences réelles. Par exemple, une analyse récente de Nielsen a révélé que la mesure RPD d'un programme en prime time surestimait de 69 % le nombre total d'impressions aux États-Unis. Cette même analyse a révélé que les données ACR sous-estimaient les impressions de 12 %.

Les panels représentatifs au niveau national de Nielsen sont également essentiels pour mesurer la croissance du streaming, qui représente désormais plus d'un quart de l'utilisation totale de la télévision. Alors que le streaming offre aux consommateurs un choix apparemment infini de contenus, les big data ne sont pas en mesure de prendre pleinement en compte les audiences et l'engagement. Le big data ne peut pas tenir compte des appareils de streaming over-the-top comme les appareils Roku et les Amazon Fire Sticks, et de nombreuses applications de streaming bloquent les transmissions de données ACR lorsque les applications sont utilisées. C'est là que les partenariats avec les principaux équipementiers et les données de panel deviennent primordiaux, en particulier lorsque de nouvelles plateformes et de nouveaux canaux entrent sur le marché.

Pour connaître les audiences réelles, il faut des données provenant de personnes réelles - des données qui peuvent être utilisées conjointement avec d'autres sources pour augmenter considérablement la taille des échantillons. La capacité de Nielsen à identifier et à corriger les problèmes de qualité des données de ses panels garantit la stabilité, la fiabilité et la cohérence des big data utilisées pour la mesure d'audience. Lorsque le big data est calibré avec la mesure au niveau de la personne, l'industrie réalise le plein potentiel des données RPD des décodeurs et ACR des téléviseurs intelligents.