広告が機能するかどうかはどうすればわかりますか?広告キャンペーンに接触した消費者の販売結果を直接測定する方法はありますか?
学者やマーケターは、何十年にもわたって広告効果の測定に取り組んできました。1970年代から1980年代初頭にかけて、彼らはラグ効果、崩壊率、アドストック、ラグ係数、および半減期に焦点を当てました。1990年代には、広告の長期的な効果が短期的な効果の約2倍に等しいことが実証されました。業界はさまざまな方法で広告効果の理解を深めていましたが、人々がどのような広告に接触したか、何を購入したかを実際に比較することになると、依存するデータソースには共通点がほとんどなく、広告と広告が影響を与えようとしている行動との間に明確な関連性を引き出すことは不可能でした。
この困難に対する最も強力な対応は、「シングルソース」データの形でもたらされました。シングルソースデータにより、人々のグループが何を視聴し、何を購入するかを追跡できます。特定の広告に接触したグループとそうでないグループがあることがわかっているので、2 つのグループ間の実際の違いが、一方が広告を見たかどうかだけになるように、十分な変数を調整することで、その広告によってもたらされた売上を分離できます。
このコンセプトは1960年代半ばから存在していましたが、2006年のアポロ計画は、シングルソースの方法論を活用した最初の大規模な商業パイロットでした。Nielsen Homescan® テクノロジーは、消費者の購買行動を捉えるために使用され、いくつかの主要な消費財 (CPG) 企業の Arbitron のテレビ露出データと組み合わせました。
ビンゴ - ある種。多くのことを学びました。しかし、家庭や個人から、見たものも買ったものもすべて収集するのはコストがかかるため、精度の代償として、データが小さいということでした。アポロパネルが含まれています ニールセンについて 5,000世帯に11,000人 – 小規模ブランドに必要な粒度レベルで調査結果を報告するには十分な規模ではありません。
しかし、今日では、必要な規模でトランザクションデータセットをマージすることで、単一ソースのデータセットを作成できます。データセットは、各データセットの共有識別子を介して第三者によってリンクおよび匿名化され、特定の広告に接触した人の世帯購入が非接触者とどのように異なるかを示す単一のデータセットを作成し、広告キャンペーンの販売効果を分離します。
これらのデータセットは作成が困難です。スモールデータの精度をビッグデータの規模で再現するにはどうすればよいでしょうか。私たちは、フリークエントショッパーデータ、セットトップボックスデータ、Cookieからのデータなど、収集できるすべてのビッグデータを利用しています。しかし、ビッグデータは完全ではありません。たとえば、セットトップボックスのデータでは、テレビがオンになっているかどうか、誰が見ているかを常に判断できるとは限りません(詳細については、今月号の「ビッグデータのモデリングにおけるパネルの価値」を参照してください)。また、9,000万人のフリークエントショッパーデータベースに登録されていても、ポイントカードがなければ、他にどのような買い物をしているかを知ることはできません。
解決策の 1 つは、真に完全なデータセットを取得し、それを使用してビッグ データ データセットを "キャリブレーション" することです。私たちの場合、100,000世帯が行ったすべての購入を追跡するHomescanデータを使用します。Homescan をフリークエントショッパーデータベースと「比較」すると、データセット間の重複がわかります。これで、両方のデータベースのユーザーについて、頻繁な買い物客のデータベースから欠落している購入を確認できます。次に、そのギャップをモデル化して、大規模なデータベースの完全な購入パターンを反映させ、その結果を母集団全体に投影できます。
「スモール&スマート」データから「ビッグデータ」、そして「ビッグ&スマート」データへと進化したことで、シングルソースのデータを大規模に活用し、日々のマーケティング上の意思決定をサポートするのに十分な精度で活用できるようになりました。
もちろん、精度には次のフロンティアが残っています。たとえば、ウォッチとバイのデータセットを組み合わせると、多くの疑問が生じます。データには、個人レベルのものもあれば、世帯レベルのものもあります。Fruit Loopsのコマーシャルを見ている人は、必ずしもFruit Loopsを買っている人ではありません。今日でも、購入の影響力、つまり誰かが何かを見て、他の誰かに何かを買わせるという重要な問題を解きほぐすことは非常に困難です。デジタル広告のビューアビリティは、ボットトラフィックやデジタルエクスポージャーが不正に増加する他の多くの方法と同様に、詐欺と同様に重要な課題です。これらの課題を解決することで、視聴が購買にどのような影響を与えるかという中心的な質問に対する答えが、より正確になります。
結局のところ、単一ソースのデータセットに寄与するデータソースは、ほぼリアルタイムで、正確で、完全で、包括的である必要があり、それらを調整するための方法論は、結果を全母集団に投影できる必要があることを認識することが重要です。
