本コンテンツへスキップ
インサイト>メディア

広告の聖杯。広告の露出を店頭の売り上げにつなげる

4分で読めるシリーズ|ニールセン・カタリナ・ソリューションズ チーフリサーチオフィサー レスリー・ウッド|2016年7月号

広告の効果はどうしたらわかるのでしょうか?広告キャンペーンに接触した消費者の販売成果を直接測定する方法はあるのでしょうか?

学者やマーケティング担当者は、何十年もの間、広告効果の測定に取り組んできた。1970年代と1980年代初頭、彼らはラグ効果、減衰率、アドストック、ラグ係数、半減期などに注目した。1990年代には、広告の長期的効果は短期的効果の2倍に相当するという画期的な研究結果が発表された。しかし、広告の効果についての理解は進んでいたものの、実際に広告を見た人と買った人を比較するとなると、データソースに共通点が少なく、広告と広告が影響を与えようとする行動の間に明確な関係を描くことは不可能だった。

この困難に対する最も強力な回答は、「シングルソース」データという形でもたらされました。シングルソースデータを使えば、ある集団が何を見て、何を買ったかを追跡することができる。あなたはいくつかがあったといくつかは、特定の広告にさらされていなかった知っているので、あなたの2つのグループ間の唯一の本当の違いは、1つがやったと1つは広告を見ていないことであるように十分な変数を制御することにより、その広告によって駆動売上高を分離することができる。

このコンセプトは1960年代半ばからありましたが、2006年のアポロ計画は、単一ソースの手法を活用した初の大規模な商用パイロットでした。ニールセン・ホームスキャン(Nielsen Homescan®)の技術を用いて消費者の購買行動を把握し、アービトロンのテレビ露出データと組み合わせて、大手消費財(CPG)企業数社に提供しました。

ビンゴ - そんなところです。多くのことが分かりました。しかし、1世帯または1人の人間から、彼らが何を見、何を買ったのか、すべてを集めるには費用がかかるため、正確さを求めると、データが小さくなってしまうのです。Apolloのパネルは、ニールセンについて 5,000世帯11,000人で、小規模ブランドに必要な粒度の調査結果を報告するには、十分な規模ではありませんでした。

しかし現在では、トランザクションデータセットを必要な規模でマージすることで、シングルソースデータセットを作成することができます。データセットをリンクし、各データセットで共有される識別子を介して第三者が匿名化することで、特定の広告に露出した人の家庭での購買が露出しなかった人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することができます。

これらのデータセットを作成するのは困難です。小さなデータの精度を、ビッグデータのスケールで再現するにはどうしたらよいのでしょうか。私たちは、フリークエントショッパーのデータ、セットトップボックスのデータ、クッキーのデータなど、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、ビッグデータには完全なものはありません。例えば、セットトップボックスのデータでは、テレビがついているかどうか、誰が見ているかは必ずしもわかりません(詳しくは、本号の「ビッグデータのモデリングにおけるパネルの価値」をご覧ください)。また、9000万人のフリークエントショッパーデータベースを持っていても、ポイントカードがなければ他にどんな買い物をしているのかわかりません。

一つの解決策は、本当に完全なデータセットを取り出して、それを使ってビッグデータのデータセットを「校正」することである。私たちの場合は、10万世帯のすべての購買を追跡するHomescanデータを使用します。ホームスキャンデータとフリークエントショッパーデータベースを「比較」すると、両データセットに重なりがあることがわかります。ここで、両方のデータベースの人々について、フリークエントショッパーのデータベースでどのような購入が欠けているのかを確認することができます。そして、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、その結果を全人口に対して投影することができるのです。

このように「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」データへと進展することで、今日では単一ソースデータを大規模に活用し、日々のマーケティング決定をサポートするのに十分な精度で活用することが可能になるのです。

もちろん、精度の面では次のフロンティアが残っている。例えば、時計と買い物のデータセットを組み合わせた場合、多くの疑問が生じる。あるデータは個人レベル、あるデータは世帯レベルです。フルーツループのCMを見ている人が、必ずしもフルーツループを買っているとは限りません。誰かが何かを見て、他の誰かに何かを買わせるという、購買影響力という重要な問題を紐解くことは、今日でも非常に難しいのです。デジタル広告の視聴可能性も重要な課題です。また、ボットトラフィックなど、デジタル広告の露出を不正に増加させる様々な詐欺行為も重要な課題です。これらの課題を解決することで、「視聴は購買にどのような影響を与えるか」という中心的な問いに対する答えが、より正確になります。

最終的には、シングルソース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かつ完全で包括的である必要があり、それらを校正するための方法論は、全人口に対する結果を予測する能力がなければならないことを認識することが重要である。