No ambiente midiático atual, há uma variedade de opções sem precedentes, e os consumidores estão utilizando ativamente as plataformas e canais de mídia que consideram mais atraentes. Anunciantes, empresas de mídia e agências de publicidade estão tentando atrair os consumidores, conquistar seu engajamento e medi-lo, independentemente do local de visualização. A ampliação das opções aumenta a necessidade da indústria por medições precisas.
O importante aqui é que as pessoas estão no centro dessa tendência de ampliação das opções. Por isso, é cada vez mais necessária uma medição abrangente do público, que reflita as inúmeras novas fontes de dados proporcionadas pelas plataformas e canais em evolução. No entanto, essas novas fontes de dados por si só não representam com precisão a população total, o que impossibilita uma medição exata do público.
Para medir o público real, é necessário ter pessoas reais.
Por muitos anos,o painel de mediçãodaNielsentem sido o padrão ouro para a medição da audiência televisiva nos Estados Unidos e, atualmente, ainda é utilizado para fornecer informações valiosas sobre os telespectadores que não podem ser obtidas apenas com os big data coletados de decodificadores e smart TVs. Por outro lado, os conjuntos de big data obtidos a partir de novas fontes de dados têm um valor muito grande, pois fornecem um tamanho de audiência significativamente maior do que o que pode ser coberto pelos painéis tradicionais.No entanto, como esses conjuntos de big data não contêm informações que permitam identificar o público, é necessário usar big data e dados de painel em conjunto para realizar medições abrangentes e representativas.
O importante é que os dados dos decodificadores e das smart TVs não foram projetados para medição. Por exemplo, os dados RPD (Return Path Data) obtidos dos decodificadores de TV a cabo e satélite permitem saber se a TV está ligada e se o canal foi alterado, mas não permitem saber quem está na sala ou quem está operando o que aparece na tela.O mesmo se aplica aos dados de reconhecimento automático de conteúdo (ACR) fornecidos pelas smart TVs. Por exemplo, uma análise da Nielsen dos dados RPD revelou que, se não for corrigido o caso de a televisão estar ligada sem que ninguém esteja a ver, o tempo de visualização é sobrestimado em 145% a 260% (dependendo do fornecedor).
À medida que o uso de dispositivos e plataformas aumenta, o big data oferece grandes vantagens e pode desempenhar um papel importante na medição de audiência no futuro.No entanto, para obter uma visão abrangente e precisa do público real, é necessário garantir dados representativos em nível individual. Por exemplo, de acordo com uma análise recente da Nielsen, a medição RPD de um programa no horário nobre superestimou o número total de impressões nos Estados Unidos em 69%. A mesma análise revelou que os dados ACR subestimaram as impressões em 12%.
O painel de medição de televisão da Nielsen, representativo da população total dos Estados Unidos,agorarepresenta mais de um quarto do uso total de televisão eé extremamente importante para medira distribuição de streaming, que continua a crescer. A distribuição de streaming oferece aos consumidores uma enorme quantidade e variedade de conteúdo, masapenas com big data não é possível compreender totalmente a audiência e o engajamento. Além disso, o big data não abrange a visualização em dispositivos de streaming OTT, como Roku e Amazon Fire Stick, e muitos aplicativos de streaming bloqueiam o envio de dados ACR durante o uso do aplicativo. Considerando que novas plataformas e canais estão entrando no mercado, os dados do painel serão extremamente importantes, juntamente com parcerias com os principais fabricantes de dispositivos.
Para descobrir insights sobre o público real, são necessários dados obtidos de “pessoas” reais.Ao combinar os dados obtidos de pessoas reais com outras fontes de dados, é possível aumentar significativamente o número de amostras. O painel da Nielsen tem a capacidade de identificar e corrigir problemas de qualidade dos dados, complementando a estabilidade, confiabilidade e consistência dos big data usados na medição de audiência. Ao ajustar os big data com medições em nível individual, é possível maximizar o potencial dos dados RPD de decodificadores e ACR de smart TVs.
