02_องค์ประกอบ/ไอคอน/ลูกศรซ้าย กลับสู่ข้อมูลเชิงลึก

ข้อมูลเชิงลึก > มุมมอง

ข้อมูลขนาดใหญ่จากสมาร์ททีวีไม่เพียงพอที่จะวัดผู้ชม

อ่าน 5 นาที | โจนาธาน เวลส์ รองประธานอาวุโส ฝ่ายวิทยาศาสตร์ข้อมูล | ตุลาคม 2022

ประโยชน์ของความก้าวหน้าทางเทคโนโลยีดูเหมือนจะไม่มีที่สิ้นสุด เราสามารถตรวจสอบความปลอดภัยในบ้านได้จากโทรศัพท์ รับสินค้าอุปโภคบริโภคด้วยโดรน หรือแม้แต่ขับรถที่สามารถจอดเทียบข้างให้เราได้ ทีวีของเราก็มีความก้าวหน้าไม่แพ้กัน นำเสนอตัวเลือกคอนเทนต์มากมายมหาศาลบนแพลตฟอร์มและช่องทางต่างๆ ที่เติบโตอย่างต่อเนื่อง ถึงแม้ว่าสมาร์ททีวีจะเปิดโอกาสมากมายในอนาคต แต่ด้วยตัวมันเองแล้ว พวกมันก็ยังไม่สามารถให้มุมมองที่ถูกต้องแก่วงการสื่อว่าใครกำลังใช้งานมันอยู่

สมาร์ททีวีเข้ามาแทนที่ชั้นวางทีวีในร้านค้าปลีกขนาดใหญ่ใกล้บ้านคุณแล้ว คงยากที่จะหาทีวีในร้านค้าที่ไม่มีอินเทอร์เน็ตได้ในปัจจุบัน และเช่นเดียวกับอุปกรณ์เชื่อมต่ออื่นๆ สมาร์ททีวีก็ช่วยเพิ่มจำนวนข้อมูลที่ผู้ใช้สร้างขึ้นให้เพิ่มมากขึ้นเรื่อยๆ ข้อมูลการรู้จำเนื้อหาอัตโนมัติ (ACR) คือเทคโนโลยีที่ OEM ใช้ในการบันทึกการปรับจูนบนสมาร์ททีวี เมื่อนำมารวมกับข้อมูลที่แสดงรายละเอียดพฤติกรรมของบุคคล ชุดข้อมูลเหล่านี้จะช่วยพัฒนาวิทยาศาสตร์ของการวัดผลผู้ชมอย่างมีนัยสำคัญ

เมื่อพิจารณาถึงการใช้งานสมาร์ททีวีอย่างแพร่หลายและข้อมูลที่ทีวีเหล่านี้ผลิตขึ้น จึงไม่น่าแปลกใจที่บริษัทต่างๆ มากมายกำลังพิจารณาใช้ข้อมูล ACR เพื่อวัดผลผู้ชม เมื่อพิจารณาในเชิงขนาดแล้ว โอกาสนี้ถือเป็นโอกาสที่น่าสนใจอย่างยิ่ง อย่างไรก็ตาม แม้ว่า ACR จะเป็นแหล่งข้อมูลที่ทำกำไรได้สูง แต่ตัวมันเองยังไม่เพียงพอที่จะวัดผลผู้ชมได้ เนื่องจากขาดองค์ประกอบที่สำคัญที่สุดในการวัดผลผู้ชม นั่นคือ บุคคล นอกจากจะ ไม่ได้เป็นตัวแทน หรือแม้กระทั่งรับรู้ได้ว่ามีคนกำลังดูสิ่งที่อยู่บนหน้าจออยู่จริงแล้ว ข้อมูล ACR ยังมีข้อบกพร่องที่สำคัญในการตรวจสอบความถูกต้อง นั่นคือ จำเป็นต้องให้ผู้ผลิตอุปกรณ์จับคู่ภาพบนหน้าจอกับภาพอ้างอิงเพื่อระบุเนื้อหาที่กำลังแสดงอยู่ ดังนั้น วิธีที่ดีที่สุดในการปลดล็อกศักยภาพที่แท้จริงของข้อมูล ACR คือการปรับเทียบข้อมูลด้วยข้อมูลที่สะท้อนพฤติกรรมการรับชมในระดับบุคคลอย่างแท้จริง 

เมื่อทำงานตามที่ออกแบบไว้ เทคโนโลยี ACR จะตรวจสอบภาพที่ฉายบนกระจกทีวี และใช้ภาพเหล่านั้นเพื่อประเมินเนื้อหาที่กำลังแสดง ภาพที่ ACR นำเสนอทำหน้าที่เสมือนลายนิ้วมือของเนื้อหาในหลายๆ ด้าน แต่หลังจากรวบรวม "ลายนิ้วมือ" แล้ว เทคโนโลยีจำเป็นต้องพิจารณาว่าภาพปรากฏบนเครือข่ายหรือแพลตฟอร์มใด รวมถึงเวลาที่ปรากฏด้วย เพื่อการตัดสินใจดังกล่าว เทคโนโลยีจำเป็นต้องจับคู่ภาพบนหน้าจอกับภาพที่อยู่ในคลังข้อมูลอ้างอิงที่ผู้ผลิตเป็นผู้ดูแลรักษา

มีผลลัพธ์ที่เป็นไปได้สามประการเมื่อเทคโนโลยีพยายามจับคู่:

  • รูปภาพตรงกับรายการเดียวในห้องสมุดอ้างอิง 
  • รูปภาพตรงกับรายการหลายรายการในห้องสมุดอ้างอิง
  • ไม่มีรูปภาพที่ตรงกันอยู่ในไลบรารีอ้างอิง

สำหรับทุกฝ่ายที่เกี่ยวข้อง ผลลัพธ์แรกคือสถานการณ์ที่เหมาะสมที่สุด สถานการณ์ที่สองนั้นไม่เหมาะสมนัก และมีความเสี่ยงที่จะเกิดการบิดเบือนเครดิตในระดับหนึ่ง เพียงเพราะเหตุผลหลายประการที่ทำให้มีการแข่งขันซ้ำหลายครั้ง (เช่น การออกอากาศข้ามเครือข่าย การออกอากาศซ้ำ การออกอากาศพร้อมกัน) ในสถานการณ์ที่สาม ไม่มีใครได้รับเครดิต ซึ่งเห็นได้ชัดว่าเป็นสถานการณ์ที่ไม่น่าพึงปรารถนาที่สุด เหตุผลที่พบบ่อยที่สุดสำหรับผลลัพธ์นี้คือเนื้อหาที่ออกอากาศบนเครือข่ายที่ OEM ไม่ได้ตรวจสอบ

แม้ว่าการจับคู่ภาพจะเป็นโซลูชันการวัดแบบสแตนด์อโลนที่ใช้งานได้จริง แต่ความสามารถในการใช้ประโยชน์จากมันในลักษณะนั้นคงเป็นไปไม่ได้ อย่างที่คุณคงนึกภาพออก ค่าใช้จ่ายในการบำรุงรักษาไลบรารีของทุกเฟรมของทุกเหตุการณ์ทางโทรทัศน์นั้นไม่ใช่เรื่องเล็กน้อย และยังเป็นงานที่จะเพิ่มขึ้นอย่างทวีคูณตลอดไป นอกจากนี้ยังไม่มีระยะเวลาการเก็บรักษาภาพมาตรฐานอีกด้วย

แล้วเราจะรู้ได้อย่างไรว่าเทคโนโลยี ACR จะจับคู่ได้ถูกต้อง? หากไม่มีกลไกที่สามารถเติมเต็มช่องว่างเหล่านั้นได้ เราก็จะไม่รู้ นั่นคือเหตุผลที่ Nielsen ได้ลงทุนในลายน้ำ ซึ่งมีความแน่นอนมากกว่าลายเซ็น รวมถึงการสำรองข้อมูลลายเซ็นสำหรับทุกฟีดที่วัดผลได้ ซึ่งจะทำให้เนื้อหาทั้งหมดถูกแสดงแทน โดยเติมเต็มช่องว่างที่เกี่ยวข้องกับข้อมูลขนาดใหญ่ด้วยตัวมันเอง เมื่อช่องว่างเหล่านี้ถูกเติมเต็ม ข้อมูลขนาดใหญ่ที่มาจากแหล่งข้อมูลอย่าง ACR จะมีประโยชน์ในด้านการขยายขนาดในภูมิทัศน์สื่อที่แบ่งกลุ่มกันมากขึ้นเรื่อยๆ และเมื่อเราใช้การควบคุมน้ำหนักเพื่อปรับเทียบข้อมูลขนาดใหญ่กับข้อมูลการรับชมในระดับบุคคล เราจะสามารถเห็นจุดเปรียบเทียบที่ปกติแล้วอาจว่างเปล่า

ในการศึกษาเมื่อเร็วๆ นี้ นีลเส็นพยายามทำความเข้าใจถึงระดับที่ช่องว่างของไลบรารีอ้างอิงเหล่านี้ส่งผลกระทบต่อบันทึกการปรับแต่ง ACR ซึ่งเป็นพื้นฐานสำหรับการวัดผลโดยใช้ ACR ในการวิเคราะห์บ้านทั่วไปในเดือนกันยายน 2564 เราได้วิเคราะห์ข้อมูลจาก พันธมิตรผู้ให้บริการ ACR สองราย ของเรา เพื่อทำความเข้าใจว่าช่องว่างของไลบรารีอ้างอิงอาจเป็นปัจจัยใดในการวัดผล ในการศึกษาของเรา เราได้พิจารณาทั้งความเข้มข้นของแหล่งข้อมูลการรับชมและจำนวนนาทีการรับชมจากแหล่งข้อมูลที่มีอยู่ 

จากทุกแหล่งการรับชม เราพบว่าพันธมิตรผู้ให้บริการ ACR ของเราตรวจสอบเพียง 31% ของสถานีที่มีอยู่ ซึ่งหมายความว่าพวกเขาไม่ได้จัดเก็บข้อมูลในคลังข้อมูลอ้างอิงสำหรับสถานี 69% เมื่อเราดูจำนวนนาทีที่รับชม เราพบว่า 23% ของนาทีมาจากสถานีที่ไม่ได้รับการติดตาม ซึ่งหมายความว่าบริษัทที่ใช้ประโยชน์จากข้อมูล ACR เพียงอย่างเดียวในการวัดผลจะนับจำนวนการแสดงผลในระดับครัวเรือนต่ำกว่าความเป็นจริงถึง 23%

แม้ข้อมูล ACR จะมีข้อจำกัดในตัวของมันเอง แต่เราเข้าใจถึงโอกาสในการขยายขนาดและการเข้าถึงที่ข้อมูลนี้มอบให้ในฐานะแหล่งข้อมูลเพิ่มเติม คล้ายกับข้อมูลเส้นทางการรับชม (RPD) จากกล่องรับสัญญาณ ซึ่งกลยุทธ์บิ๊กดาต้าของเรายังปรับเทียบข้อมูลแผงเพื่อแก้ไขข้อจำกัดที่เทียบเคียงได้ ด้วยการผสานรวมชุดข้อมูลบิ๊กดาต้าเข้ากับข้อมูลการรับชมของเรา ซึ่งให้การวัดผลที่เป็นตัวแทนของจำนวนผู้ชมในสหรัฐอเมริกาทั้งหมด เราจึงสามารถเพิ่มขนาดกลุ่มตัวอย่างได้อย่างมีนัยสำคัญ พร้อมกับใช้ระเบียบวิธีทางวิทยาศาสตร์ข้อมูลที่เข้มงวดเพื่อเติมเต็มช่องว่างและรับรองการนำเสนอผู้ชมในสหรัฐอเมริกาทั้งหมดอย่างยุติธรรมในทุกเครือข่ายและแพลตฟอร์ม

บทความเวอร์ชันนี้ เผยแพร่ครั้งแรกบน AdExchanger

ดำเนินการเรียกดูข้อมูลเชิงลึกที่คล้ายกันต่อไป

ผลิตภัณฑ์ของเราสามารถช่วยคุณและธุรกิจของคุณได้