Новые подходы: как измерять телеаудиторию с помощью Big Data

Большие данные широко применяются для исследований телеаудитории, однако они не всегда дают полную картину, в частности, не позволяют оценить, сколько зрителей находились перед экраном и кто они.  

Мы в Platforma нашли интересную статью американской медиа-метрической компании Nielsen и решили перевести ее для вас. Материал посвящен новым подходам к работе с большими данными, которые дают возможность составить портрет телезрителя и провести более точные измерения, а также помогают бизнесу планировать рекламные кампании и анализировать их эффективность. 

Потенциал Big Data

За последние 10 лет поведение телезрителей сильно изменилось. Одна из причин — быстрый рост рынка телевидения, подключенного к интернету (CTV — Connected TV), и доступности высокоскоростного интернета. С развитием этого ТВ-сегмента, появляются новые наборы данных (Big Data). Их используют для того, чтобы собирать информацию о телеаудитории. Есть два основных источника больших данных для медианализа.

1. Данные канала обратной связи (RPD — Return Path Data) с кабельных и спутниковых приставок (STB — Set Top Box);
2. Данные автоматического распознавания контента (ACR — Automatic Content Recognition) с «умных» телевизоров.

Основное преимущество больших данных — это масштаб. Спрос на «умные» телевизоры растет с каждым годом. Сегодня у большинства американцев (70,6 %) есть такие устройства. Для сравнения — два года назад «умные» девайсы были у 62,3 % жителей США. 

Рынок Smart TV в России

данные J’son & Partners Consulting

- Аудитория Smart TV в России — 32,1 млн человек (март 2023 г.)

- 58,6% россиян имеют умные телевизоры (2022 г.)

- 4,96 млн Smart TV продано в 2022 г. Рост продаж относительно 2021 г. составил 6%.

Медиаизмерения: как обеспечить репрезентативность

Big Data полезны для медиаизмерений, но проблема в том, что они не дают полной картины. Чтобы получить более точный учет просмотров на всех устройствах и подробную информацию об аудитории, следует учитывать в том числе данные панельных исследований. Nielsen используют такую комплексную систему измерения телеаудитории — «Большие данные + панель». В панели Nielsen участвуют порядка 101 тыс. человек из 42 тыс. американских домохозяйств. 

Такого же подхода придерживаются и другие участники американского рынка. Так, Бюро видеорекламы (VAB) и Ассоциация рекламодателей (ANA) создают для кросс-медиа собственные панели. Google вместе с Gallup набирает участников для онлайн-панелей. Всемирная федерация рекламодателей (WFA) пользуется большими данными и результатами панельных исследований для кросс-медийных измерений. 

Есть несколько причин, по которым методика «Большие данные + панель» может изменить сферу медиаисследований. 

1. В таких измерениях участвуют люди. Большие данные не позволяют зафиксировать, кто именно перед телевизором. Соединив Big Data с панелями, можно понять, сколько было зрителей и кто они. 
2. Такие измерения репрезентативны. Big Data не дает полную картину «телесмотрения». Например, данные RPD, STB и ACR не позволяют оценить охват потокового эфирного вещания (OTA), не всегда учитывают все устройства в доме. Так, если речь идет о ACR, то количество устройств в США, передающих данные, составляет порядка 1,1 на дом. В то время как у американской семьи в доме в среднем около 2,5 телевизоров. Скорректировать это помогают панели.
3. Измерения — это больше, чем источник данных. Например, автоматическое распознавание контента (ACR) идентифицирует видеоизображение на устройстве. При этом, если один и тот же контент одновременно транслируется по нескольким каналам, то ACR не позволяет точно определить, какой канал смотрит телезритель. Данные RPD и STB часто не дают информации, смотрят ли пользователи вообще что-то. Ресивер может быть включен, а телевизор выключен. Кроме того, поставщики RPD и STB, производители оригинального оборудования используют разные способы сбора и обработки данных. Это затрудняет медиа анализ. 

Таким образом, индустрии нужны новые решения, которые обеспечивают репрезентативность: данные с RPD, STB и ACR не дают полной информации о телеаудитории и должны уточняться с помощью результатов панельных исследований. 

Развитие медиаизмерений

Запрос на точные данные о телеаудитории растет. Эта информация необходима глобальному рынку рекламы, который расширяется с каждым годом. Так, согласно отчету Всемирного центра исследования рекламы (WARC), в 2024 году маркетинговые инвестиции увеличатся на 8,2% и превысят 1 трлн долларов.

Nielsen соединяет Big Data и данных о телезрителях, полученные с помощью панельных счетчиков. Они устанавливаются на каждый телевизор в семье и круглосуточно фиксируют просмотр телеканалов. Эта дает рекламодателям информацию о том, сколько людей видели именно их рекламу и кто они. Ответы на эти вопросы позволяют бизнесу эффективно планировать медиабюджеты, закупая рекламу на телевидении, и стабильно развиваться на высококонкурентных рынках. 

Преимущества такого метода измерения ТВ-аудитории очевидны, однако переход индустрии к нему должен быть постепенным. Рынку нужно время, чтобы адаптироваться к инновациям в этой области.

В России также используют большие данные для оптимизации рекламных кампаний на телевидении. Инструменты на основе Big Data помогают бизнесу составить портрет целевой телеаудитории и таргетировать на нее показ рекламы, например, транслировать ролики с детским питанием только для тех, кто уже искал товары для малышей в интернете. Так, Platforma анализирует данные из разных источников, которые позволяют определить, чем интересуются пользователи в сети, когда и что смотрят по телевизору, находит нужную аудиторию и показывает ей рекламные ролики в интернете и по ТВ в то время, когда пользователи находятся у экранов. Эта информация помогает бизнесу эффективнее планировать маркетинговые кампании и расширять ассортимент.