Большие данные решают проблему нулевых рейтингов ТВ-аудитории

В телевизионной отрасли компании все чаще сталкиваются с ситуацией, когда собранные данные аудитории по показам и просмотрам просто невозможно анализировать. А все потому, что из-за несовершенства методик сбора информации сильно страдает качество данных. Особенно это заметно в кейсах «нулевых рейтингов», когда аудитория у программы точно есть, но аналитика показывает, что зрителей нет совсем. Поэтому уменьшение статистических ошибок — важная часть работы аналитика в ТВ-сфере.

Мы нашли интересный материал от Пита Доу, директора по исследованиям компании Nielsen, которая занимается исследованиями аудиторий телепрограмм и телеканалов. Они объединили классические панельные данные и Big Data, тем самым снизив количество ошибок при подсчете просмотров программ на 99,9%. Читайте и высказывайте свои мысли по теме.

Аудитория телевидения в США и во всем мире стала слишком фрагментирована. Это одна из основных причин, почему традиционные методики сбора и анализа данных о рейтингах и просмотрах работают все хуже. Но эта информация по-прежнему нужна покупателям и продавцам рекламы, чтобы планировать и проводить сделки. А создателям контента она необходима, чтобы понимать популярность программ.

Программы с высокими рейтингами меньше подвержены этой проблеме. Тем не менее большинство просмотров сейчас — нишевые, что приводит к снижению рейтингов и ухудшению качества собранных данных. В некоторых случаях рейтинги вообще указываются как нулевые. По факту зрители есть, но ни один из них не попадает в статистику.

Для решения этой проблемы компания Nielsen разработала схему измерения «панель плюс большие данные». Она предполагает комбинацию панельных данных с Big data: данными канала обратной связи (RPD) от многоканального телевизионного дистрибьютора (MVPD) и данными автоматического распознавания контента (ACR) от смарт-телевизоров, что значительно улучшает измерение аудитории. Это делает сбор информации более точным и эффективно решает проблему «нулевых рейтингов».

Мы знаем, что данные, получаемые от кабельного телевидения, сами по себе непригодны для аналитики. В них есть пробелы — они не учитывают все, что происходит на экране, а еще не дают информации о зрителе. Однако в паре с проверенными персонализированными панельными данными объединённые массивы сильно улучшают возможности измерения аудитории. Сочетание этих наборов данных позволяет собрать гораздо большее количество просмотров, чем это возможно при использовании только панельных данных — и это основное преимущество методики.

В первом квартале этого года панель Nielsen зафиксировала нулевые рейтинги для 8 454 телепередач на эфирном, кабельном и цифровом телевидении из общего числа 362 168 телепередач (2%): как для прямых трансляций, так и для последующих трех дней просмотра со сдвигом по времени. Нулевой рейтинг означает, что ни одно устройство в панели не было настроено на программу. Тем не менее в большинстве случаев это показывает проблемы измеримости, а не реальное положение дел. Другими словами, просмотры были, но в панели они не появились.

Комбинация Big Data с национальными панельными данными позволяет компании Nielsen существенно снизить остроту этой проблемы. Как результат — покупатели получают более четкое представление о поведении аудитории. Nielsen объединяет телевизионные данные из примерно 30 млн домов с собственной панелью из 40 тысяч домов/100 тысяч человек, что серьезно повышает точность аналитики. Больший объем выборки снижает статистические ошибки, связанные с панельными измерениями, включая наличие нулевых рейтингов.

Nielsen открыла доступ к собственным больших данным в сентябре этого года, но перед этим команда больше года анализировала объединённые массивы данных, чтобы понять, как они повлияют на ошибки выборки.

В результате анализа было установлено, что добавление больших данных сильно сократило количество нулевых рейтингов во всех группах зрителей. С помощью Big Data и панельных данных эксперты заново проверили 8 454 программы, не получившие просмотров в первом квартале. И количество нулевых рейтингов сократилось на 99,9%. По всем основным демографическим группам аудитории показатель сокращения был 96,8-99,9%. Наиболее заметным он был среди молодой аудитории, которая меньше смотрит традиционные ТВ-программы, из-за чего при панельных измерениях чаще появляются нулевые рейтинги.

Трансляция +3 дня; 1 квартал 2023 г.

Увеличение объема выборки помогает точнее определить количество просмотров среди конкретных аудиторий. Например, в первом квартале в испаноязычных сетях было 3471 телепередач с нулевым рейтингом (трансляция +3 дня) при измерении только с помощью панельных данных. Но при комплексном анализе панельных и больших данных нулевых рейтингов не было вообще.

Трансляция +3 дня; 1 квартал 2023 г.

Конечно, добавление миллионов домов к аналитике — это плюс. Но несмотря на то, что большие данные обеспечивают больший объем выборки, сами по себе они не содержат конкретной информации о зрителях телеканалов и чаще всего недостаточным образом отражают различные группы населения и определенные возрастные группы. Кроме того, Big Data не позволяет измерить количество зрителей, которые смотрят ТВ через антенны и широкополосное вещание, а также просмотры вне дома. Именно здесь на помощь приходят проверенные и подтвержденные панельные данные. Сочетая масштабность Big Data и детализированность панельных данных, компания Nielsen помогает отрасли полностью реализовать потенциал данных канала обратной связи (RPD) и автоматического распознавания контента (ACR).