Nos Estados Unidos e em todo o mundo, a fragmentação da visualização desafiou a capacidade dos painéis tradicionais de medição de audiência de fornecer informações confiáveis sobre classificações. Essas informações continuam sendo essenciais para que os compradores e vendedores de anúncios planejem e executem negócios, e para que os produtores de conteúdo entendam o desempenho dos programas.
Embora as redes e os programas de maior audiência sejam menos afetados por esse problema de medição, muitas das visualizações atuais são de nicho, o que leva a classificações mais baixas e medições menos confiáveis. Em alguns casos, isso pode fazer com que as classificações sejam relatadas como zeros, onde, apesar de haver espectadores de um programa na população, nenhum deles estava no painel de medição. Para resolver isso, a Nielsen está lançando seus dados de medição "painel mais big data". Isso implica a combinação de dados de painel com big data - dados de caminho de retorno (RPD) de MVPDs e dados de reconhecimento automático de conteúdo (ACR) de smart TVs, melhorando significativamente a medição de audiência ao torná-la mais precisa e resolvendo efetivamente o problema das "classificações zero".
Sabemos que os dados dos decodificadores de TV a cabo e das smart TVs não são viáveis para medição por si só. Eles têm lacunas e não medem tudo o que está na tela nem informam quem está assistindo. Mas, quando combinados com dados de painel credenciados em nível de pessoa, os conjuntos de dados combinados avançam significativamente a ciência da medição de audiência. Entre os benefícios, a combinação desses conjuntos de dados permite que a medição colete muito mais visualizações do que é possível apenas com os dados do painel.
Entendendo o zero rating
No primeiro trimestre deste ano, por exemplo, o painel da Nielsen relatou classificações zero para 8.454 transmissões de TV aberta, a cabo e sindicada, de um total de 362.168 transmissões totais (2%), para transmissões ao vivo e os três dias seguintes de exibição com mudança de horário. Uma classificação de zero significa que nenhuma residência no painel sintonizou, o que, na maioria dos casos, reflete a limitação da medição e não o que realmente aconteceu na população. Em outras palavras, houve um baixo nível de audiência na população, mas os telespectadores não foram encontrados no painel.
A inclusão de big data nos dados do painel nacional da Nielsen resolve esse problema de forma significativa, permitindo que compradores e vendedores tenham uma visibilidade mais clara do comportamento de visualização do público. A Nielsen está combinando dados de TV de aproximadamente 30 milhões de residências com seu painel de 40.000 residências/100.000 pessoas, aumentando consideravelmente a precisão da medição. O tamanho maior da amostra reduz os erros estatísticos de amostragem associados à medição do painel, incluindo a presença de classificações zero.
O big data facilita uma maior precisão de visualização
Antes de disponibilizar o big data para medição em setembro deste ano, a Nielsen passou mais de um ano analisando os conjuntos de dados combinados para entender o impacto sobre os erros de amostragem. A análise constatou que a inclusão do big data reduziu significativamente os índices zero em todos os grupos de audiência. Quando os 8.454 programas de TV transmitidos no primeiro trimestre que geraram zero de audiência domiciliar foram medidos com dados de painel e big data, a presença de zero de audiência diminuiu em 99,9%. Em todos os principais grupos demográficos de audiência, as reduções variaram de 96,8% a 99,9%. As reduções foram mais notáveis entre os públicos mais jovens, que tendem a ser espectadores mais leves da programação tradicional de TV e, portanto, têm maior probabilidade de causar zero rating na medição do painel.
O aumento do tamanho da amostra também permite a coleta de visualizações mais precisas entre públicos específicos. No primeiro trimestre, por exemplo, houve 3.471 transmissões de programas hispânicos que geraram zero de audiência (ao vivo + 3 dias) em redes hispânicas quando medidas com dados de painel. Quando medidas com dados de painel e big data, as classificações zero foram totalmente removidas.
Claramente, a adição de milhões de residências à medição é positiva. No entanto, embora o big data forneça um tamanho de amostra significativamente maior, por si só, ele não possui detalhes específicos sobre quem está assistindo e, normalmente, sub-representa populações diversas e determinadas faixas etárias. O big data também não é capaz de medir a visualização de antenas aéreas, residências somente com banda larga e a visualização que ocorre fora de casa. É nesse ponto que os dados de painel auditados e credenciados entram em ação. Combinando a escala do big data e os insights granulares de nosso painel baseado em pessoas, a Nielsen está ajudando o setor a realizar todo o potencial dos dados de RPD e ACR.
