패널과 패널이 생성하는 데이터는 거의 한 세기 동안 리서치 업계의 표준이 되어 왔으며, 여전히 미디어 오디언스를 측정하는 가장 정확한 도구로 사용되고 있습니다.
패널 데이터를 분석하는 과정을 따라가 보세요: 패널 데이터의 정의, 중요한 이유, 그리고 앞으로의 방향에 대해 알아보세요.
패널이란 정확히 무엇인가요?
미디어 조사에서 패널은 개인 정보를 공유하고 정기적인 연구 또는 일정 기간 동안 미디어 사용량에 대한 지속적인 측정에 참여하는 데 동의한 가구 또는 개인 그룹을 의미합니다.
하지만 모든 패널이 동일한 것은 아닙니다. 크게 두 가지 유형이 있습니다:
확률 패널
확률 패널의 참가자는 전국 TV 시청자 또는 지역 라디오 시장과 같이 주어진 모집단을 충실히 대표하도록 선정됩니다. 리서치 회사는 모집 프로세스를 관리하고 시간이 지나도 패널의 통계적 무결성을 유지하기 위해 세심한 주의를 기울입니다. 즉, 패널을 모집하고, 새 기기를 지체 없이 등록하고, 가구 규모와 구성의 변화를 고려하고, 사람들이 무엇을 하고 있는지 데이터가 정확하게 반영하는지 확인합니다. 닐슨의 TV 및 오디오 패널은 확률 패널입니다.
옵트인(편의성) 패널
옵트인 패널의 참가자는 리서치 회사의 일반적인 초대에 응답하여 자원합니다. 특정 유형의 사람들만 초대에 응답할 수 있기 때문에 옵트인 패널은 특정 집단을 대표하지 않습니다. 하지만 오디언스 측정에는 매우 유용합니다. 신원의 편향을 파악하는 데 도움이 되고, 모델을 미세 조정하기 위한 보정 입력으로 사용되며, 빅 데이터 파트너의 타사 정보를 검증하고 수정할 수 있습니다. 닐슨에서는 옵트인 패널을 항상 적극적으로 측정하는 것은 아니지만, 대규모 옵트인 패널을 사용하여 빅 데이터 파트너의 타사 기록을 검증합니다.
확률 패널 데이터는 가구의 소득, 연령 및 구성에 대한 인구조사 데이터와 결합하여 누가 미디어를 소비하는지 통계적으로 정확하게 파악할 수 있습니다.
확률 및 옵트인 패널을 함께 사용하면 직접적인 미디어 소비 인사이트를 제공하고 인구조사 수준의 데이터에서 편향을 보정 및 제거하며 여러 디바이스에서 시청자 참여도를 가장 정확하게 파악할 수 있습니다.
패널리스트는 무엇을 위해 가입하나요?
일부 패널은 수동적인 참여가 아닌 적극적인 참여가 필요합니다. 패널은 정기적인 설문조사를 작성하거나, 버튼을 눌러 TV를 시청하고 있는지 확인하거나, 차 안에서 라디오를 듣거나 바에서 스포츠를 시청하는 등 집 밖에서의 활동을 포착하는 장치를 착용해야 할 수도 있습니다. 다른 패널은 리서치 회사에 하드웨어 또는 소프트웨어('미터'라고 함)를 설치하여 시청 중인 TV 프로그램이나 사용 중인 팟캐스트, 웹사이트 또는 앱 등 미디어 사용 내역을 기록하도록 승인하는 것 외에는 어떤 약속도 요구하지 않습니다.
가장 정확한 사람 수준의 데이터를 수집하고 그 가치를 극대화하기 위해서는 자동화된 측정이 아닌 적극적인 참여가 필요한 경우가 많습니다. 높은 데이터 품질을 유지하는 데 매우 중요한 협력 관계를 유지하기 위해 진지한 리서치 기업들은 모든 단계에서 마찰을 없애기 위해 패널 참여자 경험에 많은 투자를 합니다.
닐슨에는 네 가지 종류의 패널이 있습니다:
- TV - TV 및 스트리밍 시청자의 누가, 무엇을, 어떻게, 어디서 시청하는지 측정하는 확률 패널
- 오디오 - 지역 및 국가 수준에서 가정 내 및 가정 밖 오디오 소비를 측정하는 확률 패널로, 계량 및 다이어리 시장으로 구성됩니다
- 디지털 - 시장에 따라 컴퓨터, 모바일 및 여러 플랫폼에서 광고 및 콘텐츠 노출을 측정하는 계량 확률 및/또는 옵트인 패널입니다
- 참여자 - 빅데이터 보정 및 신원 확인 등의 기능으로 측정된 패널 자산의 향상을 위한 등록된 비계량 패널리스트의 옵트인 패널입니다.
미디어 패널은 어떻게 사용되나요?
패널 데이터는 소비자 트렌드를 파악하려는 리서치 회사나 인구 소비 습관을 모니터링하려는 정부 기관에서 사용할 수 있지만, 미디어 패널 데이터는 콘텐츠 시청률과 광고 캠페인 도달 범위 및 빈도를 이해하려는 미디어 회사, 브랜드 및 광고주들이 가장 많이 사용합니다.
네트워크, 퍼블리셔 및 기타 미디어 판매자의 경우 패널 데이터를 통해 시청자 규모, 습관 및 트렌드를 파악하여 프로그램 편성, 가격 및 콘텐츠 배포 전략을 세우는 데 활용할 수 있습니다.
브랜드, 광고주 및 기타 미디어 구매자는 패널 데이터를 사용하여 누가 실제로 광고를 보는지, 타겟 오디언스가 선호하는 플랫폼이 무엇인지 파악하고 시간이 지남에 따라 이러한 행동이 어떻게 변화할지 예측할 수 있습니다.
빅데이터 시대에 패널은 쓸모없나요?
이렇게 생각할 수도 있습니다: 셋톱박스, 스마트 TV, 스트리밍 플랫폼, 소셜 미디어 채널, 리테일 미디어 네트워크 및 그 사이의 모든 것에서 빅데이터를 확보하고 있는 지금 굳이 패널이 필요할까?
이는 널리 알려진 오해입니다.
우선, 빅데이터(스마트 TV의 자동 콘텐츠 인식{ACR} 데이터 등)는 화면에서 무엇이 재생되고 있는지는 알 수 있지만 누가 시청하고 있는지, 소파에 앉아 함께 시청하고 있는 친구나 가족이 몇 명인지 알 수는 없습니다. 사실 빅데이터만으로는 빈 방에서 어떤 프로그램이 재생되고 있는지, 어떤 영화가 상영되고 있는지 알 수 없습니다. 시청자가 없는 미디어에 비용을 지불하고 싶어하는 사람은 아무도 없습니다.
또한 빅데이터는 전체 미디어 시청자를 대표하지 않습니다. 모든 사람이 동일한 기술을 사용하고 동일한 콘텐츠에 액세스할 수 있는 경우에만 가능합니다. 한 케이블 회사의 구독자 수가 수천만 명일지라도 모든 시청자가 동일한 채널에 비용을 지불하거나 동일한 프로그램을 시청하지는 않습니다.
실제 오디언스를 식별하고 시청자의 인구통계학적 프로필을 정확히 파악하여 표현할 수 있는 능력이 없다면 빅데이터에만 의존하는 리서치 회사가 플랫폼, 기기, 서비스 전반에서 오디언스의 중복을 제거하고 전체 스토리를 통합하는 것은 불가능합니다.
두 가지 장점을 모두 누리려면 어떻게 해야 할까요?
분명히 말하지만, 표본 추출이나 무응답 문제로 인한 편향성은 대규모 데이터 세트만큼이나 확률 패널을 무력화시킬 수 있습니다. 그러나 적절한 규모, 세부 사항에 대한 적절한 주의, 통계에 대한 예리한 이해만 있다면 잘 운영되는 패널은 여전히 일반 인구를 대표하고 오늘날의 엄청나게 다양한 미디어 생태계에서 오디언스 구성에 대한 신뢰할 수 있는 추정치를 제공하는 가장 좋은 방법입니다.
그렇다면 빅 데이터는 완전히 쓸모없는 것일까요? 물론 아닙니다! 빅데이터의 규모 덕분에 미디어 사용량을 훨씬 더 세밀하게 분석할 수 있으며, 적절한 보정과 사람 기반 모델링을 적용하면 롱테일 프로그램과 도달하기 어려운 오디언스에게 귀중한 인사이트를 제공할 수 있습니다.
현재 세계광고주연맹을 비롯한 많은 조직은 패널과 빅데이터의 결합이 진정한 오디언스 측정의 미래라고 믿고 있으며, 많은 리서치 회사들이 이러한 기능을 개발하기 위해 노력하고 있습니다.
닐슨의 니즈가 알아야 할 사항은 오디언스 측정의 기본 사항을 검토하고 미디어 업계에서 가장 뜨거운 주제를 이해하기 쉽게 설명합니다.
참고
1. 1942년 루스벨트 대통령의 물가 관리국 이니셔티브에 따라 사무엘 바튼이 2차 세계대전 중 배급품의 가정 소비를 측정하기 위해 시작한 전국 소비자 패널과 같은 해 아서 닐슨이 MIT에서 처음 개발한 독창적인 기계 장치인 오디미터를 사용하여 라디오 온/오프 및 채널 조정 활동을 포착하기 위해 시작한 닐슨 라디오 지수 패널이 대표적인 초기 예시입니다.
