닐슨은 50년 이상 전 세계 기업들에게 소비자 행동에 대한 중요한 인사이트를 제공해 왔으며, 닐슨 패널은 이를 가능하게 합니다.

패널은 더 많은 사람들을 대표하기 위해 선택한 사람들의 그룹입니다. 국가나 도시와 같은 특정 지역의 모든 사람을 포함하는 것은 불가능하기 때문에 정교한 표본 추출과 통계를 사용하여 더 많은 인구를 대표할 수 있는 표본을 확보합니다. 어떻게 할까요? 닐슨 데이터 과학자들은 전체 인구의 인구통계학적 특성과 행동을 모방한 소규모 그룹을 만듭니다. 이렇게 하면 대규모 집단에 속한 모든 사람을 실제로 참여시키지 않고도 대규모 집단의 행동을 정확하게 이해할 수 있습니다.

패널 데이터는 어떻게 사용되나요?

닐슨은 패널 데이터를 사용하여 소비자 행동을 이해합니다. 소비자가 TV에서 어떤 프로그램을 시청하는지, 라디오 청취에 얼마나 많은 시간을 소비하는지 등, 닐슨 패널 데이터는 소비자가 미디어에 어떻게 참여하는지에 대한 정확한 그림을 제공합니다. 예를 들어, 미디어 업계에서는 미국의 닐슨 TV 패널을 누가 무엇을 시청하는지 파악하는 데 있어 최고의 표준으로 간주합니다. 실제로 닐슨의 데이터는 TV 업계가 광고를 사고 팔 때 사용하는 정보입니다.

대표성이란 무엇인가요?

모든 사람의 행동에 대해 일일이 파악하는 것은 불가능하기 때문에 데이터 과학이 필요합니다.

우선, 특정 시장이나 지역에 대해 통계적으로 신뢰할 수 있는 대규모 데이터 세트를 사용합니다. 예를 들어, 미국 인구조사 데이터, 멜버른의 유엔 인구 통계, 상하이의 여러 교외 지역에 대한 정부 발표 인구 총계를 생각해 보세요. 거기서부터 무작위 확률 기반 샘플링을 사용하여 전체 인구 중 더 작은 집단을 식별합니다. 소규모 데이터 세트가 확보되면 통계 및 기타 과학적 기법을 사용하여 표본의 특성이 전체 인구의 특성을 정확하게 반영하는지 확인합니다.

미디어 소비 행태를 정확하고 대표적으로 측정하는 능력은 빅데이터 세트, 전화 설문조사 또는 디지털 기기(예: 케이블 및 위성 셋톱박스)가 수집하는 데이터와 비교할 수 없습니다.

데이터 과학 및 빅 데이터

데이터가 적은 것이 많은 것보다 낫다는 데 이의를 제기하는 사람은 거의 없을 것입니다. 하지만 모든 데이터가 동일한 것은 아닙니다. 우리 모두는 매시간 디지털 발자국을 추가하고 있으며, 이러한 발자국은 기업이 사용자의 관심사에 맞는 콘텐츠, 광고 및 경험을 만드는 데 도움이 될 수 있습니다. 하지만 이러한 발자국이 완전한 것은 아닙니다. TV를 시청하다가 채널을 바꾸는 경우를 생각해 보세요. 셋톱박스나 콘텐츠 제공업체는 변경된 채널과 TV가 위치한 집의 주소는 알지만, 집안에서 누가 채널을 변경했는지는 알 수 없습니다.

특히 디지털 측정에서 닐슨의 역할이 중요한 이유입니다. 예를 들어, 인터넷 제공업체는 온라인 광고가 클릭되었는지는 알 수 있지만 누가 클릭했는지는 알 수 없습니다. 하지만 닐슨 패널의 진실된 데이터를 기반으로 정교한 통계 기법을 사용하면 더 많은 인구의 행동을 정확하게 파악할 수 있습니다.