Für die Medienbranche ist die Zeit zwischen März und Mai die entscheidende Phase. Bei den zahlreichen Upfront-Veranstaltungen, die sich über die gesamte Medienlandschaft erstrecken und nicht mehr an einzelne Plattformen und Technologien gebunden sind, bietet der expandierende Content-Marktplatz sowohl eine Fülle von Möglichkeiten als auch eine Vielzahl von Informationen, die Werbekunden und -verkäufer zu berücksichtigen haben, insbesondere angesichts der zunehmenden Diskussionen über Big Data für Messzwecke.
Für Werbetreibende sind Zahlen zu dieser Jahreszeit von entscheidender Bedeutung. Und da der Fernsehkonsum angesichts der zunehmenden digitalen Nutzung immer mehr fragmentiert, gewinnen sie noch mehr an Bedeutung. Wie wichtig sind sie? Eine Studie von Ampere Analysis ergab, dass die Gesamtausgaben für Inhalte im Jahr 2021 etwa 220 Milliarden US-Dollar betrugen, angeführt vom Streaming-Giganten Netflix. Und Werbetreibende, die wissen, dass die Amerikaner im letzten Jahr Videos im Umfang von fast 15 Millionen Jahren gestreamt haben, rücken näher zusammen, da die weltweiten Ausgaben für digitale Werbung im Jahr 2021 um mehr als 29 % auf über 491 Milliarden US-Dollar gestiegen sind.
Darüber hinaus haben die Verbraucher nicht vor, den Kurs der Streaming-Branche zu ändern, da 93 % der Streaming-Abonnenten angeben, dass sie ihre Nutzung im nächsten Jahr steigern wollen. Das bedeutet jedoch nicht, dass traditionelle TV-Inhalte ausgedient haben. Ganz im Gegenteil: Der durchschnittliche Erwachsene verbringt täglich mehr als doppelt so viel Zeit mit Live-TV als mit Connected-TV-Inhalten (CTV).
Die zunehmende Fülle an Inhalten bietet den Verbrauchern eine immer größere Auswahl, aber die Vielzahl an Plattformen, Geräten und Diensten kann für Werbetreibende eine Herausforderung bei der Messung darstellen. Darüber hinaus hat die explosionsartige Zunahme der Auswahlmöglichkeiten weder mehr Zeit für die Auseinandersetzung mit Inhalten geschaffen, noch hat sie zu einem Anstieg der Bevölkerungszahl geführt. Big Data, einschließlich der Daten, die von Smart-TVs (ACR) und Kabelboxen (RPD) stammen, lassen jedoch etwas anderes vermuten. Die Daten von Kabelboxen und Smart-TVs liefern zudem nur wenige Erkenntnisse über Streaming-Aktivitäten: Kabelboxen liefern per Definition traditionelle TV-Daten, und ACR wird oft deaktiviert, wenn Zuschauer native Apps wie Netflix nutzen.
Big Data war nie für Messzwecke gedacht und spiegelt auch nicht die tatsächlichen Menschen wider. Der Wert von RPD und ACR ist unbestritten, da sie eine Messskala bieten, aber Big Data spiegelt Geräte wider, nicht tatsächliche Menschen. Die Daten allein können Ihnen nicht sagen, wer zuschaut und wer nicht – was für Werbetreibende eine grundlegende Anforderung ist. Und wenn Menschen aus der Gleichung herausgenommen werden, gehen die Zahlen einfach nicht auf.
Nehmen wir zum Beispiel ACR-Daten, die Bilder auf den Bildschirmen von Smart-TVs identifizieren. Diese Daten können bei der Zuschauerforschung sehr nützlich sein, aber an sich dienen sie lediglich dazu, zu identifizieren, was auf einem Bildschirm zu sehen ist. RPD-Daten sind ähnlich, aber sie können nicht einmal überprüfen, ob ein Fernseher eingeschaltet ist. Deshalb stammt ein Viertel aller Set-Top-Box-Impressionen von Fernsehern, die gar nicht eingeschaltet sind.
Abgesehen davon, dass man nicht weiß, wer ein Gerät oder einen Bildschirm nutzt, sind Big Data von Natur aus verzerrt, wobei die Verzerrung vom Datentyp abhängt. Damit Big Data die US-Bevölkerung wirklich repräsentieren, müsste jeder Fernsehhaushalt über genau denselben Fernseher verfügen und über genau denselben Datenstrom auf Programme zugreifen. Aus diesem Grund müssen alle Big-Data-Sätze mit personenbezogenen Panels, die die Vielfalt der US-Bevölkerung widerspiegeln, aufeinander abgestimmt – also kalibriert – werden.
Wichtig ist, dass die World Federation of Advertisers, die Association of National Advertisers und vergleichbare Organisationen in über 30 anderen Ländern einstimmig erklärt haben, dass das zukünftige System zur Messung der Zuschauerzahlen für Bildschirmmedien eine Kombination aus Qualitätspanel und Big Data sein muss.
Ohne Paneldaten kann die Messung die Vielfalt nicht erfassen. Wir wissen nicht nur, dass alle TV-Haushalte niemals auf denselben Geräten auf dieselben Inhalte zugreifen werden, sondern auch, dass die Zusammensetzung der Haushalte so vielfältig ist wie die Struktur des Landes, in dem sich die TV-Haushalte befinden. Hier verfehlt die auf Big Data basierende Messung deutlich ihr Ziel.
Beispielsweise machen Hispanics knapp 20 % der US-Bevölkerung aus, aber Big Data unterschätzt diese Zielgruppe ebenso wie viele andere erheblich. Wenn die Messung jedoch ausschließlich auf RPD basiert, werden hispanische Haushalte laut Analysen von Nielsen um 30 % unterrepräsentiert. Um dies zu veranschaulichen, bedenken Sie Folgendes: Die US-Volkszählung von 2020 ergab, dass die hispanische Bevölkerung etwas mehr als 62 Millionen Menschen umfasst. Wenn die Hälfte dieser Bevölkerung zu einem bestimmten Zeitpunkt fernsieht und Werbetreibende RPD-Daten für die Messung heranziehen, könnten Werbetreibende 9 Millionen Menschen mehr erreichen, als ihnen bewusst ist.
Wichtig ist, dass die Unterrepräsentation von 30 % ein Durchschnittswert ist. Auf Programmebene kann Big Data sowohl für die allgemeine Bevölkerung als auch für verschiedene Zielgruppen zu einer deutlich stärkeren Unter- oder Überrepräsentation führen. Eine Nielsen-Studie zu den Abweichungen zwischen Big-Data-Messungen und den als Goldstandard geltenden Panel-basierten Messungen ergab beispielsweise, dass die RPD-Messung die Gesamtzahl der Impressionen in den USA für eine Primetime-Sendung um 69 % zu hoch angab. Im Vergleich dazu unterschätzte die ACR-Messung die Gesamtzahl um 12 %. Bei einer Sportveranstaltung unterschätzte die RPD-Messung das hispanische Publikum um 47 %, während die ACR-Daten dasselbe Publikum um 12 % überschätzten.
Für Werbetreibende können diese Messabweichungen kostspielig sein. Das zunehmende Angebot an neuen Datenquellen erhöht jedoch die Komplexität der Messung, insbesondere wenn diese möglicherweise nicht mit realen Personen in Verbindung stehen. Publisher und Werbetreibende werden immer die größtmögliche Reichweite anstreben, aber sicherlich nicht ohne die erforderliche analytische Genauigkeit, um diese zu validieren.
Da lineare und digitale Medien immer mehr verschmelzen, sind Big-Data-Quellen wichtige Inputs für die Messung. Aber sie sind als Messquellen für sich genommen nicht vertrauenswürdig. Da Verbraucher immer mehr Geräte und Kanäle nutzen, lässt sich leicht auf Daten verweisen, die ein möglicherweise überhöhtes Engagement behaupten. Werbetreibende würden die von vielen alternativen Zielgruppen suggerierten Zuschauerzahlen sicherlich begrüßen, aber wenn sie ihre Anzeigenkäufe an diesen Zahlen ausrichten, zahlen sie letztendlich für Zahlen, die nicht die tatsächlichen Menschen widerspiegeln.
