Bagi industri media, periode antara Maret dan Mei merupakan masa krusial. Melalui berbagai acara upfront yang mencakup seluruh lanskap media—yang kini tidak lagi terikat pada platform atau teknologi tertentu—pasar konten yang terus berkembang menawarkan baik peluang yang melimpah maupun volume informasi yang besar bagi pembeli dan penjual iklan untuk dijelajahi, terutama di tengah perbincangan yang semakin intens tentang big data untuk pengukuran.
Bagi pengiklan, angka-angka sangat penting pada periode ini. Dan seiring dengan fragmentasi konsumsi TV di tengah meningkatnya keterlibatan digital, angka-angka tersebut menjadi semakin penting. Seberapa penting? Sebuah studi dari Ampere Analysis menemukan bahwa total pengeluaran untuk konten pada tahun 2021 mencapai sekitar $220 miliar, dipimpin oleh raksasa streaming Netflix. Dan para pengiklan, yang mengetahui bahwa warga Amerika menonton video selama hampir 15 juta tahun pada tahun lalu, kini semakin aktif, seiring dengan lonjakan pengeluaran iklan digital global lebih dari 29% pada tahun 2021, melampaui $491 miliar.
Lebih lanjut, konsumen tidak berencana untuk mengubah arah industri streaming, karena 93% pelanggan streaming menyatakan mereka berencana untuk meningkatkan penggunaan layanan tersebut dalam setahun ke depan. Namun, hal itu tidak berarti konten TV tradisional telah tergeser. Sebaliknya, rata-rata orang dewasa menghabiskan lebih dari dua kali lipat waktu per hari untuk menonton TV langsung dibandingkan dengan konten TV terhubung (CTV).
Peningkatan ketersediaan konten memberikan pilihan yang semakin beragam bagi konsumen, namun banyaknya platform, perangkat, dan layanan dapat menimbulkan tantangan pengukuran bagi pengiklan. Selain itu, ledakan pilihan ini tidak menciptakan lebih banyak waktu untuk berinteraksi dengan konten, juga tidak menambah jumlah orang. Namun, big data, termasuk yang berasal dari smart TV (ACR) dan set-top box kabel (RPD), memiliki cara untuk menyarankan hal yang sebaliknya. Data dari kotak kabel dan TV pintar juga memberikan sedikit wawasan tentang aktivitas streaming: Kotak kabel, secara definisi, menyediakan data TV tradisional, dan ACR sering kali tidak berfungsi saat penonton menggunakan aplikasi asli, termasuk Netflix.
Selain tidak pernah dimaksudkan untuk digunakan sebagai alat pengukuran, big data tidak mencerminkan orang-orang yang sebenarnya. Tidak dapat disangkal nilai RPD dan ACR, karena keduanya memberikan skala pada pengukuran, tetapi big data mencerminkan perangkat, bukan orang sungguhan. Data itu sendiri tidak dapat memberitahu siapa yang menonton dan siapa yang tidak—yang merupakan kebutuhan dasar bagi pengiklan. Dan ketika orang dihilangkan dari persamaan, angka-angka tersebut tidak akan sesuai.
Ambil contoh data ACR, yang mengidentifikasi gambar yang ditampilkan di layar TV pintar. Data ini dapat sangat berguna dalam pengukuran audiens, tetapi secara sendiri-sendiri, data ini hanya dapat mengidentifikasi apa yang ditampilkan di layar. Data RPD serupa, namun tidak memiliki kemampuan untuk memverifikasi apakah TV tersebut menyala. Itulah mengapa seperempat dari semua impresi set-top-box berasal dari TV yang bahkan tidak menyala.
Selain tidak mengetahui siapa yang menggunakan perangkat atau layar, big data secara inheren bersifat bias, dan bias tersebut bergantung pada jenis data. Agar big data benar-benar mewakili populasi Amerika Serikat, setiap rumah tangga yang memiliki TV harus memiliki TV yang persis sama dan mengakses program melalui aliran data yang persis sama. Itulah mengapa semua set big data perlu disesuaikan—dikalibrasi—dengan panel berbasis orang yang mencerminkan keragaman populasi Amerika Serikat.
Yang penting, Federasi Periklanan Dunia, Asosiasi Periklanan Nasional, dan organisasi sejenis di lebih dari 30 negara lain telah secara bulat menyatakan bahwa sistem pengukuran audiens masa depan untuk media layar harus merupakan kombinasi antara panel berkualitas dan big data.
Tanpa data panel, pengukuran tidak dapat menangkap keragaman. Bukan hanya kita tahu bahwa semua rumah tangga yang memiliki TV tidak akan pernah mengakses konten yang sama di perangkat yang sama, tetapi kita juga tahu bahwa komposisi rumah tangga sama beragamnya dengan keragaman negara yang menampung rumah tangga tersebut. Di situlah pengukuran berbasis big data gagal—secara signifikan.
Misalnya, Hispanik mewakili kurang dari 20% populasi AS, tetapi big data secara signifikan undercounts kelompok ini, bersama dengan banyak kelompok lainnya. Namun, ketika pengukuran didasarkan pada RPD saja, analisis Nielsen menemukan bahwa hal ini meremehkan rumah tangga Hispanik sebesar 30%. Untuk memberikan gambaran, pertimbangkan hal ini: Sensus AS 2020 menentukan bahwa populasi Hispanik mencapai lebih dari 62 juta. Jika setengah dari populasi tersebut menonton TV pada suatu waktu dan pengiklan menggunakan data RPD untuk pengukuran, pengiklan dapat menjangkau 9 juta orang lebih banyak daripada yang mereka sadari.
Pentingnya, angka 30% yang kurang terwakili adalah rata-rata. Pada tingkat program, big data dapat kurang atau lebih terwakili dengan selisih yang jauh lebih besar—baik untuk populasi umum maupun audiens yang beragam. Misalnya, sebuah studi Nielsen tentang perbedaan antara pengukuran big data dan pengukuran panel berbasis standar emas menemukan bahwa pengukuran RPD melebih-lebihkan total impresi AS untuk program prime time sebesar 69%. Secara perbandingan, pengukuran ACR meremehkan total impresi sebesar 12%. Untuk acara olahraga, pengukuran RPD meremehkan audiens Hispanik sebesar 47%, sementara data ACR melebih-lebihkan audiens yang sama sebesar 12%.
Bagi pengiklan, perbedaan pengukuran ini dapat menimbulkan biaya yang tinggi. Namun, peningkatan pasokan sumber data baru memang menambah kompleksitas dalam pengukuran, terutama jika data tersebut tidak terhubung dengan orang sungguhan. Penerbit dan pengiklan selalu menginginkan jangkauan yang sebesar mungkin, tetapi tentu saja tidak tanpa ketelitian analitis yang diperlukan untuk memvalidasi hal tersebut.
Seiring dengan konvergensi antara media linear dan digital, sumber data besar menjadi masukan kritis untuk pengukuran. Namun, sumber-sumber ini tidak dapat diandalkan sebagai sumber pengukuran yang valid secara mandiri. Seiring dengan meningkatnya interaksi konsumen dengan lebih banyak perangkat dan saluran, akan mudah untuk mengacu pada data yang mengklaim tingkat keterlibatan yang berlebihan. Pengiklan tentu akan menyambut baik ukuran audiens yang diusulkan oleh banyak sumber alternatif, tetapi jika mereka menempatkan pembelian iklan mereka berdasarkan angka-angka tersebut, pada akhirnya mereka akan membayar untuk angka-angka yang tidak mencerminkan orang-orang yang sebenarnya.
