Per il settore dei media, il periodo tra marzo e maggio è quello cruciale. Tra i numerosi eventi anticipati che interessano il panorama mediatico, non più limitati alle singole piattaforme e tecnologie, il mercato dei contenuti in espansione offre sia una vasta gamma di opportunità che una grande quantità di informazioni che gli acquirenti e i venditori di pubblicità devono saper gestire, soprattutto alla luce delle crescenti discussioni sui big data per la misurazione.
Per gli inserzionisti, i numeri sono fondamentali in questo periodo dell'anno. E con la frammentazione del consumo televisivo a causa del crescente coinvolgimento digitale, assumono un'importanza ancora maggiore. Quanto sono importanti? Uno studio di Ampere Analysis ha rilevato che la spesa totale per i contenuti nel 2021 è stata di circa 220 miliardi di dollari, guidata dal colosso dello streaming Netflix. E gli inserzionisti, sapendo che gli americani hanno guardato in streaming quasi 15 milioni di anni di video l'anno scorso, si stanno mobilitando, poiché la spesa pubblicitaria digitale mondiale è aumentata di oltre il 29% nel 2021, superando i 491 miliardi di dollari.
Inoltre, i consumatori non hanno alcuna intenzione di cambiare la traiettoria del settore dello streaming, poiché il 93% degli abbonati dichiara di voler aumentare il proprio utilizzo nel corso del prossimo anno. Ciò non significa, tuttavia, che i contenuti televisivi tradizionali siano fuori gioco. Al contrario, l'adulto medio trascorre più del doppio del tempo al giorno guardando la TV in diretta rispetto ai contenuti della TV connessa (CTV).
La crescente abbondanza di contenuti offre ai consumatori una scelta sempre più ampia, ma la miriade di piattaforme, dispositivi e servizi può rappresentare una sfida in termini di misurazione per gli inserzionisti. Inoltre, l'esplosione delle possibilità di scelta non ha creato più tempo per interagire con i contenuti, né ha aumentato il numero di persone. Tuttavia, i big data, compresi quelli provenienti dalle smart TV (ACR) e dai decoder via cavo (RPD), suggeriscono il contrario. I dati provenienti dai decoder via cavo e dalle smart TV forniscono inoltre poche informazioni sulle attività di streaming: i decoder via cavo, per definizione, forniscono dati televisivi tradizionali, mentre l'ACR spesso si disattiva quando il pubblico utilizza app native, tra cui Netflix.
Oltre a non essere mai stati concepiti per essere utilizzati a fini di misurazione, i big data non riflettono la realtà delle persone. Il valore di RPD e ACR è indiscutibile, poiché forniscono una scala di misurazione, ma i big data riflettono i dispositivi, non le persone reali. I dati di per sé non possono dirvi chi sta guardando e chi no, il che è un'esigenza fondamentale per gli inserzionisti. E quando le persone vengono rimosse dall'equazione, i numeri semplicemente non tornano.
Prendiamo ad esempio i dati ACR, che identificano le immagini sugli schermi delle smart TV. Questi dati possono essere molto utili nella misurazione dell'audience, ma di per sé non fanno altro che identificare ciò che appare sullo schermo. I dati RPD sono simili, ma non consentono nemmeno di verificare che il televisore sia acceso. Ecco perché un quarto di tutte le impressioni dei set-top box proviene da televisori che non sono nemmeno accesi.
Oltre al fatto che non si sa chi sta usando un dispositivo o uno schermo, i big data sono intrinsecamente distorti, e la distorsione dipende dal tipo di dati. Affinché i big data rappresentino realmente la popolazione degli Stati Uniti, ogni famiglia con televisione dovrebbe avere lo stesso identico televisore e accedere alla programmazione attraverso lo stesso identico flusso di dati. Ecco perché tutti i set di big data devono essere livellati, ovvero calibrati, con panel basati sulle persone che riflettono la diversità della popolazione statunitense.
È importante sottolineare che la Federazione mondiale degli inserzionisti pubblicitari, l'Associazione nazionale degli inserzionisti pubblicitari e le organizzazioni omologhe in oltre 30 altri paesi hanno dichiarato all'unanimità che il futuro sistema di misurazione dell'audience per i media televisivi dovrà essere una combinazione di panel di qualità e big data.
Senza dati panel, la misurazione non riesce a cogliere la diversità. Non solo sappiamo che tutte le famiglie dotate di televisione non accederanno mai agli stessi contenuti sugli stessi dispositivi, ma sappiamo anche che la composizione delle famiglie è varia quanto il tessuto sociale del Paese in cui vivono. È qui che la misurazione basata sui big data manca l'obiettivo, e in modo significativo.
Ad esempio, gli ispanici rappresentano poco meno del 20% della popolazione statunitense, ma i big data sottostimano significativamente questo pubblico, insieme a molti altri. Ma quando la misurazione si basa esclusivamente sull'RPD, le analisi di Nielsen hanno rilevato che le famiglie ispaniche sono sottorappresentate del 30%. Per mettere questo dato in prospettiva, consideriamo quanto segue: il censimento statunitense del 2020 ha determinato che la popolazione ispanica era di poco superiore ai 62 milioni. Se metà di quella popolazione guarda la TV in un dato momento e gli inserzionisti utilizzano i dati RPD per la misurazione, gli inserzionisti potrebbero raggiungere 9 milioni di persone in più di quelle di cui sono a conoscenza.
È importante sottolineare che la sottorappresentazione del 30% è una media. A livello di programma, i big data possono sottorappresentare o sovrarappresentare con margini molto più ampi, sia per la popolazione generale che per i diversi tipi di pubblico. Ad esempio, uno studio Nielsen sulle variazioni tra la misurazione dei big data e la misurazione basata sul panel, considerata il gold standard, ha rilevato che la misurazione RPD ha sovrastimato del 69% il totale delle impressioni negli Stati Uniti per un programma in prima serata. In confronto, la misurazione ACR ha sottostimato il totale del 12%. Per un evento sportivo, la misurazione RPD ha sottostimato il pubblico ispanico del 47%, mentre i dati ACR hanno sovrastimato lo stesso pubblico del 12%.
Per gli inserzionisti, queste variazioni nelle misurazioni possono essere costose. Tuttavia, la crescente disponibilità di nuove fonti di dati aggiunge complessità alla misurazione, soprattutto quando questi dati potrebbero non essere collegati a persone reali. Gli editori e gli inserzionisti vorranno sempre ottenere la massima copertura possibile, ma certamente non senza il rigore analitico necessario per convalidarla.
Con la convergenza tra lineare e digitale, le fonti di big data sono input fondamentali per la misurazione. Tuttavia, da sole non sono affidabili come fonti di misurazione. Man mano che i consumatori interagiscono con un numero sempre maggiore di dispositivi e canali, sarà facile individuare dati che indicano un coinvolgimento potenzialmente gonfiato. Gli inserzionisti accoglierebbero sicuramente con favore le dimensioni del pubblico suggerite da molti segmenti alternativi, ma se basassero i loro acquisti pubblicitari su tali numeri, finirebbero per pagare per numeri che non riflettono le persone reali.
