テクノロジーの進化がもたらす恩恵は、無限大に広がっています。スマートフォンから自宅のセキュリティを確認したり、ドローンによる食料品の配達を受けたり、さらには自動で縦列駐車が可能な車に乗ったりすることができるようになりました。テレビも同じように進化し、プラットフォームやチャンネルが増え、コンテンツの選択肢が無限に広がっています。しかし、スマートテレビが今後切り開くであろう多くのドアにもかかわらず、スマートテレビから得られるデータだけでは、メディア業界はスマートテレビを使っている人を正確に把握することはできません。

スマートテレビは、近所の大型量販店のテレビ売り場を席巻しています。現在、店頭でインターネットに接続されていないテレビを見つけるのは難しいでしょう。そして、他のコネクテッドデバイスと同様に、スマートテレビは、ユーザーが生成するデータの急増に拍車をかけています。自動コンテンツ認識（ACR）データは、テレビメーカーがスマートテレビのチューニングを取得するために使用している技術です。代表性のある「人」レベルの行動を詳細に示す情報と組み合わせることで、これらのデータセットは視聴者測定の科学を大きく前進させます。

スマートテレビの普及とそこから得られるデータを考えると、多くの企業が視聴者測定の方法としてACRデータに注目しているのは驚くことではありません。規模を考えれば、このチャンスは非常に魅力的です。しかし、ACRが有益なデータソースであっても、それだけで視聴者を測定するには十分ではありません。なぜなら、視聴者測定において最も重要な要素である「人」が欠落しているからです。ACRデータは、 代表性があるものではないことに加え、誰かが実際にスクリーンに表示されているものを見ているかどうかさえもわからないという、重大な検証上の欠陥があります：どのコンテンツが表示されているかを判断するために、デバイスメーカーがスクリーン上の画像を参照画像と照合する必要があるのです。したがって、ACRデータの真の可能性を引き出す最善の方法は、真の「人」レベルの視聴行動を反映するデータで較正することです。 

ACRは、テレビスクリーンに映し出される映像をモニターし、その映像から表示されているコンテンツを推測する技術で、設計通りに動作している場合は、ACRが提供する映像は、コンテンツの指紋のような役割を果たします。ACRが提供する画像は、多くの点でコンテンツの指紋のように作用します。しかし、「指紋」を集めた後、その画像がどのネットワークやプラットフォームで、いつ表示されたかを判断する必要があります。そのためには、画面上の画像と、テレビメーカーが管理するリファレンスライブラリに含まれる画像を照合する必要があります。

テクノロジーがそのマッチングを試みるとき、3つの可能性があります。

• 画像は、リファレンスライブラリの1つのエントリーと一致します 
• 画像は、リファレンスライブラリの複数のエントリーと一致します
• 一致する画像がリファレンスライブラリーにない

関係者全員にとって、最初の結果は理想的なシナリオです。2番目のシナリオは理想的ではなく、単純に複数のマッチングの様々な理由（例えば、ネットワーク間での放映、再放送、サイマル放送）から、ある程度のミスクレジット・リスクが伴います。3つ目のシナリオは、誰もクレジットを得られないというもので、これは明らかに最も望ましくないシナリオです。このような結果になる最も一般的な理由は、テレビメーカーが監視していないネットワークでコンテンツが放映されたからです。

画像マッチングが単独で有効な測定ソリューションであったとしても、それを活用することは決して実現不可能です。ご想像の通り、テレビで放映されるすべてのイベントのすべてのフレームをライブラリとして維持することは、小さな仕事ではありません。また、この作業は永久に指数関数的に増大します。また、画像には標準的な保存期間もありません。

では、ACRの技術が正しいマッチングを行うためにはどうすればよいのでしょうか。空白を埋められるメカニズムがなければ、わからないのです。そのため、ニールセンは、音声シグネチャーよりもはるかに決定論的である電子透かしと、すべての測定フィードの音声シグネチャーのバックアップに投資しています。これにより、すべてのコンテンツが表現され、ビッグデータに関連するギャップを埋めることができるのです。このように、ACRのようなソースから得られるビッグデータは、ますます細分化されるメディア状況において、スケールメリットをもたらします。また、ウェイトコントロールを使用して、個人レベルの視聴データでビッグデータを較正すると、他の方法では空白になっていた比較ポイントが見えるようになります。

ニールセンは最近の研究で、これらの参考資料ライブラリのギャップが、ACRベースの測定の基礎となるACRチューニングログにどの程度影響を与えるかを理解することを検討しました。2021年9月のコモンホームの分析では、ACRプロバイダーパートナー2社のデータを分析し、参照ライブラリのギャップが測定に影響を与える可能性がある場所を理解しました。この研究では、視聴ソースの集中度と、利用可能なソースからの視聴分数の両方を調べました。 

すべての視聴ソースにおいて、ACRプロバイダーパートナーは、利用可能な放送局の31%しかモニターしていないことがわかりました。つまり、69%の放送局について、リファレンスライブラリにデータを保持していないことになります。視聴した分数を見ると、23%がモニターされていない放送局からのものであることがわかります。つまり、ACRのデータのみを測定に利用する企業は、世帯レベルのインプレッションを23%も過少にカウントしていることになります。

ACRデータ単体では限界がありますが、セットトップボックスからのリターンパス・データ（RPD）と同様に、追加のカバレッジソースとして提供されるスケールとリーチの機会を理解しており、当社のビッグデータ戦略では、パネルデータで較正して同等の限界に対処しています。ビッグデータセットを、米国全体を代表する測定値を提供する当社の視聴データと統合することで、サンプルサイズを大幅に増やすとともに、厳格なデータサイエンス手法を適用してギャップを埋め、すべてのネットワークとプラットフォームにわたって米国全体の視聴者を公平に代表するようにすることができます。

この記事のバージョンはAdExchangerに掲載されたものです。