Para o setor de mídia, o período entre março e maio é o momento certo. Entre os muitos eventos iniciais que abrangem o cenário de mídia, que não estão mais vinculados a plataformas e tecnologias individuais, o mercado de conteúdo em expansão apresenta uma riqueza de oportunidades e uma extensão de informações para os compradores e vendedores de anúncios navegarem, especialmente em meio às crescentes conversas sobre big data para medição.
Para os anunciantes, os números são fundamentais nesta época do ano. E como o consumo de TV se fragmenta em meio ao aumento do envolvimento digital, eles assumem uma importância ainda maior. Quão importantes? Um estudo da Ampere Analysis constatou que o gasto total com conteúdo em 2021 totalizou cerca de US$ 220 bilhões, liderado pela potência do streaming Netflix. E os anunciantes, sabendo que os americanos transmitiram quase 15 milhões de anos de vídeo no ano passado, estão se mobilizando, pois os gastos mundiais com anúncios digitais aumentaram mais de 29% em 2021, ultrapassando US$ 491 bilhões.
Além disso, os consumidores não têm planos de mudar a trajetória do setor de streaming, já que 93% dos assinantes de streaming dizem que planejam aumentar seu uso no próximo ano. No entanto, isso não significa que o conteúdo da TV tradicional esteja fora de cena. Muito pelo contrário, pois o adulto médio passa mais do que o dobro do tempo por dia com a TV ao vivo do que com o conteúdo da TV conectada (CTV).
A abundância cada vez maior de conteúdo apresenta uma riqueza crescente de opções para os consumidores, mas a miríade de plataformas, dispositivos e serviços pode apresentar desafios de medição para os anunciantes. Além disso, a explosão de opções não criou mais tempo para se envolver com o conteúdo, nem criou mais pessoas. Mas o big data, incluindo o que vem das smart TVs (ACR) e dos decodificadores de TV a cabo (RPD), tem uma maneira de sugerir o contrário. Os dados dos decodificadores de TV a cabo e das smart TVs também fornecem poucas informações sobre a atividade de streaming: Os decodificadores de TV a cabo, por definição, fornecem dados da TV tradicional, e o ACR geralmente é desligado quando o público usa aplicativos nativos, incluindo o Netflix.
Além de nunca ter sido planejado para ser usado para medição, o big data não reflete as pessoas reais. Não há dúvidas sobre o valor do RPD e do ACR, pois eles fornecem escala para a medição, mas o big data reflete os dispositivos, não as pessoas reais. Os dados por si só não podem dizer quem está assistindo e quem não está, o que é uma necessidade fundamental para os anunciantes. E quando as pessoas são removidas da equação, os números simplesmente não batem.
Veja os dados ACR, por exemplo, que identificam as imagens nas telas das smart TVs. Esses dados podem ser muito úteis na medição de audiência, mas, por si só, não fazem nada mais do que identificar o que está em uma tela. Os dados de RPD são semelhantes, mas não têm a capacidade de verificar se um aparelho de TV está ligado. É por isso que um quarto de todas as impressões de set-top-box vem de TVs que nem sequer estão ligadas.
Além de não saber quem está usando um dispositivo ou uma tela, o big data é inerentemente tendencioso, e essa tendência depende do tipo de dados. Para que o big data represente realmente a população dos EUA, todas as residências com TV precisariam ter exatamente o mesmo aparelho de TV e acessar a programação por meio do mesmo fluxo de dados. É por isso que todos os conjuntos de Big Data precisam ser nivelados - calibrados - com painéis baseados em pessoas que reflitam a diversidade da população dos EUA.
É importante ressaltar que a World Federation of Advertisers (Federação Mundial de Anunciantes), a Association of National Advertisers (Associação Nacional de Anunciantes) e as organizações comparáveis em mais de 30 outros países declararam unanimemente que o futuro sistema de medição de audiência para mídia de tela deve ser uma combinação de painel de qualidade e big data.
Sem dados de painel, a medição não capta a diversidade. Não só sabemos que todas as residências com TV nunca acessarão o mesmo conteúdo nos mesmos dispositivos, como também sabemos que a composição das residências é tão variada quanto o tecido do país que contém as residências com TV. É nesse ponto que a medição baseada em big data erra o alvo - de forma significativa.
Por exemplo, os hispânicos representam pouco menos de 20% da população dos EUA, mas o big data subestima significativamente esse público, além de muitos outros. No entanto, quando a medição se baseia apenas no RPD, as análises da Nielsen descobriram que ele sub-representa os lares hispânicos em 30%. Para colocar isso em perspectiva, considere o seguinte: O Censo dos EUA de 2020 determinou que a população hispânica era de pouco mais de 62 milhões. Se metade dessa população estiver assistindo à TV em um determinado momento e os anunciantes utilizarem os dados de RPD para medição, eles poderão atingir 9 milhões de pessoas a mais do que imaginam.
É importante ressaltar que a sub-representação de 30% é uma média. Em nível de programa, o big data pode sub-representar ou super-representar por margens muito maiores - tanto para a população em geral quanto para públicos diversos. Por exemplo, um estudo da Nielsen sobre as variações entre a medição de big data e sua medição padrão de ouro baseada em painel constatou que a medição de RPD superestimou em 69% o total de impressões nos EUA para um programa de horário nobre. Comparativamente, a medição ACR subestimou o total em 12%. Para um evento esportivo, a medição da RPD subestimou o público hispânico em 47%, enquanto os dados da ACR superestimaram o mesmo público em 12%.
Para os anunciantes, essas variações de medição podem custar caro. A crescente oferta de novas fontes de dados, no entanto, aumenta a complexidade da medição, especialmente quando ela pode não estar conectada a pessoas reais. Os editores e anunciantes sempre desejarão o maior alcance possível, mas certamente não sem o rigor analítico necessário para validá-lo.
À medida que o linear e o digital convergem, as fontes de big data são insumos essenciais para a medição. Mas elas não são confiáveis como fontes de medição por si só. À medida que os consumidores se envolvem com mais dispositivos e mais canais, será fácil apontar para dados que afirmam um envolvimento potencialmente superestimado. Os anunciantes certamente gostariam de receber os tamanhos de público que muitos públicos alternativos sugerem, mas se colocarem suas compras de anúncios em relação a esses números, acabarão pagando por números que não refletem as pessoas reais.
