Para a indústria da mídia, o período entre março e maio é hora de agir. Em meio aos muitos eventos antecipados que abrangem o cenário da mídia, que não estão mais limitados a plataformas e tecnologias individuais, o mercado de conteúdo em expansão apresenta uma riqueza de oportunidades e uma grande quantidade de informações para 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, à medida que o consumo de TV se fragmenta em meio ao crescente envolvimento digital, eles assumem uma importância ainda maior. Quão importante? Um estudo da Ampere Analysis descobriu que o gasto total com conteúdo em 2021 totalizou cerca de US$ 220 bilhões, liderado pela gigante do streaming Netflix. E os anunciantes, sabendo que os americanos assistiram a quase 15 milhões de anos de vídeo no ano passado, estão se mobilizando, já que os gastos mundiais com publicidade digital 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 afirmam que pretendem aumentar seu uso no próximo ano. Isso não significa, no entanto, que o conteúdo da TV tradicional esteja fora de cena. Muito pelo contrário, já que o adulto médio passa mais do que o dobro do tempo por dia assistindo TV ao vivo do que conteúdo de TV conectada (CTV).
A crescente abundância de conteúdo apresenta uma variedade cada vez maior de opções para os consumidores, mas a infinidade de plataformas, dispositivos e serviços pode representar um desafio de medição para os anunciantes. Além disso, a explosão de opções não criou mais tempo para interagir com o conteúdo, nem criou mais pessoas. Mas o big data, incluindo o que vem de smart TVs (ACR) e decodificadores de TV a cabo (RPD), sugere o contrário. Os dados de decodificadores de TV a cabo e smart TVs também fornecem poucas informações sobre a atividade de streaming: os decodificadores de TV a cabo, por definição, fornecem dados de TV tradicionais, e o ACR geralmente é desativado quando o público usa aplicativos nativos, incluindo o Netflix.
Além de nunca ter sido concebido para ser usado para medição, o big data não reflete as pessoas reais. Não há dúvidas quanto ao valor do RPD e do ACR, pois eles fornecem escala para medição, mas o big data reflete dispositivos, não 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.
Tomemos como exemplo os dados ACR, que identificam imagens nas telas das smart TVs. Esses dados podem ser muito úteis na medição de audiência, mas, por si só, não fazem nada além de identificar o que está na tela. Os dados 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 decodificadores vem de TVs que nem 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 verdadeiramente a população dos EUA, todas as residências com TV precisariam ter exatamente o mesmo aparelho de TV e acessar a programação através 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 refletem a diversidade da população dos EUA.
É importante ressaltar que a Federação Mundial de Anunciantes, a Associação Nacional de Anunciantes e organizações semelhantes em mais de 30 outros países afirmaram 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 captura a diversidade. Não só sabemos que todas as residências com TV nunca acessam o mesmo conteúdo nos mesmos dispositivos, como também sabemos que a composição das famílias é tão variada quanto a estrutura do país que abriga essas famílias. É aí que a medição baseada em big data falha significativamente.
Por exemplo, os hispânicos representam pouco menos de 20% da população dos EUA, mas os big data subestimam significativamente esse público, juntamente com muitos outros. Mas quando a medição se baseia apenas no RPD, as análises da Nielsen descobriram que ele subestima 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 TV em um determinado momento e os anunciantes utilizarem os dados do RPD para medição, eles poderão alcançar 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 e 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 baseada em painel descobriu que a medição RPD superestimou as impressões totais nos EUA para um programa no horário nobre em 69%. Comparativamente, a medição ACR subestimou o total em 12%. Para um evento esportivo, a medição RPD subestimou a audiência hispânica em 47%, enquanto os dados ACR superestimaram a mesma audiência em 12%.
Para os anunciantes, essas variações nas medições podem ser dispendiosas. No entanto, o aumento da oferta de novas fontes de dados adiciona complexidade às medições, especialmente quando elas podem não estar conectadas 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 informações essenciais para a medição. Mas elas não são confiáveis como fontes de medição por si só. À medida que os consumidores interagem com mais dispositivos e mais canais, será fácil apontar dados que alegam um envolvimento potencialmente exagerado. Os anunciantes certamente apreciariam os tamanhos de público sugeridos por muitas audiências alternativas, mas se eles colocarem suas compras de anúncios com base nesses números, acabarão pagando por números que não refletem pessoas reais.
