สำหรับอุตสาหกรรมสื่อ ช่วงระหว่างเดือนมีนาคมถึงพฤษภาคมถือเป็นช่วงเวลาแห่งการเริ่มต้น ท่ามกลางกิจกรรมมากมายที่เกิดขึ้นในแวดวงสื่อ ซึ่งไม่ได้จำกัดอยู่เพียงแพลตฟอร์มและเทคโนโลยีใดเทคโนโลยีหนึ่งอีกต่อไป ตลาดคอนเทนต์ที่กำลังขยายตัวนี้นำเสนอทั้งโอกาสอันมากมายและข้อมูลอันมากมายสำหรับผู้ซื้อและผู้ขายโฆษณา โดยเฉพาะอย่างยิ่งท่ามกลางการพูดคุยที่เพิ่มมากขึ้นเกี่ยวกับข้อมูลขนาดใหญ่สำหรับการวัดผล
สำหรับผู้ลงโฆษณา ตัวเลขสำคัญอย่างยิ่งในช่วงเวลานี้ของปี และเมื่อการบริโภคโทรทัศน์ลดลงท่ามกลางการมีส่วนร่วมทางดิจิทัลที่เพิ่มขึ้น ตัวเลขเหล่านี้ก็ยิ่งมีความสำคัญมากขึ้นไปอีก สำคัญแค่ไหน? ผลการศึกษา ของ Ampere Analysis พบว่ายอดใช้จ่ายด้านคอนเทนต์ทั้งหมดในปี 2021 อยู่ที่ประมาณ 220,000 ล้านดอลลาร์ นำโดย Netflix ผู้ให้บริการสตรีมมิ่งรายใหญ่ และเมื่อทราบว่าชาวอเมริกันรับชม วิดีโอย้อนหลังไปเกือบ 15 ล้านปี ในปีที่แล้ว เหล่านักโฆษณาก็กำลังฟื้นตัว โดยยอดใช้จ่ายโฆษณาดิจิทัลทั่วโลก พุ่งสูงขึ้นกว่า 29% ในปี 2021 สูงกว่า 491,000 ล้านดอลลาร์
ยิ่งไปกว่านั้น ผู้บริโภคยังไม่มีแผนที่จะเปลี่ยนแปลงทิศทางของอุตสาหกรรมสตรีมมิ่ง เนื่องจาก สมาชิกสตรีมมิ่ง 93% ระบุว่ามีแผนจะเพิ่มการใช้งานในปีหน้า อย่างไรก็ตาม นั่นไม่ได้หมายความว่าคอนเทนต์ทีวีแบบดั้งเดิมจะหมดไป ตรงกันข้าม ผู้ใหญ่โดยเฉลี่ยใช้ เวลากับทีวีสดมากกว่าคอนเทนต์ทีวีที่เชื่อมต่ออินเทอร์เน็ต (CTV) ต่อวันถึงสองเท่า
ความอุดมสมบูรณ์ของคอนเทนต์ที่เพิ่มขึ้นทำให้ผู้บริโภคมีตัวเลือกมากขึ้น แต่แพลตฟอร์ม อุปกรณ์ และบริการที่หลากหลายก็อาจสร้างความท้าทายในการวัดผลให้กับผู้ลงโฆษณา นอกจากนี้ การขยายตัวของตัวเลือกไม่ได้ทำให้มีเวลามากขึ้นในการมีส่วนร่วมกับคอนเทนต์ หรือสร้างผู้คนมากขึ้น แต่ข้อมูลขนาดใหญ่ (Big Data) รวมถึงข้อมูลจากสมาร์ททีวี (ACR) และกล่องรับสัญญาณเคเบิล (RPD) กลับบ่งชี้เป็นอย่างอื่น ข้อมูลจากกล่องรับสัญญาณเคเบิลและสมาร์ททีวียังให้ข้อมูลเชิงลึกเกี่ยวกับกิจกรรมการสตรีมน้อยมาก โดยกล่องรับสัญญาณเคเบิลตามนิยามแล้วให้ข้อมูลทีวีแบบดั้งเดิม และ ACR มักจะปิดเมื่อผู้ชมใช้แอปพลิเคชันพื้นฐาน เช่น Netflix
นอกจากจะไม่ได้มีวัตถุประสงค์เพื่อใช้ในการวัดผลแล้ว บิ๊กดาต้ายังไม่สะท้อนถึงจำนวนคนจริง ๆ อีกด้วย คุณค่าของ RPD และ ACR ไม่อาจเข้าใจผิดได้ เพราะทั้งสองสิ่งนี้ช่วยวัดผลได้ในระดับหนึ่ง แต่บิ๊กดาต้าสะท้อนถึงอุปกรณ์ ไม่ใช่จำนวนคนจริง ๆ ตัวข้อมูลเองไม่สามารถบอกได้ว่าใครกำลังรับชมและใครไม่ได้รับชม ซึ่งเป็นความจำเป็นพื้นฐานของนักโฆษณา และเมื่อนำจำนวนคนออกจากสมการ ตัวเลขเหล่านั้นก็จะไม่เพิ่มขึ้น
ยกตัวอย่างเช่น ข้อมูล ACR ซึ่งระบุภาพบนหน้าจอสมาร์ททีวี ข้อมูลนี้มีประโยชน์อย่างมากในการวัดผลผู้ชม แต่ตัวข้อมูลเองนั้นไม่ได้ทำอะไรมากไปกว่าการระบุสิ่งที่อยู่บนหน้าจอ ข้อมูล RPD ก็คล้ายกัน แต่กลับไม่มีความสามารถในการตรวจสอบด้วยซ้ำว่าทีวีเปิดอยู่หรือไม่ นั่นคือเหตุผลที่หนึ่งในสี่ของการแสดงผลจากกล่องรับสัญญาณทั้งหมดมาจากทีวีที่ไม่ได้เปิดอยู่
นอกจากการไม่รู้ว่าใครกำลังใช้อุปกรณ์หรือหน้าจออยู่ บิ๊กดาต้ายังมีความลำเอียงโดยเนื้อแท้ และอคติดังกล่าวยังขึ้นอยู่กับประเภทของข้อมูลด้วย เพื่อให้บิ๊กดาต้าสามารถแสดงประชากรของสหรัฐอเมริกาได้อย่างแท้จริง ทุกครัวเรือนที่มีโทรทัศน์จะต้องมีเครื่องรับโทรทัศน์เครื่องเดียวกันและสามารถเข้าถึงรายการต่างๆ ผ่านสตรีมข้อมูลเดียวกันได้ นั่นคือเหตุผลที่ชุดข้อมูลบิ๊กดาต้าทั้งหมดจำเป็นต้องได้รับการปรับเทียบระดับ (level set) ด้วยแผงข้อมูลแบบอิงตามบุคคล ซึ่งสะท้อนถึงความหลากหลายของประชากรในสหรัฐอเมริกา
ที่สำคัญ สหพันธ์ผู้โฆษณาโลก สมาคมผู้โฆษณาแห่งชาติ และองค์กรที่เทียบเท่าในอีกกว่า 30 ประเทศ ต่างประกาศเป็นเอกฉันท์ว่าระบบการวัดผลผู้ชมสื่อบนหน้าจอในอนาคตจะต้องเป็นการ ผสมผสานระหว่างแผงคุณภาพและข้อมูลขนาดใหญ่
หากไม่มีข้อมูลแบบแผง การวัดผลจะไม่สามารถวัดความหลากหลายได้ ไม่เพียงแต่เราทราบว่าครัวเรือนที่มีโทรทัศน์ทุกครัวเรือนจะไม่สามารถเข้าถึงเนื้อหาเดียวกันบนอุปกรณ์เดียวกันได้เท่านั้น แต่เรายังทราบด้วยว่าโครงสร้างครัวเรือนมีความหลากหลายเช่นเดียวกับโครงสร้างของประเทศที่มีครัวเรือนที่มีโทรทัศน์อยู่ด้วย นั่นแหละคือจุดที่การวัดผลโดยใช้ข้อมูลขนาดใหญ่พลาดเป้าอย่างเห็นได้ชัด
ยกตัวอย่างเช่น ชาวฮิสแปนิกคิดเป็นสัดส่วนเกือบ 20% ของประชากรในสหรัฐอเมริกา แต่ข้อมูลขนาดใหญ่กลับนับรวมกลุ่มประชากรนี้และกลุ่มอื่นๆ น้อยกว่าความเป็นจริงอย่างมาก แต่เมื่อวัดผลโดยใช้ RPD เพียงอย่างเดียว การวิเคราะห์ของ Nielsen พบว่ากลุ่มนี้มีจำนวนประชากรชาวฮิสแปนิกต่ำกว่าความเป็นจริงถึง 30% ลองพิจารณาดังนี้: สำมะโนประชากรของสหรัฐอเมริกาปี 2020 ระบุว่าประชากรชาวฮิสแปนิกมีจำนวนมากกว่า 62 ล้านคนเล็กน้อย หากครึ่งหนึ่งของประชากรกลุ่มนี้ดูทีวีในช่วงเวลาใดเวลาหนึ่ง และผู้ลงโฆษณาใช้ประโยชน์จากข้อมูล RPD ในการวัดผล ผู้ลงโฆษณาอาจเข้าถึงผู้คนได้มากกว่าที่พวกเขาคาดไว้ถึง 9 ล้านคน
ที่สำคัญ การนำเสนอข้อมูลต่ำกว่าความเป็นจริง 30% ถือเป็นค่าเฉลี่ย ในระดับรายการ บิ๊กดาต้าสามารถนำเสนอข้อมูลต่ำกว่าความเป็นจริงและสูงกว่าความเป็นจริงได้ในระดับที่สูงกว่ามาก ทั้งสำหรับประชากรทั่วไปและผู้ชมที่หลากหลาย ตัวอย่างเช่น การศึกษาของนีลเส็นเกี่ยวกับความแปรปรวนระหว่างการวัดข้อมูลบิ๊กดาต้าและการวัดผลแบบมาตรฐานทองคำที่ใช้แผงข้อมูล พบว่าการวัดผล RPD เกินจำนวนการแสดงผลทั้งหมดในสหรัฐอเมริกาสำหรับรายการไพรม์ไทม์ถึง 69% เมื่อเปรียบเทียบกันแล้ว การวัดผล ACR ต่ำกว่าจำนวนการแสดงผลทั้งหมดถึง 12% สำหรับรายการกีฬา การวัดผล RPD ต่ำกว่าจำนวนผู้ชมชาวฮิสแปนิกถึง 47% ขณะที่ข้อมูล ACR เกินจำนวนผู้ชมกลุ่มเดียวกันถึง 12%
สำหรับผู้โฆษณา ความแปรปรวนในการวัดผลเหล่านี้อาจมีต้นทุนสูง อย่างไรก็ตาม การมีแหล่งข้อมูลใหม่ๆ เพิ่มมากขึ้นก็เพิ่มความซับซ้อนในการวัดผล โดยเฉพาะอย่างยิ่งเมื่อการวัดผลไม่ได้เชื่อมโยงกับบุคคลจริง ผู้เผยแพร่โฆษณาและผู้โฆษณาต้องการการเข้าถึงกลุ่มเป้าหมายให้ได้มากที่สุดเท่าที่จะเป็นไปได้ แต่แน่นอนว่าต้องอาศัยการวิเคราะห์อย่างเข้มงวดเพื่อยืนยันความถูกต้อง
เมื่อข้อมูลเชิงเส้นและดิจิทัลมาบรรจบกัน แหล่งข้อมูลขนาดใหญ่จึงเป็นปัจจัยสำคัญในการวัดผล แต่แหล่งข้อมูลเหล่านี้กลับไม่น่าเชื่อถือในฐานะแหล่งข้อมูลการวัดผลด้วยตัวเอง เมื่อผู้บริโภคใช้อุปกรณ์และช่องทางต่างๆ มากขึ้น ย่อมง่ายที่จะชี้ไปที่ข้อมูลที่อ้างว่าอาจมีการมีส่วนร่วมสูงเกินจริง นักโฆษณาย่อมยินดีกับขนาดกลุ่มเป้าหมายที่กลุ่มเป้าหมายอื่นๆ เสนอแนะ แต่หากพวกเขาเลือกซื้อสินค้าโดยอิงกับตัวเลขเหล่านั้น สุดท้ายแล้วพวกเขาจะต้องจ่ายเงินสำหรับตัวเลขที่ไม่สะท้อนถึงผู้คนจริงๆ
