โทรทัศน์เปลี่ยนแปลงไปอย่างมากในช่วงไม่กี่ปีที่ผ่านมา ทั้งอุปกรณ์ ผู้จัดจำหน่าย แพลตฟอร์มสตรีมมิ่ง รูปแบบการสมัครสมาชิก และรูปแบบใหม่ๆ กำลังเปลี่ยนแปลงอุตสาหกรรมและส่งเสริมศักยภาพของผู้ชม แต่มีสิ่งหนึ่งที่ยังคงไม่เปลี่ยนแปลง นั่นคือ ผู้คนชอบดูทีวีด้วยกัน
แน่นอนว่ามันขึ้นอยู่กับโอกาส ไม่ว่าจะเป็นรายการอะไร เวลาไหน ขนาดของหน้าจอ ห้องไหน ขนาดของครอบครัว และมีใครอยู่แถวนั้นบ้าง แต่ทุกวันนี้ผู้คนมารวมตัวกันเพื่อดู Super Bowl หรือ The Bachelorette ด้วยเหตุผลเดียวกับที่พวกเขามารวมตัวกันเพื่อดู M*A*S*H หรือ Apollo 11 ลงจอดบนดวงจันทร์เมื่อครึ่งศตวรรษที่แล้ว นั่นคือการมีใครสักคนมาแบ่งปันประสบการณ์ด้วย
ในภาษาของอุตสาหกรรมสื่อ เรียกว่า การรับชมร่วมกัน ลองมาดูกันว่าทำไมบริษัทวัดผลจึงควรทำให้ถูกต้อง
ผู้คนดูทีวีร่วมกันบ่อยแค่ไหน?
ที่นีลเส็น เราศึกษาเรื่องการรับชมร่วมกันมาเป็นเวลานาน โซลูชันการวัดผลในอดีตของเราอิงตามบุคคลเสมอมา แม้กระทั่งในสมัยที่มีเครือข่ายโทรทัศน์หลักเพียงไม่กี่เครือข่าย ดังนั้นเราจึงมีแหล่งข้อมูลที่เชื่อถือได้เพื่อประเมินการรับชมร่วมกัน ปัจจุบัน ในบ้านเรือนทั่วอเมริกา 47%1 ของทีวีแบบเส้นตรงและแบบเชื่อมต่ออินเทอร์เน็ต (CTV) ถูกรับชมโดยคนมากกว่าหนึ่งคนในเวลาเดียวกัน
ปัจจุบัน แทบไม่มีความแตกต่างในอัตราการรับชมร่วมกันระหว่างทีวีแบบลิเนียร์และ CTV แต่เดิมทีก็ไม่ใช่แบบนั้น ย้อนกลับไปในปี 2017 เราได้ทำการ ศึกษา กับ Roku และพบช่องว่างที่สำคัญในการรับชมร่วมกันระหว่างทีวีแบบลิเนียร์ (48%) และ OTT (34%) นับตั้งแต่นั้นมา สมาร์ททีวีก็แพร่หลายมากขึ้น และหน้าจอขนาดใหญ่ก็มีราคาถูกลง และยิ่งไปกว่านั้น ผู้บริโภคก็แยกไม่ออกระหว่างทีวีแบบลิเนียร์กับสตรีมมิ่ง หรือทีวีกับดิจิทัลอีกต่อไป มันคือทีวีทั้งหมด
แต่นั่นไม่ได้หมายความว่าจะไม่มีรูปแบบใดๆ และปัจจัยการรับชมร่วมกันแบบเดียวกันนี้สามารถนำไปใช้ได้ในทุกกรณี มีการรับชมร่วมกันมากขึ้นในช่วงเวลาไพรม์ไทม์และวันหยุดสุดสัปดาห์ สำหรับรายการกีฬาและรายการสำหรับเด็ก ในกลุ่มผู้ชาย วัยรุ่น และในบ้านที่มีเด็กมากกว่า สิ่งสำคัญคือ ตำแหน่งของทีวี ภายในบ้าน แต่ละกรณีมีความแตกต่างกัน และวิธีเดียวที่จะคำนวณการรับชมร่วมกันได้อย่างถูกต้องคือการวัดผลโดยตรงหรือสร้างแบบจำลองแยกต่างหากสำหรับการแสดงผลโฆษณาแต่ละครั้ง
เหตุใดจึงต้องสนใจว่าผู้คนจะดูทีวีร่วมกันหรือไม่?
แบรนด์ส่วนใหญ่ต้องการเข้าถึงผู้คน ไม่ใช่ครัวเรือน และแน่นอนว่าไม่ใช่อุปกรณ์ไร้ตัวตน การแสดงผลโฆษณาแบบขายส่งนั้นดี แต่ไม่เพียงพอ เมื่อ ซื้อสื่อ ผู้ลงโฆษณาและเอเจนซี่จะทุ่มเงินจำนวนมากเพื่อเข้าถึงกลุ่มเป้าหมายเฉพาะ (เช่น ผู้หญิงอายุ 18-34 ปีในฟิลาเดลเฟีย หรือ 55 ปีขึ้นไปในแอริโซนา) หรือ กลุ่มเป้าหมายขั้นสูง (เช่น ผู้ขับขี่รถยนต์ไฟฟ้าที่ซื้อสินค้าออร์แกนิก) พวกเขาต้องการการรับประกันว่าโฆษณาของพวกเขาเข้าถึงกลุ่มเป้าหมายที่ถูกต้อง และการวัดผลจากการรับชมร่วมกันคือหัวใจสำคัญของคำถามนี้
บริษัทสื่อจำเป็นต้องรู้ว่าใครกำลังรับชมคอนเทนต์ของพวกเขาอยู่ เพื่อทำความเข้าใจผู้ชม เพิ่มประสิทธิภาพรายการ และกำหนดราคาโฆษณาให้เหมาะสม ตัวอย่างเช่น หากรายการใหม่ประสบความสำเร็จเป็นพิเศษกับกลุ่มวัยรุ่น พวกเขาสามารถสั่งซื้อซีซันใหม่ เปิดไฟเขียวให้รายการที่คล้ายกัน และสร้างฐานผู้ชมเฉพาะกลุ่ม ซึ่งพวกเขาสามารถสร้างรายได้เพื่อเพิ่มจำนวนสมาชิกหรือดึงดูดผู้ลงโฆษณาที่ต้องการเข้าถึงผู้ชมเหล่านั้นได้
ในแวดวงโทรทัศน์ที่กระจัดกระจายและแข่งขันกันอย่างดุเดือดในปัจจุบัน บริษัทสื่อต่างๆ ไม่ได้ขาย "ปริมาณ" อีกต่อไป และผู้ลงโฆษณาก็ไม่ได้ซื้อ "ผู้ชม" อย่างไม่เลือกหน้าอีกต่อไป พวกเขาล้วนต้องการโซลูชันการวัดผลที่สามารถช่วยกำจัดผู้ชมที่ซ้ำซ้อน (ทั้งภายในและข้ามอุปกรณ์) คำนวณการแสดงโฆษณาที่ตรงเป้าหมาย เพิ่มประสิทธิภาพการเข้าถึงและความถี่ และปรับปรุงตัวชี้วัดประสิทธิภาพแคมเปญหลัก (เช่น อัตราประสิทธิภาพของกลุ่มเป้าหมาย) คุณไม่สามารถบรรลุเป้าหมายใดๆ เหล่านี้ได้หากไม่มีการวัดผลในระดับบุคคล
เราจะวัดการรับชมร่วมกันที่ Nielsen ได้อย่างไร
วิธีที่ตรงที่สุดในการวัดผลการรับชมร่วมกันคือการติดตามการรับชมโทรทัศน์ในระดับบุคคล เช่นเดียวกับกรณีของคณะกรรมการโทรทัศน์แห่งชาติและตลาดโทรทัศน์ท้องถิ่นชั้นนำของเรา ในตลาดเหล่านี้ คณะผู้ร่วมอภิปรายของเราจะ "เช็คอิน" กับผู้ชม แต่เพื่อเพิ่มความลึกและความเสถียรให้กับโซลูชันสำหรับผู้ชมของเรา และเพื่อให้ผู้ชมกลุ่มเล็กในตลาดโทรทัศน์ขนาดเล็กสามารถมองเห็นได้ชัดเจนยิ่งขึ้น เราจึงพึ่งพา ข้อมูลขนาดใหญ่ ที่อิงจากข้อมูลเส้นทางการรับชม (ACR) (สำหรับสมาร์ททีวี) (สำหรับผู้ให้บริการเคเบิลและดาวเทียม) หรือตัวระบุอุปกรณ์และบริบท (สำหรับการแสดงผลโฆษณา) มากขึ้น และเทคโนโลยีเหล่านี้บันทึกข้อมูลการรับชมในระดับครัวเรือนเท่านั้น
Nielsen สามารถระบุได้ว่าใครกำลังรับชมอยู่ด้วยกระบวนการที่เรียกว่า Viewer Assignment ซึ่งพัฒนาขึ้นเมื่อทศวรรษก่อนและได้รับการปรับปรุงอย่างต่อเนื่อง กระบวนการนี้ใช้เทคนิคทางสถิติขั้นสูงเพื่อจับคู่ข้อมูลการรับชมแบบไร้ตัวตนจากแหล่งข้อมูลขนาดใหญ่ (เช่น Roku, Vizio, Hulu, Netflix, YouTube และอื่นๆ) กับข้อมูลแผงระดับบุคคลของเราสำหรับทุกเหตุการณ์การรับชมและการแสดงผลโฆษณาที่เป็นไปได้ การจับคู่นี้พิจารณาจากความคล้ายคลึงกันของพฤติกรรมการรับชม (ลงไปจนถึงระดับรายการ) รวมถึงภูมิศาสตร์ องค์ประกอบของครัวเรือน ประเภทและตำแหน่งของอุปกรณ์ภายในบ้าน เวลาของวัน วันในสัปดาห์ และปัจจัยทำนายสำคัญอื่นๆ แบบจำลองนี้ไม่เคยหยุดเรียนรู้ และเรากำลังตรวจสอบประสิทธิภาพอย่างต่อเนื่องเพื่อให้แน่ใจว่าใกล้เคียงกับความเป็นจริงมากที่สุด
การมีข้อมูลแผงข้อมูลในมือช่วยให้ได้รับประโยชน์อย่างมหาศาลจากการใช้ประโยชน์จากแหล่งข้อมูลใหม่ๆ เหล่านี้ แต่สิ่งสำคัญคือต้องตระหนักว่ากระบวนการอย่างการกำหนดผู้ชม (Viewer Assignment) ไม่สามารถชดเชยข้อมูลที่หายไปจากผู้ชมได้ในทุกกรณี บางครั้งอาจไม่มีข้อมูลที่ตรงกันอย่างน่าเชื่อถือกับสิ่งที่เราเห็นในข้อมูลการรับชม หรือไม่สามารถระบุองค์ประกอบของครัวเรือนได้อย่างง่ายดาย สำหรับข้อมูล CTV ทั้งหมดประมาณ 9% การกำหนดข้อมูลประชากรผู้ชมแม้แต่ข้อมูลพื้นฐานอย่างอายุและเพศยังคงเป็นเรื่องยาก ในกรณีเหล่านี้ Nielsen จะใช้แบบจำลองการทำนายที่มีประสิทธิภาพเพื่อแจ้งและกำหนดผู้ชม
ต่อไปจะเป็นยังไง?
ความก้าวหน้าทางวิธีการล่าสุดช่วยให้เราสามารถกำหนดคุณลักษณะของผู้ชมให้กับตำแหน่งโฆษณาได้มากขึ้น ซึ่งช่วยเพิ่มความสามารถในการวัดการเข้าถึงของเราได้อย่างมาก แบบจำลองของเราเรียนรู้จากข้อมูลและสัญญาณจำนวนมหาศาลของ Nielsen อย่างต่อเนื่อง ทำให้การคาดการณ์ผู้ชมของเราครอบคลุมมากขึ้น
การรับชมร่วมกันเป็นส่วนสำคัญของประสบการณ์การรับชมทีวีมาโดยตลอด และจะยังคงไม่เปลี่ยนแปลงในเร็วๆ นี้ อย่าลืมตรวจสอบให้แน่ใจว่าการรับชมร่วมกันเป็นส่วนสำคัญของกลยุทธ์การวัดผลของคุณด้วย
บทความ Need to Know ของ Nielsen ทบทวนพื้นฐานของการวัดผลผู้ชม และไขข้อข้องใจเกี่ยวกับหัวข้อร้อนแรงที่สุดในอุตสาหกรรมสื่อ อ่านทุกบทความ ได้ที่ นี่
หมายเหตุ
1 ข้อมูลแผง Nielsen
