Panel-dan data yang mereka hasilkan-telah menjadi standar emas industri riset selama hampir satu abad, dan tetap menjadi alat yang paling akurat untuk mengukur audiens media.
Ikuti terus saat kami menguraikan data panel: Apa itu, mengapa penting, dan ke mana arahnya.
Apa sebenarnya panel itu?
Dalam penelitian media, panel adalah sekelompok rumah tangga atau individu yang telah setuju untuk berbagi informasi pribadi dan ikut serta dalam studi reguler atau pengukuran penggunaan media mereka secara berkelanjutan untuk jangka waktu tertentu.
Tetapi, tidak semua panel sama. Ada dua jenis utama:
Panel probabilitas
Peserta panel probabilitas dipilih untuk mewakili populasi tertentu (seperti pemirsa TV nasional atau pasar radio lokal). Perusahaan riset sangat berhati-hati dalam mengelola proses perekrutan dan menjaga integritas statistik panel dari waktu ke waktu. Hal ini berarti merekrut panelis, mendaftarkan perangkat baru tanpa penundaan, memperhitungkan perubahan ukuran dan komposisi rumah tangga, dan memastikan data secara akurat mencerminkan apa yang dilakukan orang. Panel TV dan audio Nielsen adalah panel probabilitas.
Panel pilihan (kenyamanan)
Peserta dalam panel partisipasi menjadi sukarelawan dengan menanggapi undangan umum dari perusahaan riset. Karena hanya jenis orang tertentu yang mungkin merespons undangan tersebut, panel partisipasi tidak mewakili populasi tertentu. Namun, panel ini sangat berguna dalam pengukuran audiens. Panel ini membantu dalam memahami bias dalam identitas, digunakan sebagai input kalibrasi untuk menyempurnakan model, dan dapat memvalidasi dan mengoreksi informasi pihak ketiga dari mitra big data. Di Nielsen, panelis yang ikut serta tidak selalu aktif melakukan pengukuran, tetapi kami menggunakan panel besar kami yang ikut serta untuk memvalidasi catatan pihak ketiga dari mitra big data.
Data panel probabilitas, dikombinasikan dengan data sensus yang menunjukkan pendapatan, usia, dan susunan rumah tangga, memberikan Anda gambaran akurat secara statistik tentang siapa yang mengonsumsi media.
Bersama-sama, panel probabilitas dan panel partisipasi dapat memberikan wawasan konsumsi media secara langsung, mengkalibrasi dan menghilangkan bias dari data tingkat sensus, dan memastikan gambaran paling akurat tentang keterlibatan audiens di seluruh perangkat.
Untuk apa para panelis mendaftar?
Beberapa panel membutuhkan partisipasi aktif daripada pasif. Panelis mungkin diminta untuk mengisi survei rutin, menekan tombol untuk memverifikasi bahwa mereka menonton TV, atau mengenakan perangkat untuk merekam aktivitas di luar rumah seperti mendengarkan radio di mobil atau menonton olahraga di bar. Panelis lain tidak memerlukan komitmen apa pun selain mengizinkan perusahaan riset untuk memasang perangkat keras atau perangkat lunak (dikenal sebagai "meteran") untuk merekam penggunaan media mereka di belakang layar: program TV apa yang mereka tonton, misalnya, atau podcast, situs web, atau aplikasi yang mereka gunakan.
Partisipasi aktif, dibandingkan dengan pengukuran otomatis, sering kali diperlukan untuk mendapatkan data tingkat orang yang paling tepat dan memaksimalkan nilainya. Untuk menjaga kerja sama tetap tinggi-yang sangat penting untuk menjaga kualitas data yang tinggi-perusahaan riset yang serius berinvestasi besar-besaran dalam pengalaman panelis untuk menghilangkan gesekan di setiap langkahnya.
Di Nielsen, kami memiliki empat jenis panel yang berbeda:
- TV - Panel probabilitas yang mengukur siapa, apa, bagaimana, dan di mana pemirsa TV dan streaming
- Audio - Panel probabilitas yang mengukur konsumsi audio di rumah dan di luar rumah di tingkat lokal dan nasional dan terdiri dari pasar meteran dan diary
- Digital - Bergantung pada pasarnya, probabilitas meteran dan / atau panel partisipasi yang mengukur eksposur iklan dan konten untuk komputer, seluler, dan di seluruh platform
- Peserta - Panel partisipasi panelis terdaftar dan tidak terukur untuk meningkatkan aset panel terukur kami dengan fitur-fitur seperti kalibrasi data besar dan validasi identitas
Bagaimana panel media digunakan?
Meskipun data panel dapat digunakan oleh perusahaan riset yang mencari tren konsumen atau lembaga pemerintah yang ingin memantau kebiasaan konsumsi penduduk, data panel media paling sering digunakan oleh perusahaan media, merek, dan pengiklan yang ingin memahami pemirsa konten serta jangkauan dan frekuensi kampanye iklan.
Untuk jaringan, penerbit, dan penjual media lainnya, data panel membantu mereka mengetahui ukuran audiens, kebiasaan, dan tren mereka, yang kemudian digunakan untuk menginformasikan pemrograman, penetapan harga, dan strategi distribusi konten.
Untuk merek, pengiklan, dan pembeli media lainnya, data panel digunakan untuk memahami siapa yang benar-benar melihat iklan mereka, platform mana yang lebih disukai oleh audiens target mereka, dan memprediksi bagaimana perilaku ini dapat berubah dari waktu ke waktu.
Apakah panel sudah ketinggalan zaman di era data besar?
Anda mungkin berpikir: Apakah kita masih memerlukan panel sekarang karena kita memiliki data besar dari dekoder, smart TV, platform streaming, saluran media sosial, jaringan media ritel, dan semua yang ada di antaranya?
Itu adalah kesalahpahaman yang populer.
Pertama, data besar (seperti data pengenalan konten otomatis {ACR} dari smart TV) dapat memberi tahu kita apa yang sedang diputar di layar, namun tidak dapat memberi tahu siapa yang menonton, atau berapa banyak teman dan keluarga yang mungkin sedang duduk di sofa dan menonton juga. Faktanya, tidak mungkin untuk mengetahui dari data besar saja apakah sebuah acara atau film sedang diputar di ruangan yang kosong. Tidak ada yang mau membayar untuk media tanpa penonton.
Terlebih lagi, big data tidak mewakili seluruh audiens media. Satu-satunya cara yang bisa dilakukan adalah jika semua orang menggunakan teknologi yang sama dan memiliki akses ke konten yang sama yang tersedia bagi mereka. Sebuah perusahaan TV kabel mungkin memiliki puluhan juta pelanggan, tetapi para pemirsa tersebut tidak semuanya membayar untuk saluran yang sama atau menonton program yang sama.
Tanpa kemampuan untuk mengidentifikasi audiens yang sebenarnya dan kemudian menentukan dan mewakili profil demografis pemirsa, mustahil bagi perusahaan riset yang hanya mengandalkan big data untuk menduplikasi audiens di berbagai platform, perangkat, dan layanan-dan menggabungkan keseluruhan cerita.
Bagaimana Anda mendapatkan yang terbaik dari kedua dunia?
Untuk memperjelas, bias yang berasal dari masalah pengambilan sampel atau non-respons dapat melumpuhkan panel probabilitas seperti halnya kumpulan data yang besar. Namun dengan ukuran yang tepat, perhatian yang tepat terhadap detail, dan pemahaman yang tajam tentang statistik, panel yang dikelola dengan baik masih merupakan cara terbaik untuk mewakili populasi umum dan memberikan estimasi yang dapat diandalkan tentang komposisi audiens di ekosistem media yang sangat beragam saat ini.
Jadi, apakah big data sama sekali tidak berguna? Tentu saja tidak! Skalanya memungkinkan untuk menganalisis penggunaan media dengan sangat terperinci, dan dengan kalibrasi yang tepat dan pemodelan berbasis orang, kumpulan data besar dapat menawarkan wawasan yang tak ternilai untuk pemrograman yang panjang dan pemirsa yang sulit dijangkau.
Sejumlah organisasi, termasuk Federasi Pengiklan Dunia, sekarang percaya bahwa kombinasi panel dan data besar adalah masa depan pengukuran audiens yang sebenarnya, dan banyak perusahaan riset yang bekerja keras untuk mengembangkan kemampuan ini.
Nielsen Perlu Diketahui mengulas dasar-dasar pengukuran audiens dan mengungkap topik-topik terhangat di industri media. Baca setiap artikel di sini.
Catatan
1. Dua contoh awal yang terkenal adalah Panel Konsumen Nasional, yang diluncurkan oleh Samuel Barton pada tahun 1942 di bawah inisiatif Kantor Administrasi Harga Roosevelt untuk mengukur konsumsi rumah tangga atas barang-barang yang dijatah selama Perang Dunia II; dan panel di balik Indeks Radio Nielsen, yang diluncurkan pada tahun yang sama oleh Arthur C. Nielsen untuk merekam aktivitas menyalakan/mematikan dan menyetel saluran radio dengan menggunakan alat mekanis yang pertama kali dikembangkan di MIT: Audimeter.
