Aprovechar los datos a gran escala: perspectivas y obstáculos de la medición de audiencias

Data science siempre ha sido una disciplina poderosa y fascinante para cualquiera que trabaje en medios, pero está a punto de volverse mucho más interesante. Esto se debe a los avances pioneros en el aprovechamiento de conjuntos de datos a gran escala procedentes de diversas fuentes, como televisores conectados, operadores de servicios y plataformas online. Kantar Media ha sido pionera al ser la primera empresa de medición en crear un equipo interno de data science y, con estos nuevos avances, el equipo explora ahora nuevas posibilidades para proporcionar mediciones enriquecidas de la audiencia.

El auge de los televisores conectados (CTV), por ejemplo, está transformando el consumo de medios y ofreciendo abundantes datos para profundizar en las preferencias y comportamientos de la audiencia. Esta riqueza de datos proporciona a las empresas de medios y a los anunciantes un conocimiento exhaustivo de la audiencia, lo que permite recomendaciones de contenidos específicos, campañas publicitarias optimizadas y estrategias de marketing eficaces. Se trata de una tendencia importante, subrayada por grandes empresas como Comcast, Roku y Charter, que invierten en sus propios televisores, lo que pone de relieve la importancia de los CTV como fuente de datos fundamental.

Sin embargo, a medida que se amplían las fuentes de datos (y las opciones de medios), se plantean algunos retos, como la fragmentación de la audiencia. Aquí es donde el data science nos ayuda: integrando datos a gran escala de televisiones conectadas con datos demográficos de paneles, mejorando la granularidad de los insights. Piensa en ello como una forma de reforzar la señal.

Kantar Media está empleando metodologías de data science, lo que permite la asimilación de conjuntos de datos demográficos de panel, con una parte de datos de CTV que amplían el alcance de la muestra. A su vez, esto refuerza la profundidad y fiabilidad de los insights y mejora la granularidad de los datos, como demuestra el trabajo de Kantar Media en Noruega y Finlandia en los últimos cinco años.

Por ejemplo, en un ensayo reciente con el canal infantil español CLAN (RTVE) se aprovechó un segmento de los datos del censo de CTV para ampliar el tamaño de la muestra a 100.000 individuos, lo que mejoró notablemente la granularidad de los datos y produjo perfiles de audiencia diaria más coherentes, eliminando casi por completo los índices de audiencia cero (véase el gráfico siguiente). Tras la fusión de datos, el patrón de audiencia se vuelve más uniforme, al tiempo que se mantienen las tendencias establecidas.

Retos y complejidades

Aunque los beneficios son enormes, la armonización de datos de diversas fuentes en un único conjunto de datos presenta una serie de complejidades y desafíos. Cada fuente de datos, ya sea la audiencia de televisión lineal, las plataformas OTT, los medios digitales o las interacciones sociales, funciona con sus propias métricas y dimensiones. La estandarización de estos diferentes puntos de datos para crear un conjunto de datos unificado presenta una complejidad considerable.

Esta normalización requiere un meticuloso mapeo de las diferentes estructuras de datos, la alineación de las métricas de medición y la conciliación de los diferentes métodos de recopilación de datos. Además, el aspecto temporal aumenta la complejidad: los datos no sólo deben armonizarse entre plataformas, sino también entre periodos de tiempo.

El proceso de unificación también implica superar disparidades técnicas, como los distintos formatos de datos y la posible incompatibilidad entre sistemas. Las fuentes de datos dispares suelen venir con sus propios formatos y estructuras, lo que hace necesario el uso de sofisticadas herramientas y procesos de transformación de datos para integrarlos en un único marco coherente.

Las consideraciones de privacidad también son primordiales, ya que los datos procedentes de distintas fuentes pueden tener distintos niveles de sensibilidad y estar sujetos a diferentes requisitos normativos. Garantizar el cumplimiento de la normativa y, al mismo tiempo, lograr un nivel de granularidad de los datos útil para el análisis es un delicado ejercicio de equilibrio, aunque la aparición de nuevas tecnologías que mejoran la privacidad allanan el camino para obtener nuevos conocimientos sin necesidad de un seguimiento individual intrusivo.

Por lo tanto, para medir de forma exhaustiva el consumo de vídeo a la carta es esencial contar con sólidas asociaciones de datos. Estas asociaciones permiten el flujo de datos de audiencia de las plataformas a las empresas de medición, lo que permite una representación más precisa de qué contenidos se consumen, cuándo y en qué dispositivo.

Estas asociaciones deben construirse sobre una base de confianza y beneficio mutuo, y a menudo requieren extensas negociaciones y acuerdos sobre derechos de uso de datos y protección de la privacidad. Pero todo merece la pena. Para los anunciantes y las empresas de medios de comunicación, estas asociaciones ofrecen en última instancia un conocimiento sin precedentes de los hábitos de visionado, en particular para los servicios AVOD y FAST, donde las metodologías de medición tradicionales pueden quedarse cortas.

¿Y ahora qué?

Como destaca el último Media Trends & Predictions report highlights de Kantar Media, el futuro promete estrategias de datos más refinadas. Se espera que las empresas utilicen cada vez más la modelización predictiva, la mejora de los datos impulsada por la IA y los procesos de datos diversificados. Estos enfoques ayudarán a las organizaciones a ser más proactivas y adaptables, mejorando tanto la creación de contenidos como las estrategias publicitarias.

Sin embargo, a pesar de la gran cantidad de datos disponibles y de nuestras crecientes capacidades, muchas empresas no consiguen sacarles el máximo partido. Esta infraexplotación suele deberse a varios obstáculos, como la falta de tiempo, la insuficiencia de recursos y competencias, o la preocupación por la privacidad y la seguridad. En consecuencia, los datos permanecen ociosos y su potencial para impulsar el crecimiento empresarial sigue en gran medida sin aprovecharse.

Además, aunque los beneficios son enormes, también existen retos como la sobrecarga de datos, los problemas de privacidad y los problemas de calidad de los datos. Así que, a medida que afinemos las estrategias para aprovechar los datos a gran escala, será importante adoptar un enfoque equilibrado, abogando tanto por la explotación del potencial de los datos como por la gestión consciente de sus riesgos asociados. En definitiva, hay mucho por lo que entusiasmarse, y estoy encantado de estar en condiciones de ayudar a las empresas a aprovecharlo al máximo.