패널과 패널이 생성하는 데이터는 거의 한 세기 동안 리서치 업계의 표준이 되어 왔으며, 여전히 미디어 오디언스를 측정하는 가장 정확한 도구로 사용되고 있습니다.

패널 데이터를 분석하는 과정을 따라가 보세요: 패널 데이터의 정의, 중요한 이유, 그리고 앞으로의 방향에 대해 알아보세요.

패널이란 정확히 무엇인가요?

미디어 조사에서 패널은 개인 정보를 공유하고 정기적인 연구 또는 일정 기간 동안 미디어 사용량에 대한 지속적인 측정에 참여하는 데 동의한 가구 또는 개인 그룹을 의미합니다. 

하지만 모든 패널이 동일한 것은 아닙니다. 크게 두 가지 유형이 있습니다:

확률 패널 데이터는 가구의 소득, 연령 및 구성에 대한 인구조사 데이터와 결합하여 누가 미디어를 소비하는지 통계적으로 정확하게 파악할 수 있습니다.

확률 및 옵트인 패널을 함께 사용하면 직접적인 미디어 소비 인사이트를 제공하고 인구조사 수준의 데이터에서 편향을 보정 및 제거하며 여러 디바이스에서 시청자 참여도를 가장 정확하게 파악할 수 있습니다.

패널리스트는 무엇을 위해 가입하나요?

일부 패널은 수동적인 참여가 아닌 적극적인 참여가 필요합니다. 패널은 정기적인 설문조사를 작성하거나, 버튼을 눌러 TV를 시청하고 있는지 확인하거나, 차 안에서 라디오를 듣거나 바에서 스포츠를 시청하는 등 집 밖에서의 활동을 포착하는 장치를 착용해야 할 수도 있습니다. 다른 패널은 리서치 회사에 하드웨어 또는 소프트웨어('미터'라고 함)를 설치하여 시청 중인 TV 프로그램이나 사용 중인 팟캐스트, 웹사이트 또는 앱 등 미디어 사용 내역을 기록하도록 승인하는 것 외에는 어떤 약속도 요구하지 않습니다. 

가장 정확한 사람 수준의 데이터를 수집하고 그 가치를 극대화하기 위해서는 자동화된 측정이 아닌 적극적인 참여가 필요한 경우가 많습니다. 높은 데이터 품질을 유지하는 데 매우 중요한 협력 관계를 유지하기 위해 진지한 리서치 기업들은 모든 단계에서 마찰을 없애기 위해 패널 참여자 경험에 많은 투자를 합니다. 

닐슨에는 네 가지 종류의 패널이 있습니다: 

- TV - TV 및 스트리밍 시청자의 누가, 무엇을, 어떻게, 어디서 시청하는지 측정하는 확률 패널
- 오디오 - 지역 및 국가 수준에서 가정 내 및 가정 밖 오디오 소비를 측정하는 확률 패널로, 계량 및 다이어리 시장으로 구성됩니다
- 디지털 - 시장에 따라 컴퓨터, 모바일 및 여러 플랫폼에서 광고 및 콘텐츠 노출을 측정하는 계량 확률 및/또는 옵트인 패널입니다
- 참여자 - 빅데이터 보정 및 신원 확인 등의 기능으로 측정된 패널 자산의 향상을 위한 등록된 비계량 패널리스트의 옵트인 패널입니다.

미디어 패널은 어떻게 사용되나요?

패널 데이터는 소비자 트렌드를 파악하려는 리서치 회사나 인구 소비 습관을 모니터링하려는 정부 기관에서 사용할 수 있지만, 미디어 패널 데이터는 콘텐츠 시청률과 광고 캠페인 도달 범위 및 빈도를 이해하려는 미디어 회사, 브랜드 및 광고주들이 가장 많이 사용합니다.

네트워크, 퍼블리셔 및 기타 미디어 판매자의 경우 패널 데이터를 통해 시청자 규모, 습관 및 트렌드를 파악하여 프로그램 편성, 가격 및 콘텐츠 배포 전략을 세우는 데 활용할 수 있습니다. 

브랜드, 광고주 및 기타 미디어 구매자는 패널 데이터를 사용하여 누가 실제로 광고를 보는지, 타겟 오디언스가 선호하는 플랫폼이 무엇인지 파악하고 시간이 지남에 따라 이러한 행동이 어떻게 변화할지 예측할 수 있습니다.

빅데이터 시대에 패널은 쓸모없나요?

이렇게 생각할 수도 있습니다: 셋톱박스, 스마트 TV, 스트리밍 플랫폼, 소셜 미디어 채널, 리테일 미디어 네트워크 및 그 사이의 모든 것에서 빅데이터를 확보하고 있는 지금 굳이 패널이 필요할까?

이는 널리 알려진 오해입니다.

우선, 빅데이터(스마트 TV의 자동 콘텐츠 인식{ACR} 데이터 등)는 화면에서 무엇이 재생되고 있는지는 알 수 있지만 누가 시청하고 있는지, 소파에 앉아 함께 시청하고 있는 친구나 가족이 몇 명인지 알 수는 없습니다. 사실 빅데이터만으로는 빈 방에서 어떤 프로그램이 재생되고 있는지, 어떤 영화가 상영되고 있는지 알 수 없습니다. 시청자가 없는 미디어에 비용을 지불하고 싶어하는 사람은 아무도 없습니다.

또한 빅데이터는 전체 미디어 시청자를 대표하지 않습니다. 모든 사람이 동일한 기술을 사용하고 동일한 콘텐츠에 액세스할 수 있는 경우에만 가능합니다. 한 케이블 회사의 구독자 수가 수천만 명일지라도 모든 시청자가 동일한 채널에 비용을 지불하거나 동일한 프로그램을 시청하지는 않습니다.

실제 오디언스를 식별하고 시청자의 인구통계학적 프로필을 정확히 파악하여 표현할 수 있는 능력이 없다면 빅데이터에만 의존하는 리서치 회사가 플랫폼, 기기, 서비스 전반에서 오디언스의 중복을 제거하고 전체 스토리를 통합하는 것은 불가능합니다.

두 가지 장점을 모두 누리려면 어떻게 해야 할까요?

분명히 말하지만, 표본 추출이나 무응답 문제로 인한 편향성은 대규모 데이터 세트만큼이나 확률 패널을 무력화시킬 수 있습니다. 그러나 적절한 규모, 세부 사항에 대한 적절한 주의, 통계에 대한 예리한 이해만 있다면 잘 운영되는 패널은 여전히 일반 인구를 대표하고 오늘날의 엄청나게 다양한 미디어 생태계에서 오디언스 구성에 대한 신뢰할 수 있는 추정치를 제공하는 가장 좋은 방법입니다.

그렇다면 빅 데이터는 완전히 쓸모없는 것일까요? 물론 아닙니다! 빅데이터의 규모 덕분에 미디어 사용량을 훨씬 더 세밀하게 분석할 수 있으며, 적절한 보정과 사람 기반 모델링을 적용하면 롱테일 프로그램과 도달하기 어려운 오디언스에게 귀중한 인사이트를 제공할 수 있습니다.

현재 세계광고주연맹을 비롯한 많은 조직은 패널과 빅데이터의 결합이 진정한 오디언스 측정의 미래라고 믿고 있으며, 많은 리서치 회사들이 이러한 기능을 개발하기 위해 노력하고 있습니다.

참고

^1. 1942년 루스벨트 대통령의 물가 관리국 이니셔티브에 따라 사무엘 바튼이 2차 세계대전 중 배급품의 가정 소비를 측정하기 위해 시작한 전국 소비자 패널과 같은 해 아서 닐슨이 MIT에서 처음 개발한 독창적인 기계 장치인 오디미터를 사용하여 라디오 온/오프 및 채널 조정 활동을 포착하기 위해 시작한 닐슨 라디오 지수 패널이 대표적인 초기 예시입니다.