Tại sao dữ liệu bảng lại quan trọng trong truyền thông?
![](https://cdn.brvn.vn/topics/1280px/2023/334463_334463-panel-data-cover_1693389506.jpg)
Gần một thập kỷ qua, việc thiết kế mẫu và thu thập dữ liệu đã trở thành tiêu chuẩn vàng trong ngành nghiên cứu. Chúng được xem là công cụ chính xác nhất để đo lường khán giả của phương tiện truyền thông.
Theo dõi bài viết dưới đây để tìm hiểu về dữ liệu bảng (panel data), tầm quan trọng của chúng cùng xu hướng phát triển trong tương lai.
Bài viết được lược dịch từ tựa blog “What is panel data, and why does it matter?” thuộc series "Need to Know" của Nielsen – đánh giá những nguyên tắc cơ bản về đo lường khán giả và giải mã những chủ đề nóng nhất trong ngành truyền thông.
Mẫu (panel) là gì?
Trong nghiên cứu truyền thông, mẫu được hiểu đơn giản là một nhóm hộ gia đình hoặc cá nhân đồng ý chia sẻ thông tin của mình và tham gia vào các nghiên cứu thường xuyên hoặc khảo sát về việc sử dụng phương tiện truyền thông trong một khoảng thời gian nhất định.
Tuy nhiên, không phải tất cả mẫu đều giống nhau. Chúng được phân thành 02 loại chính:
Nguồn: Nielsen
Mẫu xác suất (Probability panels)
Những người được chọn bằng phương pháp lấy mẫu xác suất sẽ đại diện cho một nhóm dân số cụ thể. Ví dụ như khán giả truyền hình quốc gia hoặc thị trường radio địa phương.
Công ty nghiên cứu sẽ tập trung vào việc tuyển chọn người tham gia, cũng như duy trì tính toàn vẹn của dữ liệu theo thời gian. Công việc cụ thể bao gồm:
- Tuyển chọn đáp viên
- Bảo đảm các thiết bị mới (của đáp viên) được đăng ký và ghi nhận một cách nhanh chóng vào hệ thống
- Tính toán các thay đổi về kích thước và thành phần hộ gia đình
- Đảm bảo dữ liệu phản ánh chính xác hành vi người dùng
Chọn mẫu xác suất là phương pháp được Nielsen áp dụng trong các nghiên cứu về hành vi của khán giả xem TV và nghe audio.
Mẫu thuận tiện (Opt-in panels)
Chọn mẫu thuận tiện là một kỹ thuật để lấy mẫu phi xác suất, dựa trên sự thuận lợi hay tính dễ tiếp cận của đối tượng. Đối tượng tham gia là những người đồng ý phản hồi lời mời (phỏng vấn/ khảo sát) của điều tra viên. Do đó, phương pháp này rất khó xác định tính đại diện của mẫu.
Tuy nhiên, lấy mẫu thuận tiện rất hữu ích trong việc đo lường khán giả vì:
- Chỉ ra được các sai số trong danh tính của đáp viên
- Được sử dụng như đầu vào hiệu chuẩn để điều chỉnh mô hình nghiên cứu
- Có thể xác thực và sửa đổi thông tin được cung cấp bởi bên thứ ba – đối tác dữ liệu lớn (big data partners)
Đối tượng tham gia chọn mẫu phi xác suất (mẫu thuận tiện) là những người đồng ý phản hồi lời mời (phỏng vấn/ khảo sát) của điều tra viên.
Nguồn: Envato
Tại Nielsen, đáp viên của nghiên cứu lấy mẫu thuận tiện không bị theo dõi xuyên suốt. Bởi vì mẫu này được dùng để kiểm tra và đảm bảo tính chính xác của thông tin từ các nguồn dữ liệu được cung cấp bởi đối tác dữ liệu lớn.
Dữ liệu của mẫu xác suất, kết hợp với dữ liệu dân số về thu nhập, tuổi và thành phần hộ gia đình, giúp bạn có cái nhìn tổng quan về đối tượng đang sử dụng phương tiện truyền thông.
Còn dữ liệu của mẫu xác suất và thuận tiện khi kết hợp với nhau có thể cung cấp thông tin trực tiếp về việc sử dụng phương tiện truyền thông, hiệu chuẩn và loại bỏ các sai số từ dữ liệu mang tính đại diện và đảm bảo cái nhìn chính xác nhất về tương tác của khán giả trên các thiết bị.
Người tham gia cần làm gì?
Một số nghiên cứu yêu cầu sự chủ động của đáp viên thay vì âm thầm theo dõi. Người tham gia nghiên cứu có thể phải thường xuyên điền khảo sát, nhấn nút để xác minh họ đang xem TV, hoặc đeo một thiết bị để ghi lại các hoạt động ngoài trời như nghe radio trong xe hơi hoặc xem thể thao tại quán bar.
Tuy vậy, cũng có những nghiên cứu không yêu cầu cam kết nào khác ngoài việc ủy quyền cho công ty cài đặt một thiết bị cứng hoặc phần mềm (gọi là “đồng hồ đo”) để ghi lại hậu trường sử dụng phương tiện truyền thông của họ. Chẳng hạn như xem chương trình TV nào hoặc nghe các podcast, lướt web, hoặc ứng dụng gì.
Nguồn: Pexels
So với đo lường tự động, hình thức yêu cầu đáp viên chủ động cung cấp thông tin, thường nhằm thu thập chính xác dữ liệu cá nhân và tối ưu hóa giá trị của nó. Do đó, để duy trì sự hợp tác với đáp viên cũng như chất lượng dữ liệu, các công ty nghiên cần cứu nghiêm túc đầu tư vào trải nghiệm của người tham gia để loại bỏ cản trở khi thực hiện nghiên cứu.
Nielsen có 4 loại mẫu khác nhau:
- TV – sử dụng kỹ thuật chọn mẫu xác suất để đo lường thông tin về: người xem là ai, họ đang xem nội dung gì, hành vi của họ ra sao, và địa điểm khi xem TV và streaming.
- Audio – sử dụng kỹ thuật chọn mẫu xác suất để đo lường mức độ tiêu thụ nội dung dạng âm thanh tại nhà và ngoài trời theo cấp địa phương và quốc gia. Dữ liệu của người tham gia nghiên cứu này sẽ được thu thập theo phương pháp ghi chép nhật ký (diary market) hoặc chỉ số đo lường (metered market).
- Digital – được chọn theo phương pháp lấy mẫu xác suất hoặc thuận tiện tùy vào lĩnh vực nghiên cứu, nhằm đo lường mức độ hiển thị quảng cáo và nội dung trên máy tính, thiết bị di động thông qua các nền tảng.
- Participant – được chọn theo phương pháp lấy mẫu thuận tiện, gồm những người đã đăng ký thiết bị với hệ thống và không được đo lường theo chỉ số cụ thể. Mẫu này phục vụ cho hiệu chuẩn dữ liệu lớn và xác thực danh tính.
Nguồn: Nielsen
Các mẫu của phương tiện truyền thông được dùng như thế nào?
Khác với dữ liệu bảng (panel data) – được sử dụng bởi công ty nghiên cứu hoặc tổ chức chính phủ nhằm tìm kiếm xu hướng và thói quen tiêu dùng của người dân, dữ liệu bảng truyền thông (media panel data) được sử dụng nhiều nhất bởi các công ty truyền thông, thương hiệu và nhà quảng cáo để hiểu về lượng người xem nội dung cũng như phạm vi tiếp cận và tần suất của chiến dịch quảng cáo.
Đối với các nhà đài, nhà cung cung cấp truyền hình, nhà sản xuất, nhà phân phối và các nhà bán dịch vụ truyền thông, dữ liệu bảng giúp họ biết về kích thước, thói quen và xu hướng của khán giả của mình, từ đó sử dụng thông tin này để lập kế hoạch phát sóng, định giá và phân phối nội dung.
Đối với thương hiệu, nhà quảng cáo và người mua dịch vụ truyền thông, dữ liệu bảng được dùng để hiểu ai đang thực sự xem quảng cáo của họ, nền tảng nào mà khán giả mục tiêu của họ ưa thích và dự đoán sự thay đổi của hành vi theo thời gian.
Liệu mẫu nghiên cứu có lỗi thời trong thời đại big data?
Có thể bạn đang nghĩ rằng: “Liệu chúng ta có cần lấy mẫu nữa không khi đã có dữ liệu lớn từ các hộp đầu thu, TV thông minh, nền tảng phát sóng trực tuyến, mạng xã hội và mạng lưới truyền thông bán lẻ?”.
![](https://cdn.brvn.vn/editor/2023/08/A42_334463-panel-data-5_1693389331.jpg)
Big data có thể cho biết TV đang phát gì trên màn hình, nhưng không thể cho chúng ta biết ai đang xem, hoặc có bao nhiêu người bạn và thành viên gia đình có thể đang xem cùng.
Nguồn: Unsplash
Tuy nhiên, đó là một hiểu lầm phổ biến.
Bởi trước hết, big data (ví dụ như dữ liệu nhận dạng nội dung tự động – ACR từ TV thông minh) có thể cho chúng ta biết đang phát gì trên màn hình, nhưng không thể cho chúng ta biết ai đang xem, hoặc có bao nhiêu người bạn và thành viên gia đình có thể đang xem cùng. Thực tế, chỉ dựa vào dữ liệu lớn thì không thể biết liệu một chương trình TV hay một bộ phim có đang được xem trong phòng trống không. Không ai muốn trả tiền cho phương tiện truyền thông mà không có khán giả.
Hơn nữa, big data không thể đại diện cho toàn bộ khán giả truyền thông. Dữ liệu này chỉ có thể đại diện nếu tất cả mọi người sử dụng cùng công nghệ và truy cập vào cùng nội dung. Một công ty truyền hình cáp có thể có hàng triệu người đăng ký, nhưng những người xem này không phải ai cũng trả tiền cho cùng các kênh hoặc xem cùng chương trình.
Nếu không có khả năng xác định khán giả thực và mô tả nhân khẩu học của người xem mà chỉ dựa vào big data, các công ty nghiên cứu sẽ không thể loại bỏ khán giả trùng lặp trên các nền tảng, thiết bị và dịch vụ, đồng thời tổng hợp toàn bộ câu chuyện lại với nhau.
Làm thế nào để kết hợp được mẫu và big data?
Các sai số chọn mẫu hoặc sai số không hồi đáp có thể làm hại đến một mẫu xác suất cũng như một bộ dữ liệu lớn.
Nhưng với kích thước mẫu phù hợp, quan sát chi tiết và hiểu biết về thống kê, mẫu vẫn là một tập hợp phù hợp để đại diện cho dân số và cung cấp ước lượng đáng tin cậy về cấu thành của khán giả trong hệ sinh thái truyền thông đa dạng ngày nay.
Vậy big data có hoàn toàn vô ích không? – Dĩ nhiên là không.
Tính quy mô của big data cho phép phân tích mức độ sử dụng phương tiện truyền thông một cách chi tiết, đồng thời hiệu chuẩn phù hợp và mô hình hóa dựa trên thông tin thực của con người. Các bộ dữ liệu lớn có thể cung cấp những insight vô giá về những đối tượng khó tiếp cận và cho các kế hoạch dài hạn.
Một số tổ chức hiện nay, chẳng hạn như World Federation of Advertisers, tin rằng sự kết hợp giữa mẫu và big data là tiêu chuẩn tương lai của việc đo lường khán giả. Nhiều công ty nghiên cứu đang nỗ lực phát triển những khả năng này.
Theo Lam Phương / Brands Vietnam
* Nguồn: Nielsen