Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Основы РД, Маркетинг и менеджмент.doc
Скачиваний:
26
Добавлен:
30.04.2019
Размер:
944.64 Кб
Скачать

Надежность измерения малых аудиторий

Самый очевидный способ решения проблемы малых аудиторий ≈ это увеличение всей выборки исследования. Возможно также целенаправленное увеличение выборки для измерения конкретной малой аудитории ≈ так называемые "флюсы". Третьим способом повышения надежности измерений является агрегирование результатов измерения. Эти три способа не взаимоисключающие, они могут друг друга дополнять.

Агрегирование данных есть повышение надежности главной информации за счет отказа от второстепенной.

То есть здесь действует принцип "Лучше меньше ≈ да лучше". Какая информация будет являться главной, а какая второстепенной, зависит от целей использования той или иной "измерительной" информации. Например, информация о рейтинге отдельного спота в принципе может представлять интерес, но является явно второстепенной по сравнению с главной информацией ≈ о рекламной кампании в целом, ее GRP, Reach, Frequency, определяющих как затраты на рекламу (исходя из цены за пункт GRP), так и эффективность ее размещения.

Надежность агрегированных оценок аудиторных показателей

Какие же данные можно агрегировать с целью увеличения надежности оценок аудиторных показателей?

  1. Если речь идет о рейтингах рекламной кампании, то от оценки рейтингов спотов и блоков следует перейти к оценке GRP и среднего рейтинга по флайтам и кампаниям, забыв о рейтинге отдельно взятого спота. И дальше оперировать GRP и средним рейтингом по кампании.

  2. Если мы говорим о регулярных программах на малом канале или в утренние часы, где трудно получить надежную оценку рейтинга каждого выпуска, ≈ то для увеличения надежности данных от оценки рейтингов отдельных выпусков следует перейти к оценке среднего рейтинга программы за определенный период времени (неделя, месяц).

  3. Если рассматривается отдельно взятое эфирное событие (программа, спот, минута) или утренний эфир, то здесь проблема остается, но и она не является нерешаемой. Здесь агрегирование может производиться по временным интервалам. Оптимальный временной интервал, по которому имеет смысл агрегировать данные, ≈ 15 минут. При увеличении этого интервала эффект агрегирования уменьшается, сглаживается (в принципе агрегирование данных применимо для любой телевизионной панели, национальной или локальной, но размер выборки национальной панели вполне достаточен для решения практически всех задач без дополнительного агрегирования по 15-минутным интервалам).

15-минутное агрегирование при оценке отдельного эфирного события

Агрегирование до 15 минут по пиплметрам

Правило 15-минутного агрегирования пиплметрических данных:

Каждому i-му респонденту в каждом j-м 15-минутном интервале присваивается вероятность смотрения k-го канала ≈ pijk, равная 1/15 длительности смотрения этого канала в этой 15-минутке. Итак, Pijk ≈ вероятность того, что i-й респондент видел произвольную минуту k-го канала в j-ой 15-минутке. Агрегирование до 15 минут в дневниках

В исследованиях с использованием дневников работает иное агрегирование, хотя тоже 15-минутное. Здесь каждый респондент субъективно, в меру индивидуальных особенностей его дисциплины, памяти и ощущения времени отображает реальный процесс смотрения в 15-минутные записи в дневнике.