Televisionomaisten sisältöjen ja niiden katseluun tarkoitettujen laitteiden ja -alustojen määrä on moninkertaistunut 2000-luvulla. Pirstaloitunut katsojuus haastaa perinteiset mittausmenetelmät, jotka tuottavat dataa ainoastaan lineaarisen television katselusta. Miten television katsojamittaritutkimus on vastannut näihin muutoksiin?
Katsojamittaritutkimus laajenee uusille alustoille
Viime vuosina perinteisiä katsojamittaritutkimuksia on pyritty kehittämään niin, että ne tavoittavat eri laitteilla ja alustoilla tapahtuvan katselun. Esimerkiksi kotimaisen Finnpanelin TV-mittaritutkimus on vuodesta 2018 kattanut televisionkatselun kaikilla päätelaitteilla. Tutkimus yhdistää Finnpanelin paneeliperheistä saatavaa tietoa sekä TV-yhtiöiden videomittausdataa. (Finnpanel.fi 2018.) Myös Ison-Britannian televisioyhtiöiden perustaman BARB:n Project Dovetail yhdistää erilaisia aineistoja: katsojapaneelista saatavaa dataa ohjelmien tavoittavuudesta, katsojien demografiasta ja katsojamääristä sekä päätelaitekohtaista dataa televisioyhtiöiden suoratoistopalvelujen (BVOD; broadcasting video on demand) käytöstä (Barb.co.uk 2019).
Mittaukseen liittyy kuitenkin vielä haasteita. Perinteisen katsojamittaritutkimuksen suurin ongelma tällä hetkellä on se, ettei globaalien maksullisten tai mainosrahoitteisten suoratoistopalvelujen (mm. Netflix, Facebook) katsojamääristä saada vertailukelpoista tietoa. Tähän mennessä esimerkiksi Netflix on julkaissut ainoastaan arvioita muutamien ohjelmiensa katsojamääristä (ks. esim. BroadbandTVNews.com 2019). Vaikka niin kutsuttu FAANG-ryhmä (Facebook, Apple, Amazon, Netflix ja Google) on ilmaissut halukkuutensa osallistua yhteisen katsojamittaridatan tuottamiseen, ongelmaksi voi muodostua se, ettei vertailukelpoista dataa pystytä keräämään. Televisio-ohjelmien katselua eri laitteilla pystytään jo mittaamaan, mutta erilaisia audiovisuaalisia sisältöjä kulutetaan eri tavoin erilaisilla alustoilla. Erilaiset palvelut tuottavat erilaista dataa, eikä kaikille palveluille sopivaa yhteistä mittaustapaa saada välttämättä kehitettyä. (TBIVision.com 2018) Entä onko lineaarisen television haastajilla lopulta edes kiinnostusta jakaa algoritmiensä tuottamaa dataa kilpailijoidensa kanssa?
Uudet toimijat ja uudet mittauskohteet
Katsojamittaritutkimusta ovat aiemmin hallinneet muutamat paikkansa vakiinnuttaneet toimijat. Niiden rinnalle on viime aikoina ilmestynyt haastajia, jotka lähestyvät katsojamittausta aivan uusista lähtökohdista.
Vuonna 2016 perustettu Parrot Analytics tuottaa globaalia tietoa sisältöjen kysynnästä ja trendeistä. Big dataa hyödyntävillä laskentamenetelmillä yhtiö tuottaa omien sanojensa mukaan tietoa miljardien ihmisten televisionkatselusta. Dataa kootaan lähinnä sosiaalisesta mediasta, kuten Facebookista, Twitteristä, Tumblrista ja Instragramista, mutta myös Wikipediasta, Google-hauista, IMDB:stä, arvostelusivustoilta (kuten Rotten Tomatoes), blogeista ja vlogeista. (K7 Media, September 2018: The Metrics Minefield. Audience Data: Who Can You Trust?)
Ampere Analysis puolestaan keskittyy SVOD-palveluihin ja tulevaisuuden ennustamiseen. Yhtiö kokoaa tietoa tilaajamääristä ja SVOD-yhtiöiden tuloista ja yhdistää sen kahdesti vuodessa toteutettavaan kuluttajakyselyyn, jossa tutkitaan laitteiden, sovellusten ja palveluiden käyttöä, katselutottumuksia ja kulutusta. Lisäksi Ampere Analysis seuraa tarjolla olevia kanavia ja palveluja sekä niiden tarjoamaa sisältöä. (K7 Media, September 2018: The Metrics Minefield. Audience Data: Who Can You Trust?)
Netflixin Bird Box -elokuvan synnyttämä maailmanlaajuinen hypetys herättää kysymyksen siitä, millaista dataa tulevaisuudessa tarvitaan ja miten sen luotettavuutta tulisi arvioida. Onko alan toimijoiden kannalta tärkeämpää saada tietoa siitä, mistä kuluttajat ovat kiinnostuneet ja millaisiin some-ilmiöihin he osallistuvat vai siitä, millaisia sisältöjä todellisuudessa katsotaan? Entä mitä arvoa tiettyjen sisältöjen kysynnästä kertovalla datalla on, jos jakelijat osallistuvat itse aktiivisesti viraali-ilmiöiden luomiseen?
Yksityiskohtaista dataa yksittäisistä katsojista vai big dataa globaaleista massoista?
Siinä missä katsojamittaritutkimus tuottaa keskiarvoihin perustuvia katsojaprofiileja, älytelevision ja mobiililaitteiden kautta käytettävät suoratoistopalvelut tuottavat yksityiskohtaista dataa yksittäisten ihmisten todellisesta katselusta. Datan avulla katsojille suositellaan heitä mahdollisesti kiinnostavia ohjelmia sekä esitetään valikoituja, tietylle kohderyhmälle suunnattuja mainoksia (nk. addressable TV; ks. esim. Neodatagroup.com 2018.)
Uudetkaan katsomista ja kysyntää analysoivat tutkimustavat eivät välttämättä tuota vastauksia ohjelmien tilaajien ja tekijöiden kannalta olennaisiin miksi-kysymyksiin: miksi juuri nämä sisällöt kiinnostavat kuluttajia? Koeyleisöjä ja pieniä vastaajamääriä hyödyntävällä laadullisella tutkimuksella on siis edelleen paikkansa erityisesti sisältöjen ideoinnissa ja testaamisessa. Vaikka big datan avulla voidaan tuottaa tietoa valtavista käyttäjämääristä ja globaaleista trendeistä, pienillä katselualueilla on myös tärkeää tuntea edelleen oma yleisönsä. Miljardien kuluttajien kiinnostuksenkohteita analysoivat globaalit tutkimukset eivät kerro mitään siitä, mitä Pihtiputaan mummo haluaa televisiostaan katsoa.
