“在电视和视频上”是一栏，探索高级电视和视频中的机会和挑战。
今天的专栏是乔纳森·威尔斯（Jonathon Wells），数据科学高级副总裁尼尔森。
技术的好处似乎无尽。我们可以通过手机检查房屋的安全性，通过无人机接收杂货店 - 甚至可以自动驾驶公园的驾驶汽车。我们的电视正在变得同样高级，在平台和频道的不断增长的景观中提供内容选择。
然而，尽管智能电视在未来几年将打开，但它们本身并不会为媒体行业提供对谁使用它们的准确看法。
就像所有连接的设备一样，智能电视增加了用户生成的数据的越来越多的扩散：自动内容识别（ACR）数据是OEM用于捕获智能电视调谐的技术。当结合详细说明的人级行为的信息结合使用时，这些数据集将大大提高受众群体测量科学。
鉴于智能电视的广泛采用及其生产的数据，一系列公司正在寻找ACR数据作为衡量受众的一种方式也就不足为奇了。但是，衡量受众本身是不够的，因为它缺乏受众群体测量中最重要的方面：人。
ACR数据还具有关键的验证缺陷：它要求OEM与屏幕上的图像与参考图像匹配，以确定正在显示哪些内容。
ACR技术解释说
当按设计工作时，ACR技术会监视电视玻璃上投影的图像，并使用它们来推断显示的内容正在显示。服务图像的作用像指纹。但是，在收集指纹之后，该技术需要确定图像出现的网络或平台以及它出现的时间。为了做出确定，它需要与屏幕上的图像与OEM维护参考库中包含的图像匹配。
当技术试图使该匹配匹配时，有三个可能的结果：
- 该图像匹配库中的一个条目
- 该图像匹配库中的多个条目
- 匹配图像不在图书馆中
显然，第一个结果是理想的情况。第二种情况不太理想，它具有一定程度的错误认证风险，仅仅是因为多种匹配的原因。在第三种情况下，没有人获得信誉。最常见的原因是因为OEM无法监视的网络上播出的内容。
填补ACR数据中的空白
即使图像匹配是可行的独立测量解决方案，也永远是不可行的。首先，维护电视上每个事件的每个事件框架的库的成本不是很小的任务。这将成倍增长。图像也没有标准保留期。
那么，我们如何知道ACR技术将使正确匹配？没有可以填充空白的机制，我们就不会。
这就是为什么尼尔森（Nielsen）投资于水印的原因，这比签名更确定性。它们提供了所有内容的表示形式 - 填补与大数据相关的空白。这样一来，来自ACR等来源的大数据在越来越细分的媒体景观中提供了规模的好处。而且，当我们使用加权控件使用人级查看数据校准大数据时，我们就可以看到否则将是空白的比较点。
在最近的一项研究中，尼尔森（Nielsen）希望了解这些参考库差距影响ACR调谐日志的程度，这是基于ACR测量的基础。在2021年9月的共同房屋分析中，我们分析了我们的数据两个ACR提供商合作伙伴了解参考库差距可能会在哪里进行测量。我们研究了观看源的浓度和可用来源的观察分钟。
在所有来源中，我们发现我们的ACR提供商合作伙伴仅监视31％的可用站。这意味着他们没有在69％的电台中维护参考库中的数据。
当我们查看几分钟时，我们发现23％的分钟来自未经监控的车站。这意味着仅利用ACR数据进行测量的公司将使家庭水平的印象降低23％。
补充数据以进行全图
尽管ACR数据自行限制了限制，但我们了解其提供的规模和达到的机会作为额外的覆盖源。
通过将大数据集与我们的查看数据集成在一起，该数据提供了代表性的衡量美国，我们可以在应用严格的数据科学方法上大大增加样本量，以填补空白，并确保在所有网络和所有网络和所有网络中的公平代表平台。
跟随尼尔森（@Nielsen）和Adex爱游戏体育骗子changer（@爱游戏体育骗子adexchanger）在Twitter上。
