ニールセン メジャメント・ジャーナル 理論から実践へ: コンシューマーニューロサイエンスは マーケティングリサーチの主流に ● シングルソースデータから広告の効果を測定する ● クラウドソーシングと 画像処理によるデータ収集の自動化 第 1 巻第 2 号 2016 年 10 月 編集長 SAUL ROSENBERG マネージング エディター JEROME SAMSON レビュー委員会 PAUL DONATO 視聴行動分析部門 R&D 担当 EVP チーフ リサーチ オフィサー MAINAK MAZUMDAR 視聴行動分析部門 データサイエンス担当 EVP チーフ リサーチ オフィサー 調査や計測の世界は変化し続けています。 最近のデータ収集、転送、蓄積および分析の進歩によって、調査機関は かつてないほど大量のデータを利用できるようになりました。しかし、 「ビッグデータ」はデータの質を保証するものではなく、確固たる調査 手法がこれまで以上に重要になってきています。 メジャメント サイエンスは、私たちの仕事の要となるものです。ニー ルセンがご提供するあらゆるデータやインサイトは、絶えず進化を続け る科学的手法とテクニックに支えられています。また、私たちは常に他 の科学者や業界の Thought Leader と協力して革新的なプロジェクトに 取り組んでいます。これらの作業はどれも表には現れないものですが、 だからと言って重要性が低いわけではありません。それどころか、最高 品質のデータをクライアントに提供するために必要不可欠なものなの です。 FRANK PIOTROWSKI 購買行動分析部門 データサイエンス担当 EVP チーフ リサーチ オフィサー こうした極めてエキサイティングな進歩や発展に関する情報を皆様と 共有するために、『ニールセン メジャメント・ジャーナル』(Nielsen Journal of Measurement)を創刊いたしました。 ARUN RAMASWAMY チーフ エンジニア ニールセン メジャメント・ジャーナルへようこそ ERIC SOLOMON SVP プロダクト リーダーシップ SAUL ROSENBERG 『ニールセン メジャメント・ジャーナル』が 2016 年に重点的に取り上 げるテーマは以下のとおりです。 ビッグデータ — このテーマの関連項では、ビッグデ ータを利用して調査方法を改良し、消費者の行動に 対する理解を深める方法を模索します。 アンケート調査 — 最近はあらゆるところでアンケ ート調査が行われていますが、残念ながら科学的な 根拠がなおざりにされているケースが多々ありま す。このテーマの関連項では、アンケート調査が今 日的なニーズに応えられるように進化し続けるため にはどうすべきかに注目します。 脳科学 — マーケティングに対する消費者の脳科学 的、感情的な反応をモニターするための信頼性の高 いツールが種々提供されています。このテーマの関 連項では、急速に進化するこの分野の最新動向をお 伝えします。 アナリティクス — アナリティクスは、今日のあらゆ るビジネス上の意思決定に関わり、データ サイエン スは大いに活用と発展が期待される分野です。この テーマの関連項では、計測のための新しいデータ分 析テクニックをご紹介します。 パネル調査 — パネル調査は、現在、世界中の大規模 計測ソリューションの中心をなしています。このテ ーマの関連項では、パネルの設計、運用、パフォー マンスモニタリングのあらゆる側面を取り上げま す。 テクノロジー — 新しい技術が日々生みだされてお り、その中には私たちの行動を根本から変えてしま うほど画期的なものもあります。このテーマの関連 項では、これらの新技術が計測に与える影響を探求 します。 はじめに ニールセン メジャメント・ジャーナル第 2 号へようこそ 本号では 3 本の特集記事を掲載して、新技術によって可能になった計測機能の重要な進歩について考 察します。最初の記事「理論から実践へ:コンシューマーニューロサイエンスはマーケティングリサー チの主流に」では、現在のコンシューマーニューロサイエンスの各種ツールとその根幹となる理論に ついてご紹介します。こうした手法によって解明できる、特に動画広告の分野での消費者行動と市場 力学について解説します。この分野の最先端の科学者によるインサイトを紹介し、同じケーススタデ ィについて複数のツールを連携させて実現できた最新の画期的な分析について概説します。 2 番目の記事「シングルソースデータから広告の効果を測定する」では、シングルソースデータを用 いて、広告露出と売上のデータギャップを埋める手法を解説します。ポイントカードの購入データと、 ビッグデータの処理・調整を行う高度なアルゴリズムを用いた新しい技術が生まれています。この記 事で説明するプロセスは、広告効果測定に新たな進展をもたらすものと思われます。長い年月をかけ、 業界トップ企業との密接な協力によって生み出されたこのプロセスは、既に何千件ものケーススタデ ィにおいて成果をあげています。 3 番目の記事「クラウドソーシングと画像処理によるデータ収集の自動化」では、消費者から直接食 料品のレシートを収集するというパイロットプロジェクトについて考察します。このプロジェクトは、 スマートフォンのカメラ、OCR（光学式文字認識）アルゴリズム、そして最新のクラウドソーシング手 法を使い、POS データを偏りなく入手することが困難な世界中の多数の市場を対象とするものです。 こうした市場のすべての小売店舗について正確な分析を行うには、POS データを他の方法で補完する 必要があります。そして目下のところ、その方法は手作業でのデータ収集です。その自動化に向けた 道筋をつけようとするイギリスでのプルーフ・オブ・コンセプト（概念実証）について、非常に有望 な構想であることをこの記事で解説します。 本号では他にも、4 つのスナップショットを掲載し、変化し続けるメディア視聴環境に対応するため にニールセンが力を注ぐ新たな取り組みについて、最新情報をご紹介します。今や周知のことですが、 テレビの視聴方法はほんの数年前とはすっかり様変わりしています。従来の放送形態が崩れたわけで はありませんが、新しいデジタルシステムによって課題が突きつけられているのです。こうした新し い番組編成方法と配信方法によって、視聴者は大きな選択の自由度が得られるようになった一方で、 調査会社にとっては計測がさらに複雑なものになっています。 「スナップショット」と呼んでいるこの 4 本の短い記事では、新しい環境下でテレビ視聴率データを取得する最新の技術的ソリューション（ハ ードウェアとソフトウェアの両方）について解説します。それらのソリューションを通じて明らかに なった視聴者の行動の変化について考察します。また、将来の視聴率計測を予測する新手法について も取り上げています。本誌のこの最新号をどうぞお楽しみください。 JEROME SAMSON ― マネージングエディター 第 1 巻第 2 号 NIELSEN JOURNAL OF MEASUREMENT 本号の内容 特集 本編記事では、今日の業界でとりわけ重要な計測の課題と機会について、ニールセンの考えをご紹介します。 1. 理論から実践へ: コンシューマーニューロサイエンスは マーケティングリサーチの主流に-------------------------------------------------------- 6 シングルソースデータから 2. 広告の効果を測定する--------------------------------------------------------------------- 14 クラウドソーシングと画像処理による 3. データ収集の自動化-------------------------------------------------------------------------21 スナップショット 本誌では、計測に関する最新の話題を「スナップショット」としてサマリー形式でご紹介し ます。ここでご紹介したスナップショットは、本編記事の中で詳しく解説していきます。 1. さらに小型、低価格、強力に: Nano メーター------------------------------------- 27 何もかもひっくるめて: あらゆるデジタルテレビでの 2. インプレッションを計測するための SDK---------------------------------------------- 29 ひとりじゃない: OTT が誰かと一緒にテレビを見ることを 3. 再びクールなものにする？ ------------------------------------------------------------- 31 機械学習を活用して、変化する 4. 4 メディア ランドスケープにおける将来のテレビ視聴率計測を予測------------ 33 Nielsen Journal of Measurement, 第 1 巻第 2 号 特集 理論から実践へ: コンシューマーニューロサイエンスは マーケティングリサーチの主流に MICHAEL E. SMITH — ニューロサイエンス ソリューションズ VP CARL MARCI — ニールセン チーフ ニューロサイエンティスト はじめに 一般的な消費者は通常、1 日に数千もの広告に接しま すが、それらは、個人の態度や行動にはっきりと影響 を与えることはないと考えられています。 効果的な広告と、ROI 目標を達成できない広告の違い はどこにあるのでしょうか。かつて広告は、商品やサ ービスの利点に関する事実を伝えることによって効 果をあげると考えられていました。そして、ほとんど 6 の人は、消費者は論理的であり、さまざまな製品やサ ービスを比較し、自分のニーズに照らし合わせ、自分 の最も望むものを選択すると考えていました。しかし 広告の効果に関する最近のさまざまな研究から、実は そうではないことを強く示唆する多くの証拠が出て きました。 最近の研究から明らかになりつつあるのは、効果的な Nielsen Journal of Measurement, 第 1 巻第 2 号 広告は、消費者から感情的な反応を引き出していると いうことです。例えば、Binet と Field は、2009 年に 『Journal of Advertising Research』誌に掲載され た研究の中で、イギリスの 800 以上の広告キャンペー ンについて精査しました。対象としたキャンペーンは、 いずれも設定したビジネス目標に対して、売上、市場 シェア、価格に対しての感応度、利益などにおいて「厳 しい」結果になりました。意外なことに、データから 明らかになったのは、感情を中心に据えた広告の方が ビジネス上のインパクトが大きく、また、特に効果が 大きかった広告には理性的なコンテンツがほとんど、 あるいは全く含まれていない場合が多かったことで す。さらに最近、消費財業界からこの見解を裏付ける 証拠が報告されており、感情的なコンテンツが含まれ た広告は、理性的なアプローチの広告に比べ、売上高 を押し上げる効果が平均で 9 倍にもなることが示唆さ れています1。 広告の中の感情の要素を計測することは困難ですが、 ブランドマネージャーにとって、広告に対する消費者 の意識下（無意識）の反応を探り、感情関与を計測す るためのツールを見つけることが必須となっていま す。幸いニューロサイエンスの進歩によって、このよ うなツールが実際に使えるものとなりました。しかし、 新しいツールはすべて、確かな理論的基礎があって初 めて結果を正しく解釈できるのです。コンシューマー ニューロサイエンスのツールとその実践的応用法を 紹介する前に、その理論について簡単に述べることと します。 理論的背景 Robert Heath をはじめとする、人目を引く広告とブラ ンディングに関する Thought Leader 達は、広告効果 における「注意喚起力の低さ（Low Attention） 」処理 の理論を広めています。これは、感情に訴える広告は 無意識レベルに働きかけ、ブランドへの潜在的な連想 を強化し、それがその後の購買決定に影響を与える可 能性があるという考え方です。逆に、高い注意レベル と意識的な思考を必要とする広告は、実際にはブラン ドとの関係を損なう可能性があります。また、エーレ ンバーグ・バス・マーケティング科学研究所の Byron Sharp 所長は、著書『How Brands Grow』 （2010 年）の 中で、成功するブランドは「メンタル・アベイラビリ ティ」の水準が高いブランドであり、広告は、シンプ ルで一貫性があり、特徴的で覚えやすいブランドへの 手がかりを強化し、無意識的、且つ直観的に感情的反 応を引き出すことで、そのような「アクセスのしやす さ」を育てることができると述べています。 情緒的広告の優れた効果に関するこの見解は、意思決 定における情緒の役割に関する様々な学術研究、すな わちここ数十年で心理学、行動経済学、ニューロサイ エンスの分野に現れた研究とも一致しています。例え 1 出典: WARC イベントレポート『Procter & Gamble Validates Emotional Marketing』 （Steven Whiteside, 2015 年 3 月） 7 ば、心理学者の Amos Tversky と Daniel Kahneman は、 1970 年代に、人間は合理的に意思決定を行うという考 え方にはっきりと疑問を投げかける調査プログラム を開始しました。研究の結果、感情または情緒の強度 が異なるシナリオを組み立てると、どの選択肢を選ん でも同じような結果が出るにもかかわらず、意思決定 に大きな影響が出ることが分かりました。ノーベル賞 を受賞した Kahneman は、 『Thinking Fast and Slow』 において、初期の研究やその他の幅広い関連研究に基 づき、人間の意思決定は 2 つの独立した認知システム の結果であるとしています。1 つは「スロー」システ ムで、意識に働きかけ、思慮深く努力を伴い理性的で あるのに対し、もう 1 つの「ファスト」システムは意 識に現れにくく、より直観的、無意識的で、連想記憶 に依存し、感情的です。Kahneman は様々な根拠の検討 から、意識しにくい「ファスト」で感情的なシステム の方が、日常的な判断や選択の特徴である何気ない意 思決定にはるかに大きな影響を与える場合があるこ とを示しています。 脳科学の分野からも、感情的な反応が日常的な意思決 定に重要な役割を果たすことを裏付ける証拠が集ま り出しています。ここでいう感情的な反応とは、環境 に対する無意識的な反応と、それに対する脳と身体の 反応のことです。感情のシステムは常にスイッチが入 って作動しています。一般に、環境による刺激には内 面的なもの（思考や記憶など）と外面的なもの（五感 で感じるもの）がありますが、マーケティングや市場 調査の担当者が最も関心を持っているのは、外的刺激 （ブランド、商品、それらに関する消費者のタッチポ イントなど）に対する反応です。感情的な反応は、関 連性に関する感覚情報にタグ付けをし、重要性に関す る信号を送り、脳の中の注意、記憶、行動選択のリソ ースを方向づけ、最終的に将来の行動に影響を与える よう作用します。人は、感情的な反応を引き出す刺激 に直面すると、その反応は身体に現れ、脳の前頭前皮 質に（その他いくつかの部分にも）「ソマティック・ マーカー」として記憶されます。この考え方について、 例えば脳科学者の Antonio Damasio が『Descartes Error: Emotion, Reason, and the Human Brain』の 中で述べています。前頭前皮質は、人間の脳の中でも とりわけ高度に発達した部分で、脳の感情や情報の評 価を司る部分と多くのつながりを持っています。人が 後に同じような経験に直面したとき、記憶中枢が関連 する過去の情動ベースのソマティック・マーカーにア クセスし、無意識のうちに意思決定を助けるような情 報がフィードバックされます。 消費者行動についていうと、このようなソマティッ ク・マーカーは脳内の様々な連関情報と統合され、そ の人の「ブランド知識」を構成する場合があります。 そのためマーケティングにおいては、これらの感情的 な反応を上手に利用して「意味」を作り出し、増幅し、 消費者に感情的な「接近」 （「無視」や「回避」ではな く）の動機を起こさせることがコミュニケーションの 新たな目標となっています。効果的な広告とは、記憶 を肯定的なセンチメントに関連付けることによって 消費者との永続的なつながりを生みだし、最終的にブ Nielsen Journal of Measurement, 第 1 巻第 2 号 ランド、製品、サービスの推薦や購入につながるもの です。 このように消費者の意思決定に関する心理学やニュ ーロサイエンスの基盤について理解が進んだことは、 同時にその計測が困難であることも明らかにしまし た。従来の消費者インサイトの手法は、パネルや POS で顕在的な消費者の購買行動を計測したり、フォーカ スグループやアンケート調査によって購買行動の動 機となりそうな要因を消費者の自己申告をもとに評 価したりするものでした。しかし、自己申告に基づく 行動要因の計測は、消費者が意識的にアクセスできる 情報のみを引き出すことになるため、信頼性に限界が あることが長年問題となってきました。人はもちろん、 求められれば通常は自分の行動を「説明」できます。 しかし、自分自身の認知プロセスや感情プロセスに直 接内省的にアクセスすることは難しいため、このよう な申告は正確とはいえません。 多数の研究が、判断や決定の精神的要因を主観的に意 識して申告することは難しいことを証明しています。 このような自己申告法の限界は、とりわけ意思決定の 情動的要因を理解しようとする場合には深刻です。感 情反応の影響の多くは、無意識的なプロセスの中で生 じるからです。しかし、消費者行動を理解する方法と して自己申告に深刻な限界があるとしたら、何を代わ りにすればよいのでしょうか。 コンシューマーニューロサイエンスの出現と その手法 人間の行動と脳の情報処理に関する基礎研究と応用 研究の進歩は、消費者行動の要因に関する新たなイン サイトを提供するだけではありません。ニューロサイ エンスに基づき、より強力なコミュニケーション手段 を設計するために役立つ新しいツールを生み出して います。ここ 10 年で、脳と身体の生理学的計測や内 潜的反応をリアルタイムで計測することが、消費者の 行動を理解するために重要であるというコンセンサ スができつつあります。革新的なクリエイティブチー ムやブランドマーケティング担当者は、この強みを生 かして、ますます複雑になるメディア環境において勝 ち組になる確率を高めようとしています。ニールセン の経験から見ると、現時点で、世界一流の消費者向け マーケティング担当者のほとんどがこれらの方法を 試験的に採用しており、グローバルなマーケティング のリーダー的な会社は、日常的にそれらを採用してい ます。 広告分野でこれらの手法の利用が拡大し、市場調査に コンシューマーニューロサイエンスというサブジャ ンルができるまでになっています。このアプローチは、 マーケティングコミュニケーションの効果を評価、最 適化するための新しいインサイトを生み出していま す。消費者インサイトに対するニューロサイエンスベ ースのアプローチには、従来の市場調査の手法では対 処できなかった知識のギャップを埋められる可能性 8 があります。無意識的な行動を計測し、生理学的反応 を捉えることによって、自己申告によるアンケート調 査やフォーカスグループにおける限界やバイアスを 大きく回避できます。そのため、この手法を採用する 動きが急速に拡大し、主流になりつつあります。この 変化に対応して、最近有名ビジネススクールのマーケ ティング学部では、コンシューマーニューロサイエン スの専門知識を持つ学者を教員に迎え、大学院や学部 の課程に関連コースを追加し始めています。また、ARF （The Advertising Research Foundation）や ESOMAR といった歴史ある市場調査業界団体のカンファレン スでも、コンシューマーニューロサイエンス関連のコ ンテンツが注目を集めるようになっています。この分 野には、ニューロマーケティング・サイエンス・ビジ ネス協会という独自の専門家協会も生まれ、既に 90 カ国以上から 1,600 を超える会員が集まっています。 コンシューマーニューロサイエンスでは、商業的市場 調査としても、学術研究の一分野としても、従来の実 験心理学や生物医学研究から生まれた幅広い計測方 法を採用しています。ここで、これらのツールの一部 を簡単に紹介します。これらのツールは、何を計測す るか、脳の活動をどれほど直接的に（または間接的に） インデックス化するかによって分類されています。 1. 観察可能な行動を計測するツール 最初のツール群は、生理学的反応というより観察可能 な行動を様々な面から計測するものです。比較的低コ ストで簡単に実施できるため、商業用にはごく一般的 に使われる手法です。これらをコンシューマーニュー ロサイエンスの手法に含めたのは、従来の言葉による アンケートへの回答と異なり、これらの行動は迅速で、 意識に支配されない要因から直接影響を受ける場合 があるからです。これには、例えば以下のようなもの があります。 潜在的反応テスト。この方法は、人が言葉で表現でき ない、または表現しようとしない情報、特に意味的連 想や「感情状態」を理解しようとするときに利用でき ます。消費者に言葉や絵などの簡単な刺激を与え、反 応（すばやくキーを押すなどの簡単な指の動き）のタ イミングを正確に計測することで、ブランドや商品と の無意識的な連想を示すことができます。この方法は、 ブランディング、ブランドとメッセージのポジショニ ング、広告メッセージとパッケージへの反応などに幅 広く利用できますが、テストの刺激に接した後に計測 を行う必要があるという制約があります。 フェイシャルコーディング。カメラ技術とコンピュー タービジョン手法の進化により、この方法は最近、高 いリアルタイム性のソフトウェアにより自動化され ており、消費者がマーケティングコンテンツを経験し たときの感情を表す顔の表情を計測します。人は何ら かの情動状態を経験したときに無意識に顔の動きが 生じ、顔の表情は異なる文化においてもほぼ世界共通 と考えられています。この手法は、刺激が特定の表情 （好感を表す笑顔や不快を表すしかめ面など）を引き Nielsen Journal of Measurement, 第 1 巻第 2 号 出したかどうかを理解するための診断ツールとして 役立つ場合があり、広告の効果を評価する補助的手段 として使われる機会が増えています。ただし、顔の表 情は社会的状況において感情を伝えるために発展し たものなので、大半のマーケティングコミュニケーシ ョンが行われる受動的メディア（テレビ、インターネ ット、屋外看板など）の前ではあまり顕著に表れない ことに注意する必要があります。 アイトラッキング。アイトラッキングでは、赤外線カ メラを使って消費者の目線の方向と目の動きを追い、 画面、店内の棚などのどこを見ているかを特定します。 画面ベースのアイトラッキングには固定カメラが使 われることが多く、歩行中の調査（店内買物客の調査 など）やモバイルデバイスの調査には、通常、ヘッド マウント・アイトラッキング装置が使われます。アイ トラッキングは、消費者がマーケティング担当者の意 図したとおりに広告クリエイティブ、パッケージ、商 品配置など特定の要素に気づくかどうかを具体的に フィードバックするために単独でも利用できますが、 多くの場合、ほかの技術と併用されます。この方法で は、視線の対象に対する脳の情動反応や記憶反応の性 質についての情報は得られません。 2. 自律神経系活動の一部を計測するツール コンシューマーニューロサイエンスのその他の一般 的な手法として、ANS（自律神経系）活動の諸要素を 計測する各種技法があります。ANS は、人体の末梢器 官をほぼ自律的に無意識的に調節する役割を持ち、こ れには心拍、呼吸、発汗、唾液分泌、消化、その他様々 な機能が含まれます。これらの計測値をまとめて「バ イオメトリックス」と呼ぶ場合もあり、心理生理学の 研究室では、情動を喚起する刺激や精神的努力の変化 を必要とするタスクに対し、人にどのような変化が起 きるかを観察するため、何十年も前から使われてきま した。 瞳孔計測。古くからあるバイオメトリックス手法の 1 つは、ブランド・コミュニケーションに反応した瞳孔 の直径の一時的変化を計測するもので、アイトラッキ ングと組み合わせて行われる場合もあります。瞳孔の 直径は ANS によって調節されており、認知負荷の増大 や情動を喚起する刺激が与えられると、瞳孔の直径は わずかに拡大します。瞳孔計測の課題の一つは、認知 や情動の入力変化に対する瞳孔直径の変化は、光量変 化に伴う瞳孔直径の変化に比べわずかであるため、偶 発的な変化と見分けにくい場合があることです。 心拍数。もう 1 つよく使われるバイオメトリックス手 法は、心拍数と心拍変動の変化の計測です。心拍数は、 関心のある刺激に接したり、関心のあるタスクに従事 したりすることによる情動喚起の度合いを計測する 強力な手段です。心拍数（呼吸数も）の変化は身体活 動から強く影響を受けるため、単独で情動喚起の尺度 とするには難しい場合があります。しかし、ウェアラ ブルデバイスの普及とともに、心拍数は専門的な研究 室以外でも収集されるようになり、店舗調査や自宅調 9 査などの環境でも使われるようになりつつあります。 皮膚コンダクタンス。恐らくコンシューマーニューロ サイエンスで最もよく使われるバイオメトリックス 手法は、皮膚電位変化、あるいは GSR（ガルバニック 皮膚反応）の計測でしょう。皮膚コンダクタンスは、 ANS による電気伝導度の尺度で、通常は特殊な発汗細 胞が集中している手のひらか指先で計測します。闘 争・逃走反応、ストレス、感情的エンゲージメントな どの要因を経験すると、特殊な分泌腺の位相変化によ り皮膚コンダクタンスが上昇し、情動喚起の徴候とし て計測できます。心拍数と同様、ウェアラブルデバイ スのトレンド化により、現在は専門の研究室の外でも 皮膚コンダクタンスを収集できるようになっていま す。 3. 脳の生理機能の変化を計測するツール マーケティング資料に対する消費者の脳内の反応を 最も詳細かつ有益な形で表すのは、脳と脊髄で構成さ れる中枢神経系を計測するものです。中でも、脳の生 理機能の変化を直接インデックス化する方法は有益 です。中枢神経系の活動を計測するために様々な方法 が開発されていますが、コンシューマーニューロサイ エンスの分野では、特にこのうち 2 つが重要な役割を 果たします。 fMRI（機能的磁気共鳴画像法）。磁気共鳴画像法は、 大型磁石、電波、可変磁場勾配によって作られた強力 な磁場を使い、非侵襲的に体内構造の高精細画像を作 成する神経放射線学の技法です。1990 年代に最初に導 入されたこの技法は、時間とともに変化する各部位の 血中酸素濃度を特定するために使われます。脳の活動 が活発な部位は、代謝のため多くの酸素を必要としま す。血中酸素濃度の局所的な変化を計測することによ って、脳の各部の相対的な機能活動を推定できます。 この活動マップを構造解剖学的アトラスと対照する ことで、各脳構造の相対的な活動状態を推定すること が可能です。 fMRI 法を使った研究は、学術分野のコンシューマーニ ューロサイエンスにおいて、記憶、評価、報酬、意思 決定などの興味深いテーマについてメカニズムを理 解するために広く使用されています。装置の設置面積 や複雑さ、参加者 1 人当たりのコスト、fMRI の実験と 分析を行うのに必要な時間などいくつかの要因から、 この技術を日常的に商業利用することは困難です。さ らに、参加者は頭部を磁石に囲まれた状態で寝台にじ っと横になっていなければならないため、閉所恐怖症 を引き起こすおそれがあり、参加者が取れる行動の種 類も制限されます。 さらに基本的なレベルでいうと、脳の血中酸素濃度は、 脳の活動の間接的な尺度です。ニューロンは、ミリ秒 単位で発生する電気化学的シグナルによって情報を 伝達しています。しかし、fMRI で観測可能な、局所的 な脳の血中酸素の変化を引き起こすには、脳活動が発 生してから数秒が経過する必要があります。テレビ CM Nielsen Journal of Measurement, 第 1 巻第 2 号 などの素材を調査するために fMRI を利用した研究の ほとんどでは、広告全体を特徴づけるために 1 つの脳 マップを作成します。このため、広告の中で場面ごと のインパクトを計測することは困難です。fMRI は空間 分解能には優れていますが時間分解能に乏しく、広告 のどの瞬間が特定の反応を引き出すのかを特定する ことは困難です。 EEG（脳波検査法）。中枢神経系の活動の変化を評価す るもう 1 つの方法は、EEG（脳波）の計測です。この 技法は、現在商業用として日常的に広く採用されてい ます。EEG は一般に、脳からは少し離れた頭皮にセン サーを装着して脳を観測し、脳細胞の間を流れる律動 的な電流のマスエフェクトを計測します。EEG は通常、 1 秒当たり数 100 回という頻度で抽出されます。EEG の律動パターンの異常は、臨床的にはてんかんの診断 基準であり、EEG パターンの変化は、手術中の覚醒レ ベルを特定したり、睡眠のステージを理解したりする のによく使われます。EEG のタスク関連の変化は、コ ンマ何秒という単位で発生するため、マーケティング 資料に対する脳の反応も、高い時間的精度で捉えるこ とができます。しかし、EEG の 3D 画像処理の技法は正 確さに欠けるため、頭皮から信号を記録している場合、 どの脳構造が信号の発信源かを正確に特定すること は不可能です。 コンシューマーニューロサイエンスは比較的新しい 分野ですが、精神的刺激に反応して EEG がどのように 変化するかという研究は 90 年以上続いており、広告 研究の分野でも EEG の計測は 30 年以上実施されてい ます。EEG 手法によって広告コンテンツを分析する研 究のほとんどは、継続的な EEG の 1 つ以上のスペクト ルの特徴を利用し、そのコンテンツは十分な注意喚起 を引き起こすか、感情的エンゲージメントを生むか、 記憶に残るかを測定しています。それぞれに対応する 指標は、多数の基礎研究や応用研究の文献を基準とし て計測されます。 例えば、環境の刺激に反応して注意に変化が生じたり、 タスク要求に対処するため意図的に注意を集中させ たりした場合、確実にある種の EEG 波形の振幅が減少 します。逆に、同じ波形の振幅増大は、注意が途切れ たり退屈したりしたときに見られる場合があります。 また、EEG を情動的な動機づけや関わりを示す指標と して使っている文献も多数あります。左右の前頭前野 の活動を示す EEG 指標は不均等であり、情動的な経験 と関連があることが 20 年前から分かっています。特 に、左脳の活動の方が活発であることを示す EEG 指標 は、接近の動機（刺激に引かれる）と関連し、右脳の 活動の方が活発な場合、回避の動機（刺激との関わり を避ける）と関連しています。したがって、感情を喚 起する静止画像や関わりを強める動画広告コンテン ツを見ると、「近づきたい」という指標を示す前頭部 EEG で不均等な指標が増大することが分かっています。 このような尺度は、研究室環境で仮想購買決定を予測 するときにも使われています。 EEG が有効なのは感情の測定だけではありません。記 10 憶の活動についても、テレビ CM 視聴中に EGG のパラ メーターに変化があった場合、視聴後に個々の場面や ブランド・商品情報を認識または記憶している可能性 と相関することが分かっています。マーケティングコ ミュニケーション中に記憶を活性化すると、既存のブ ランド・商品表示とのつながりが創造、強化されて学 習可能になり、将来のインタラクションでその情報を 利用できるようになったり、将来の購買決定などの行 動につながったりします。コンマ数秒の単位で計測が 可能なため、そのようなレベルで脳の反応が分かれば、 場面ごとにきめ細かく診断ができ、クリエイティブ開 発の参考になります。 EEG の技術的な課題と装置のコストは、fMRI と比べる と安価です。しかし、意味あるインサイトを引き出す には、細心の注意と専門知識が必要です。何よりも、 EEG の信号は、脳以外の様々な要因によって影響を受 けやすいのが特徴です。信頼性の高い結果を得るには、 厳しく管理された研究室レベルの環境で調査を実施 し、高度な信号処理によってノイズを除去する必要が あります。さらに、EEG をもとに有意義な推論を行う には、頭皮全体を覆うセンサー配列によって包括的に 信号を記録する必要があり、調査対象は静止画像（印 刷広告やパッケージなど）または短い動画（動画広告 など）が適しています。電極を大幅に減らしたり、医 療機器の精度に満たない装置を使ったり、専門的かつ 実証を経たトレーニングを受けていない人が実施し た計測は、信頼できない可能性が高いといえます。 概して、コンシューマーニューロサイエンスの技術に よって、かつてないほど効果的に、ブランドの成否を 説明し、解釈することが可能になりました。これまで のところ、これらのツールは、初期段階と最終段階の 広告の評価、最適化に最もよく使われています。パッ ケージデザインや店頭でのマーチャンダイジング、そ の他小売体験の諸要素（POS 資材、商品ディスプレイ・ 売り場デザイン、価格設定、オンライン体験）の参考 に広く利用されています。ニールセンのラボでは、ニ ューロサイエンスベースのツールは、製品体験、新商 品のコンセプトとデザイン、ブランドと商品のポジシ ョニングを評価するためによく使われています。さら に、ニューロサイエンスベースのツールは、ビデオ、 静止画、ウェブなどのさまざまメディアでも、コンテ ンツ全体を体験した場合のインパクトを探るために 利用される機会が増え始めています。 研究室での観察から市場力学へ これらのツールで行った計測を、さらに規模の大きい 実世界の行動とどのように関連付けるべきでしょう か。整った研究室の環境で行われる少数のサンプル調 査で得られた結果から、消費者の市場での行動を予測 できるでしょうか。 少数の研究室ベースのサンプルを使って市場での母 集団の活動を予測する研究は増え続けています。例え Nielsen Journal of Measurement, 第 1 巻第 2 号 ば、Falk のチームの研究（その後 UCLA で行われ、現 在はペンシルベニア大学でも実施されている）では、 fMRI を使って脳の局所的な血中酸素の変動を計測す る方法で、PSA（公共サービス広告）に接した少人数 の「ニューラル・フォーカスグループ」の脳の反応を 計測することにより、様々な公衆衛生に関する直接反 応広告キャンペーンにおける、コールセンターの処理 量を予測できるとしています。前頭前野腹内側部を含 む脳の様々な部位の活動変化を計測することで、コー ルセンターの処理量を十分に予測できることが分か りましたが、興味深いことに、それぞれのコピーの相 対的な説得力を参加者本人に評価させたところ、結果 に十分な相関は見られませんでした。このことから、 参加者は PSA によるやや無意識的な脳へのインパクト を、意識の上で正確に理解していないことが分かりま す。同じ研究者のグループは、各種コミュニケーショ ンキャンペーンに対しても、脳の計測による予測の有 効性について、同様の結果を報告しています。 これまでに実施されたこの種の研究で最大級のもの の 1 つに、テンプル大学の研究者が ARF と協力し、大 手広告主とメディア企業の出資のもと、多種多様なコ ンシューマーニューロサイエンスの技術と、マーケテ ィング・ミックス・モデリングで見積もった市場での 売上増分の関係を調査した研究があります。この研究 では、脳の腹側線条体と呼ばれる部位（通常は情動や 行動の報酬と関連する部位）が、最も強力にテストさ れた広告に対するマーケットでの実際の反応を予測 することが分かりました。さらにテンプル大学のチー ムは、筆者の 1 人（Marci、当時 Innerscope Research） が率いる研究チームと協力し、バイオメトリックス反 応と fMRI の結果を組み合わせたスーパーボウルの研 究を行いました。その結果、バイオメトリックス指標 で高い感情関与が見られた広告では、腹側線条体をは じめ、その他の重要な情緒・記憶センターである前頭 前野、扁桃核、海馬などの活動も活発になることが分 かりました。 ニールセンでは、クライアントと共同で、テレビ CM への接触に対する感情関与と記憶のスコアの変化に ついてラボで計測を行いました。中でも、ラボで EEG による広告パフォーマンスの計測を行った数百件の テレビ広告について売上の増分を関連付けるモデル を作成し、両者の間に密接な相関を見いだすことがで きました。つまり、ほかの条件が同じである場合、 「ニ ールセン ニューロ」のスコアが高ければ、マーケッ トシェアの増加は平均以上になる可能性が高いとい うことができます。とりわけ、視聴者との関与の強さ が平均以上のクリエイティブには、約 25％の売上増が 見られ、EEG 計測値が平均を下回る広告は、売上の増 分も平均を下回りました2。 研究者らは、広告の効果に加え、エンターテイメン ト・コンテンツに対する脳の反応に関するラボの調査 が、集団レベルの行動にどこまで一般化できるかも検 証しています。例えば、数年前、エモリー大学の Gregory Berns 率いる研究者グループは、少人数の参 加者に 15 秒の音楽クリップを聴いてもらいながら fMRI でスキャンし、その反応を計測する調査の結果を 報告しました。これらのクリップに対する主観的な嗜 好の評価には、音楽の潜在的売上との関係は見られま せんでした。しかし、脳の報酬処理にかかわる部位の 活動を計測したところ、それらの楽曲のその後の全体 的な文化的アピールや商業的成功と大きく相関する ことが分かりました （Nielsen Soundscan により計測）。 最近 Nature Communications で報告された別の調査に よると、ある研究者グループは EEG ベースの手法を使 い、研究室で参加者にプライムタイムのテレビ番組 1 話分を視聴してもらい、各参加者の EEG の類似点を検 証しました。被験者間の EEG パターンの類似性は、母 集団の番組視聴率の変化（ニールセン テレビ視聴率 データの変動により計測）や当該番組に関する Twitter 活動の変化（Nielsen Social により計測）を かなり予測できると研究者グループは報告しました3。 ニールセンの独自調査でも、幅広いジャンルのテレビ 番組について、EEG によりエンゲージメントの強いセ グメントを計測することで、同様に Twitter での活動 を予測できることが証明されました4。 これらは、研究室でニューロサイエンスの手法により 計測した消費者の反応に関するデータが、母集団の市 場力学の予測に十分有用であるとの見方を強力に裏 付ける最近の業界イニシアティブのごく一部です。 複数の手法の統合 コンシューマーニューロサイエンスの分野は、初期の 成功を足掛かりに、ここ 10 年で急速に発展してきま した。医療研究から商業分野まで、画期的な新技法が 開発、改良され、多くのニューロサイエンティストな どの研究者が、これらの新技法を使って幅広いマーケ ティングの疑問に答えていく機会を見いだしていま す。彼らは情熱的であるがあまり、コンシューマーニ ューロサイエンス研究の各技法にはそれぞれ強みと ともに限界もあり、どのツールを使うのが最も適して いるかは、主にその課題の性質によって決まることを 見落としている場合もあります。 研究者は、これらのツールの応用範囲を広げ過ぎたり、 あるいは 1 つの技術に頼って多くの問題に答えようと して問題を単純化し過ぎたり、過大に問題解決を約束 してしまう場合があります。盲目の男たちと象の寓話 のように、コンシューマーニューロサイエンス研究で よく使われる計測方法はそれぞれ、マーケティング・ メッセージに対する消費者の反応について有益なイ 3 “Audience preferences are predicted by temporal reliability of neural processing”. Nature Communications, July 29, 2014, 5: 4567 2 4 http://www.nielsen.com/us/en/insights/news/2016/were-ruled-b y-our-emotions-and-so-are-the-ads-we-watch.html http://www.nielsen.com/us/en/insights/news/2015/social-tv-a-b ellwether-for-tv-audience-engagement.html 11 Nielsen Journal of Measurement, 第 1 巻第 2 号 ンサイトを与えてくれます。しかし、1 つのアプロー チだけでこの「魔物」の性質をすべて表すことはでき ません。 ニールセンでは、個々の計測方法による限界を回避す るため、より総合的なアプローチを研究しています。 各種方法を組み合わせてマーケティングコミュニケ ーションを評価する方法です。この統合アプローチで は、最初に動画広告に焦点を当てました。動画広告は、 マーケティング担当者にとって、依然として多くの視 聴者に接触して ROI を押し上げる強力な手段です。こ こ数年で動画広告の情勢は大きく変化しましたが（特 にデジタルの各事業者が従来のテレビ以外の方法を 提供したため） 、1 つだけ変わらない事実があります。 適切に制作すれば、従来のメディアであれデジタルメ ディアであれ、動画広告は最も信頼される広告形式の 1 つであるということです5。いい加減に制作された動 画広告は、雑然としたメディア情勢をさらに混沌とさ せるだけです。 ニールセンは、動画広告に関する消費者のインサイト を深め、広告主の ROI を高めるために、ニューロメト リックス、バイオメトリックス、アイトラッキング、 フェイシャルコーディング、セルフレポートを 1 つの 総合的な評価ツールに統合する画期的な方法を開発 しています。この統合計測ツール「Video Ad Explorer」 は、最近ニールセンのニューロサイエンスラボでグロ ーバルに導入され、動画広告などの効果測定用途にお いて「新常識」になりつつあります。これまでにない 診断品質を誇り、広告関連各業界のクライアントから 高い初期評価を得ています。 この統合的アプローチを紹介するため、ある公共サー ビスの広告に使用する方法を説明しましょう。これは、 最近 Ad Council と共同で実施した調査の一部です6。 このプロジェクトでは、責任ある父親としての役割を 果たそうとする男性を励まし応援することで長期に わたって成功している Ad Council の「父親の子育て 関与」キャンペーンから過去の広告を選び、総合計測 ツールを使用しました。 サンプルケースは、 「チアリーダー」と題する 30 秒の PSA です7。これは、小学生の娘の練習に協力しようと 一緒にチアダンスを踊る父親を映すユーモラスな広 告です。参加者（全員父親）がこの広告を視聴する間、 中枢神経系（頭部全体の EEG 記録）や自律神経系（GSR と心拍数）の記録など、様々な計測を行いました。ア イトラッキングやフェイシャルコーディングなどの 顕在的行動も計測し、参加者はこの広告についてセル 5 http://www.nielsen.com/us/en/insights/reports/2015/global-trust -in-advertising-2015.html 6 Ad Council は、広告とメディアから資源とボランティア人材 を集め、PSA キャンペーンを作成、提供する米国の非営利 組織です。 7 この広告は以下で視聴可能です。 https://www.youtube.com/watch?v=hTIzjVxvV2U 12 フレポートも行いました。 この PSA（公共サービス広告）は、年配の女性がマン ションの自室に 1 人で座っている場面から始まり、女 性が外から聞こえる騒音に顔をしかめます。カメラが 屋外に移ると、1 人の男性が熱心に歌いながらチアダ ンスを踊っています。さらにカメラが引くと、小さな 娘が父親の動きをまねています。途中でナレーターが 「ほんの些細な瞬間が子供の人生に大きな影響を与 えることがあります」と語ります。2 人はチアダンス を繰り返し、ナレーターは続けて視聴者に対し、子育 てのヒントなどの情報を得るために電話をかけるか ウェブサイトにアクセスするよう呼びかけます。 図 1: チアリーダーの広告を EEG、バイオメトリック ス、フェイシャルコーディングで分析 EEG によるエンゲージメント バイオメトリックスによる エンゲージメント フェイシャルコーディング 否定的 驚き 肯定的 アンケート形式のセルフレポートでは、視聴者はこの 広告を楽しんだと答えましたが、ニューロサイエンス で視聴者の反応を計測すると、より複雑なエンゲージ メントの状況が見えてきます（図 1 参照） 。バイオメ トリックスによるエンゲージメントの軌跡を見ると、 自律神経喚起のピークは、チアダンスを踊る父親と娘 の姿が現れた瞬間と最終シーンです。EEG によるエン ゲージメントの軌跡（EEG をベースとした感情関与、 記憶、注目の計測値から計算）を見ると、視聴者が場 面ごとの変化に応じて広告の説話のメンタルモデル を構築する間、さらに複雑ないくつものピークがある ことが分かります。さらに、フェイシャルコーディン グからは、参加者がまずマンションの女性のネガティ ブな感情を映し、次に父親またはチアリーダーが登場 したときに驚き、終盤にかけ楽しいまたは幸せな気持 ちになったことが分かります。さらにアイトラッキン グ（上の図には含まれていない）では、終盤に俳優と その他の主要情報（電話番号など）の間の競合が起き、 最適化や改善の余地があることが分かるなど、別の診 断を行うことができます。 Nielsen Journal of Measurement, 第 1 巻第 2 号 方法によって違いが出るのが、特に興味深い点です。 バイオメトリックスの結果は、この広告には 2 つの無 意識的な焦点があることを示しました。EEG は変化が めまぐるしく、よりきめ細かく場面ごとの調整のヒン トが得られます。また、フェイシャルコーディングの 結果による情動表現の方向性から、EEG とバイオメト リックスの反応の解釈を修正できます。そして重要な のは、システマティックな表情の変化がなくても EEG の軌跡から反応を記録できた点に注目することです。 何故なら、フェイシャルコーディング単独では重要な 脳の変化を見落としていたと考えられるからです。こ のようなマルチレイヤー分析によって細部にわたっ てインサイトが得られれば、広告を制作するクライア ントや代理店にとって大きな違いを生みます。 しかし、進歩は続いています。今後数年間で、メディ ア消費についてさらに総合的、理論的に理解する方法 が現れ、ニールセンは新しいマーケティングの課題に 対処するため、新しい計測ツールと計測手法を開発す ることになるでしょう。コンシューマーニューロサイ エンスは、今や単なる研究分野にとどまりません。将 来の計測ソリューションを定義する上で欠かせない 役割を担うものになるでしょう。 全体として、この総合的な結果から言えることは、ビ デオコンテンツ視聴に伴う消費者の反応パターンに 関して、それぞれが異なる独自の情報を提供するとい うことです。総合すると、コンシューマーニューロサ イエンスの技法は従来の枠組みの欠点を克服するこ とに役立ち、マーケティング担当者が調べたいと思う 多くの点において、はっきりと正確で、詳細なデータ を提供してくれます。 学問の世界から CMO のデスクまで これは本当に画期的なことです。学問の世界から CMO のデスクまで、ニューロサイエンスによる計測は効果 的なマーケティングコミュニケーションの方法と根 拠について新たなインサイトを提供します。そして、 動画広告から店頭ディスプレイまで、商品パッケージ から新しい手法のマーケティング支援まで、コンシュ ーマーニューロサイエンスは、大幅な診断能力の向上 によって急速にクリエイティブ・プロセスに欠かせな い要素になりつつあります。 これですべての答えが出たと考えていいのでしょう か。もちろん、そうではありません。人間は複雑です。 私たちは広告メッセージの最も明白な刺激に反応す るとは限りません。好きなものを避けることもあれば、 嫌いなものを探し求めることもあります。私たちのコ ンテンツの使い方は日々変化しており、消費者の心と 頭をめぐる競争はかつてないほど激しくなっていま す。私たちは、モバイルプラットフォームの小さな画 面でますます多くのコンテンツを見て、さらに多くの マルチタスクを並行しています。このような状況下に おける私たちの脳の状態が、大画面でコンテンツを見 たり、リビングルームに座ってくつろいでいるときと 同じであるはずがありません。ニューロサイエンスの ツールは、消費者が出かけているときでも、ほかのこ とに気を取られている時でも、消費者の反応を捉えら れるように微調整する必要があります。また、広告キ ャンペーンの多くはマルチプラットフォーム化して おり、それぞれのプラットフォームがキャンペーン全 体のインパクトにどれだけ貢献しているかを引き出 すのは困難な場合があります。 13 Nielsen Journal of Measurement, 第 1 巻第 2 号 シングルソースデータから 広告の効果を測定する PAULINA BERKOVICH — シニア アナリスト LESLIE WOOD — ニールセン カタリナソリューションズ チーフ リサーチ オフィサー はじめに 広告の効果を知るにはどうすればよいのでしょうか。 広告キャンペーンによる店頭売上実績を直接計測す る方法はあるのでしょうか。研究者やマーケティング の専門家は、何十年にもわたり広告効果の測定に取り 組んできました。昔からの笑い話で、John Wanamaker は 1 世紀以上前に、 「われわれが広告に使ったカネの 半分は無駄遣いだと分かっている。分からないのは、 どちらの半分かだ」と言ったとされています。幸い、 広告効果に対する理解はその段階はとうに過ぎてい ますが、広告効果の測定とパフォーマンスの最適化が 広告主にとってもメディア企業にとっても課題であ ることに変わりはありません。 14 ここ数年、膨大なショッパーデータベースのおかげで、 業界は斬新な調査方法を開発できるようになりまし た。中でも NCS（ニールセン カタリナソリューション ズ）の研究者は、シングルソースデータセットに基づ き広告キャンペーンが売上高に及ぼす直接的な影響 を計測する画期的な方法を導入しました。これらの 「売上効果調査」は、広告キャンペーンを見た世帯の 購買行動の変化を計測し、それを広告に接触しなかっ た同様の世帯の行動と比較するための強力なソリュ ーションとなります。ここでは、これらの調査を取り まとめる方法について詳しく述べます。 Nielsen Journal of Measurement, 第 1 巻第 2 号 売上効果調査の利点 従来の広告効果の調査は、別々のパネルやデータセッ トから広告接触データや売上データを収集していま したが、売上効果調査はシングルソースデータセット に基づいています。すなわち、同じ世帯の広告接触デ ータと売上データを収集するというものです。シング ルソース以前の研究者は、全く異なるデータソースの 間の相関から結論を導き出そうとするしかなく、特定 の商品に対する支出の変化も、市場全体のレベルで評 価するしかありませんでした。このような分析は、外 部要因によって複雑になる場合もあり、具体的にどの 広告が売上を押し上げたのか、そもそも広告によって 売上が増えたのかを特定することは困難でした。シン グルソースデータの出現によって、外部要因について 調整し、購買行動の変化を正確に世帯が視聴した広告 と結びつけることができるようになりました。 これらの新しい調査は、広い範囲の企業にとって価値 があります。広告主にとっては、キャンペーンの計画、 実行、計測を行う全体的なアプローチの中で決定的に 重要な要素です。キャンペーンを分析して得られたイ ンサイトをもとに、最も効果的なメディアに予算とイ ンプレッションを割り当て、将来の広告費に対する収 益率を高めることができます。一方、メディア企業に とって、売上効果調査は広告主への説明を示すもので あり、今後の投資拡大を説くために役立ちます。 広告キャンペーンは、様々な目的を念頭に置いて実施 されています。最も基本的な目的は、短期的・長期的 にブランドの売上拡大を目指すものです。しかし、よ り詳細に見ると、その目的は多岐にわたります。顧客 に新製品を試してもらうためかもしれませんし、去っ ていった顧客を老舗ブランドに取り戻すためかもし れません。競合ブランドからシェアを奪おうとしてい る可能性も、既存のブランド顧客の支出を増やそうと している可能性もあります。シングルソースデータを 使えば、購買行動の変化を詳細に定量化し、支出の増 分を計算できるだけでなく、その他多くの疑問（新た に商品を試そうとする世帯が多かったのか。どの競合 からシェアを奪ったのか。どの顧客セグメントが最も 広告に反応しているか。既存客がもっと頻繁に商品を 買ってくれないか。 ）にも答えを出すことができます。 これらのインサイトはすべて、ブランドの本当の強み を明らかにし、将来、より効果的なキャンペーンを計 画するために利用できます。 NCS は、売上効果調査を使って、デジタル、モバイル、 テレビ、ラジオ、雑誌、クライアントの保有データを 使ったダイレクトマーケティングなど、多数のチャネ ルのキャンペーンを分析します。ニールセンのシング ルソースデータセットには、数百カテゴリーに及ぶ 4 万 4,000 ブランド以上の 2 年間の購買データが蓄積さ れています。シングルソースデータセットの購買デー タは、重複を除き 9,000 万世帯以上のポイントカード から得たもので、カタリナのデータウェアハウスの一 部です。カタリナの小売店には、大手食料品店やドラ ッグストアチェーンもあり、それらのデータを組み合 15 わせて、各世帯の支出を全体として捉えます。データ に含まれる商品カテゴリーは、食品、飲料、ベビー用 品、ペットフード、雑貨をはじめ多種多様です。これ までに数千のキャンペーンについて調査を実施し、広 告主がキャンペーンの成果を業界ノームと比較でき るようにベンチマークを作成しています。 これらの調査をどのように実施しているか見ていき ましょう。 売上効果調査は通常、以下の手順に従います。 キャンペーンにタグ付けし世帯を選択する 購買データに対し全店舗調整を適用する 広告接触世帯と比較する広告非接触世帯を マッチングする 世帯レベルの売上増分を計測する 売上増分の要因を特定する リーチとリターンを計算する キャンペーンにタグ付けし世帯を選択する 売上効果の計測が指示されると、どの世帯が接触した かだけでなく、どのバージョンの広告クリエイティブ に接触したかが特定できるように、キャンペーンを構 成するすべてのクリエイティブユニットにタグが埋 め込まれます。これがシングルソースデータセットの 「メディア接触」要素とみなされます。タグ付けに対 応しているメディアタイプには、アドレサブルテレビ、 デジタル、モバイルが含まれます。ラジオキャンペー ンはコードで追跡され、雑誌キャンペーンの接触は、 対応する出版社と契約している世帯と二次（回読）読 者数によって特定できます。テレビのデータはニール センのパネルとセットトップボックスから収集しま す。 Yahoo や AOL などのオンラインパブリッシャーパート ナーは、ファーストパーティクッキーを使って 1 つの 世帯に接触を紐付けます。これを「ダイレクトマッチ」 と言い、この場合にはパブリッシャーが既に必要な紐 付け情報をすべて持っているため、タグ付けは必要あ りません。一方、サードパーティクッキーの場合、サ ードパーティ企業が世帯に接触を紐付けし、利用者情 報をオーバーレイする必要があります。これは通常プ ログラマティック広告に使われる技法で、「インダイ レクトマッチ」または「クッキーマッチ」と呼ばれま す。いずれの場合も、どの世帯においても個人が特定 されるような情報は付加されません。データに含まれ る全世帯のプライバシーを保護するため、各世帯は匿 Nielsen Journal of Measurement, 第 1 巻第 2 号 名で ID 番号によって表されます1。 世帯が売上効果調査にカウントされるためには、調査 に使われる購買データの基礎となるポイントカード を積極的に使っていること（Homescan 世帯の場合、購 買を積極的にスキャンしていること）を確認するため、 キャンペーン前の「購買スタティック」を満たす必要 があります。キャンペーン後には追加スタティックが 適用されます。第 2 スタティックは、できるだけキャ ンペーン前と同じ比率を維持します。例えば、ある調 査のキャンペーン前が 4 四半期、キャンペーン後が 2 四半期で、対象世帯が資格を得るには、キャンペーン 前のスタティックで 4 四半期のうち 2 四半期に特定の 商品を購入することが条件となる（1/2 の比率）場合、 その世帯がカウントされるためには、キャンペーン後 の 2 四半期のうち少なくとも 1 四半期で（つまり同じ 1/2 の比率で）購入を登録する必要があります。 スタティック スタティックの目的は、支出金額のうちなるべく多く を残すとともに、大量のデータが失われている世帯を 除去することです。特定の商品またはカテゴリーの支 出がゼロの世帯は、本当にその商品を購入していない （統計用語で「真陰性」と言います）ことが重要です。 スタティックは、データ品質を保護する必要性と、頑 健な分析基盤を築くため、十分な世帯を保持する必要 性のバランスをとるために必要なものです。これは研 究の世界にとって決定的に重要であり、継続的に検討 すべきテーマです。ニールセンは現在、次の表のよう に、商品部門（商品カテゴリー）ごとに異なるスタテ ィックを使用しています。 含まれる売り場 最低購入金額 最低購入回数 食品 パン、乳製品、惣菜、冷凍食品、食品雑貨、 $30 食肉、農産物 4 四半期に 3 回 ヘルスケア ヘルスケア $5 4 四半期に 2 回 パーソナルケア・美容 美容、パーソナルケア $5 4 四半期に 2 回 食品以外 雑貨、家庭用品、ペットケア用品 $10 4 四半期に 3 回 サンプルサイズは、キャンペーン期間や商品カテゴリ ーの規模によって様々です。Homescan による調査の場 合、一般的なサンプルサイズは数千世帯です。オンラ イン調査の場合、通常、最大限のテストグループを作 成します。ある極端なケースでは、オレンジジュー ス・カテゴリーで複数月にわたるキャンペーンがあり、 サンプルサイズが約 200 万世帯にのぼりました。サン プルサイズに関して満たすべき唯一の制約は、調査対 象品目の最低購入者数です。頑健な購入者数が揃わな ければ、調査群と対照群の購買の差は統計的に有意と は言えません。フリークエントショッパー調査の場合、 購入者数は一般に多くなりますが、これも商品カテゴ リーによります。インスタントブレックファストの調 査では、購入者数は 4,000 人強でした。一方、家庭用 品の調査では 10 万人以上でした。 ントは広告キャンペーンがブランドのうち特定のサ ブセットの購入に与えたインパクトを分析すること ができ、カテゴリーの定義によって、そのブランドが 特定の商品グループの中で競合からどれだけシェア を獲得したかを計算することができます。正確な結果 を得るには、包括的かつ最新の UPC リストが必要です。 調査では、各世帯が購入している商品をどのように特 定するのでしょうか。売上効果調査の品目とカテゴリ ーはすべて、NCS データ中の既存の分類か、クライア ントが提供するカスタム UPC リストのいずれかを使っ て定義されます。正確な商品定義によって、クライア 1 NCS は、所有データに含まれる全世帯のプライバシーを保護 することを約束しています。NCS のプロトコルを業界標準に適 合させるため、専門のプライバシー委員会が常時 NCS プロト コルを検討、改定しています。シングルソースデータの可能性 がさらに発展しても、セキュリティ保護が最も重要な問題であ ることに変わりありません。 16 Nielsen Journal of Measurement, 第 1 巻第 2 号 購買データに対し全店舗調整を適用する カタリナの小売パートナーには、大手ドラッグストア チェーンや食料品店が含まれます。これらの小売業者 を合わせるとかなりの規模の FSD（フリークエントシ ョッパーデータセット）になりますが、消費者が商品 やサービスを購入する可能性のある全店舗を網羅し たリストではありません。そのため、Nielsen Homescan パネルとニールセンの RMS（リテール メジャメント サービス）2 が補完します。Homescan のパネルは、主 なデモグラフィックデータが全米を代表する構成に なるように選択されており、世帯の購買状況を包括的 に見ることができます。特定の売上効果調査の購入デ ータソースとして単独で使うこともできますが、ニー ルセンではこれを FSD の購買データの較正用にも使っ ており、消費者が調査対象商品をほかのどこで購入し た可能性があるかを推定しています。このプロセスを AOA（全店舗調整）と言い、Homescan とカタリナの FSD の重複を利用しています。FSD の小売店で買物をして いる Homescan 利用者の割合を推定し、彼らが FSD 小 売店の内外でいくらぐらい支出しているかを計算し、 その比率を母集団に適用します。同様に、RMS のデー タも売上予測の較正に利用しています。AOA プロセス によって、FSD 店舗以外の売上を計上し、調査対象期 間中に当該商品カテゴリーの商品をどこかで購入し た世帯数とどこでも購入しなかった世帯数を正確に 把握することができます。 最近、あるインスタントブレックファスト・ブランド に関する調査が FSD データを使って実施され、調査世 帯はキャンペーン後にこの製品に平均で 2.04 ドル支 出したことが分かりました。ところが、全店舗調整を 行うと、この平均は 0.40 ドルに低下しました。これ は、インスタントブレックファストというカテゴリー の普及率が限られていることが原因でした。粉末ミッ クスやボトル入りインスタントシェイクなどの商品 を購入する世帯はほとんどありません。さらに、この ような商品を購入する世帯は主に食料品店で購入し ているため、FSD に含まれる確率が高くなります。そ のため、FSD ポイントカードで把握できない小売店で のブランド購入について、一定の調整を行う必要があ ります。 分を計算することで、本当のインパクトをより正確に 評価することができます。 全店舗調整は、商品普及率にも大きな影響を与えます。 家庭用品の場合、FSD だけを見るとその商品が調査世 帯の約 23％に普及していることが分かりました。しか し、全店舗調整後は、この普及率が約 43％に跳ね上が りました。この調整では、FSD に含まれない小売店で のみ商品を購入している多数の消費者を捕捉してい ます。一方、インスタントブレックファスト・ブラン ドの普及率は、調査対象世帯（対象となるにはインス タントブレックファストのカテゴリーで商品を購入 していることが条件）の中では約 17％でしたが、全店 舗の普及率はわずか 2％強でした。これは、カテゴリ ー全体の普及率が低かったことによるものです。 広告接触世帯と広告非接触世帯をマッチング する 調査世帯を構成する広告に接触した世帯のリストが 作成されたら、そのリストの各世帯を、広告キャンペ ーンに接触していない NCS データプールの世帯（「非 接触世帯」）とマッチさせます。このマッチングの目 的は、支出の増加が、調査対象商品に対する既存の嗜 好ではなく、広告によるものであることを確認できる ようにすることです。この目的のため、接触世帯と非 接触世帯のペアを決定するために使われる変数は、各 商品カテゴリーに合わせてプロジェクトごとにカス タマイズされます。 世帯ペアのマッチング 以下の項目が類似する世帯をマッチングする ブランドとカテゴリーの普及率 キャンペーン前のブランドへの総支出金額／量／個数 キャンペーン前のカテゴリーへの総支出金額／量／個数 小売店別買物回数 世帯のデモグラフィックデータ 地理的位置 一方、最近の別の調査では、一般的な家庭用品を対象 としました。未加工の FSD データでは、調査世帯が対 象ブランドに支出した平均金額は 3.23 ドルでした。 ところが、全店舗調整を行うと、平均金額は 8.20 ド ルに跳ね上がりました。これは、ほとんどの世帯がこ のカテゴリーを購入している（つまり下方修正が必要 ない）ことと、この商品が FSD に入っていない小売店 でよく購入されていることが原因です。いずれの場合 も、調整後の金額を使ってキャンペーンによる支出増 2 ニールセンの RMS データは、あらゆる大手小売チェーンの 売上と価格データを、店頭で UPC レベルで取得しています。 17 ブランド購入からの経過時間 ニールセンでは数百のマッチング変数を使っていま す。これには、調査対象の広告商品、競合ブランド、 カテゴリー全体に対する過去の支出額、小売店別の購 入金額、直近の購入時期、値引き後の購入金額、デモ グラフィックデータなどが含まれます。マッチング変 数には、キャンペーン前とキャンペーン後の支出合計 を含む総計変数だけでなく月ごとの支出変数も含め て、両世帯が購買サイクルの同じステージにあるよう にします。例えば、一方の世帯がキャンペーン前のう ち前半 6 カ月は商品をコンスタントに購入していたも Nielsen Journal of Measurement, 第 1 巻第 2 号 のの、後半 6 カ月は購入していない場合、たとえ年間 を通しての支出合計が同じであっても、最近商品を購 入している世帯とマッチングできるとは限りません。 購買サイクルのステージを調整することで、広告によ るインパクトと、単にその商品を切らしてしまい、い ずれにしてもその時点で購入したであろう世帯によ る支出を分けることができます。 購入ベースの変数には、デモグラフィック変数よりも 大きくウェイトをかけます。特に、マッチングにおい て最大のウェイトをかける変数は、広告キャンペーン 前の 1 年間の購買パターンに関するものです。これに は、当該商品への支出金額、購入個数、購入回数、買 物 1 回当たりの平均支出金額が含まれます。これらの 変数を使うことで、接触世帯と非接触世帯のペアが、 調査対象ブランドについて似たような購買パターン を見せていることを確認できます。1 回に同じ商品を 大量に購入する世帯と、複数の買物に分けて少量ずつ 購入する世帯では、支出全体は同じかもしれませんが、 購入回数や買物 1 回当たりの購入金額をマッチングす ることで、同じような消費行動をとる世帯を組み合わ せることができます。こうすることで、広告キャンペ ーンによって購入回数が増えたケースと、日常的に頻 繁に購入しているケースを分けることができます。 一方、世帯収入、子供の有無、世帯主の年齢などのデ モグラフィック変数にはわずかしかウェイトをかけ ません。これらの特徴は、将来の購買行動の予測には さほど関係しないからです。これらが関係する場合 （例えば、小さな子供を持つ親はベビー用品を購入す る可能性が高いなど）、こうした情報は既にかなり購 買データに反映されています。ただし、キャンペーン を視聴した世帯のデモグラフィック情報は、広告に接 触した世帯の中で特定のグループの割合が突出して いるかどうかを示す指数として提供されています。 非接触世帯は、複数の接触世帯とペアになる場合があ ります。リニアテレビ広告キャンペーンはリーチ率が 高く、1 対 1 でマッチできるほど非接触世帯がないた めです。しかし、研究の結果、1 つの非接触世帯の影 響が大きくなりすぎないよう再サンプリングを制限 すれば、結果の品質に悪影響が出ることはないことが 証明されています。 キャンペーン後の売上増加が本当に広告への接触に よるものであることを保証するため、キャンペーン開 始前の 1 年間、接触世帯と非接触世帯の間での特定の 主要変数の差は 1％未満となっています。主要変数に は購入金額合計、価格、割引購入金額が含まれます。 この 1％の差は、個々の世帯ペアに適用する必要はあ りません。例えば、インスタントブレックファスト・ ブランドの調査の場合、接触世帯はキャンペーン前に このカテゴリーで平均 18.99 ドルを支出していました。 非接触世帯の平均支出は 19.03 ドルでした。しかし、 個々の接触世帯と非接触世帯のペアの中には、接触世 帯の方が非接触世帯より支出が 100 ドルも多いケース や、支出が 100 ドル少ないケースもありました。これ らのペアが調査対象となっているのは、その他の変数 18 が近いためです。 世帯レベルの売上増分を計測する 接触世帯と非接触世帯のペアを作成したら、最終ステ ップとして、両世帯のキャンペーン後の合計購入金額 を比較し、世帯当たりの平均売上増分を定量化します （コラム「指標と計算方法」を参照）。消費者の特定 のセグメントが特に強く反応しているかどうかを分 析するには、サブグループの差を集計し、売上増分を 分解することもできます。この情報は、広告主が今後 のキャンペーンのためにインプレッションの配分を 改善すべきかどうかを判断するために役立ちます。 家庭用品の調査では、接触世帯は、調査対象期間の 4 カ月全体で、全店舗調整後のブランドへの平均支出金 額が 8.20 ドルでした。非接触世帯の平均支出金額は 7.99 ドルでした。この結果から、広告キャンペーンへ の接触による 1 世帯当たりの支出増分は 0.21 ドルと なり、3％の増加となります。購入データの分布とサ ンプルサイズをもとに、統計の有意性も計算されます。 有意性は 99％で、この結果がサンプリングの変動によ るものではなく決定的なものであると確認できます。 多くの調査では頑健なサンプルサイズにより、購入金 額の増分がわずか 1～2％の調査でも、有意性が 90％ を超えるのが一般的です。 このキャンペーンでは、クライアントの広告クリエイ ティブには 2 種類のバージョンがあり、接触データを 使って、一方のバージョンを見たグループ、もう一方 のバージョンを見たグループ、両方を見た重複グルー プに分けました。各グループの購買データから、一方 のクリエイティブが売上増分の全体に貢献している ことが分かりました。分解の結果は統計的に有意とは 限りませんが、キャンペーンの一部がその他の部分よ り成功していることがはっきり分かります。これらは、 デモグラフィック、広告接触、購入履歴に基づき、様々 な顧客セグメントごとに計算できます。 よく使われる分解方法として、広告に接触したグルー プを、過去のカテゴリー購入金額と調査対象ブランド に対するロイヤリティに基づきサブグループに分け ることがあります。例えば、既にそのカテゴリーのヘ ビーバイヤーではあるものの、ブランドへのこだわり はあまりない世帯は、キャンペーンに対する反応がよ く、ブランドへのロイヤリティが高まるかもしれませ ん。このようなインサイトは、ブランドマネージャー がより特殊な消費者セグメントなどの診断要素を特 定し、今後のキャンペーンを改良するために役立ちま す。 複数のサブブランドを持つペアレントブランドの場 合、売上増分をサブブランド別に分け、どれが最も売 上を伸ばしたかを知ることができます。家庭用品ブラ ンドの調査では、そのペアレントブランドのあるサブ ブランドは、キャンペーン前には売上全体の 20％以下 しか占めていませんでしたが、キャンペーン後には売 上増分の 40％以上を占めました。キャンペーンはブラ Nielsen Journal of Measurement, 第 1 巻第 2 号 ンドファミリーの全商品に同じようにインパクトを 与えるとは限らないため、サブブランドの寄与度は、 今後のクリエイティブ制作においてどの商品を強調 するかを計画するにあたり、貴重なインサイトを与え てくれます。 最後に、購買データを使い、カテゴリー別シェア要件 によって調査対象ブランドを競合と比較することが できます。これによって、広告主はどのブランドから シェアを奪おうとしているのかを知ることができま す。競合製品は、カスタム UPC リストまたは NCS デー タ内の商品指定によって定義でき、個々の競合商品群 の中で購買状況がどのように変化したかを判断する 際に柔軟性を持たせることができます。 売上効果調査の結果と市場全体のパフォーマンスは 区別する必要があります。売上増分は接触世帯のみの 売上を反映しているため、広告に接触した世帯の支出 が全世帯の支出と一致すると考えるべきではありま せん。シングルソースデータによって、広告に接触し た世帯を分離し、その購買行動を同じ期間の全消費者 の購買データと分けることができます。このような分 析方法は、広告に接触した世帯の中で広告キャンペー ンのインパクトを分離するものであり、市場全体にお ける売上の計測と混同してはなりません。 売上増分の要因を特定する 売上を押し上げる行動の変化はいつも同じとは限り ません。例えば、広告主は、購入者が初めてそのブラ ンドを買うのか、過去に購入したことがあるのかを知 りたいと考えるかもしれません。キャンペーン前の購 買データを使ってこの疑問に答えることは可能です。 キャンペーン前に購入履歴がなく、キャンペーン後に 購入した世帯は試買客、キャンペーン前にもキャンペ ーン後にも購入した世帯はリピート客に分類されま す。これらの合計を接触世帯と非接触世帯について比 較します。家庭用品の調査では、そのブランドは老舗 で既に高い普及率を持っていました。接触世帯と非接 触世帯のいずれの世帯も、40％以上がリピート客でし た。しかし、接触世帯の方がこの割合が高く、キャン ペーンがそのブランドの忠実な購入者を増やすこと に成功したと言えます。 商品を購入した世帯の間での差は、平均購入金額を計 算して分析することもできます。この数字は、調査対 象ブランドを購入しなかった世帯を除いたキャンペ ーン後の 1 世帯当たり平均支出金額を表します。家庭 用品ブランドの場合、平均購入金額は接触世帯の方が 非接触世帯より 0.14％多くなりました。これは、キャ ンペーンによって商品を購入した世帯が増えただけ でなく、そうした世帯の支出金額が増えたことを意味 しています。しかし、普及率の上昇の方が成功への寄 与要因としては上回りました。 平均購入金額をさらに分解し、購入回数と買物 1 回当 19 たりの平均支出金額に分けることができます。家庭用 品ブランドの場合、平均購入回数は接触世帯も非接触 世帯もほぼ同じでした。つまり、キャンペーンによっ て買物のときに対象商品を購入する回数は増えなか ったということです。売上増分は、消費者が 1 回に購 入する数が増えたことによるものです。 インスタントブレックファスト・ブランドの場合、購 入要因は大きく異なっていました。これはそのブラン ドが比較的小さく、売上が伸びる余地があったため、 キャンペーンによって売上全体は 28％押し上げられ ました。売上増分のうち 10％は普及率の拡大によるも の、10％は購入回数の増加によるものでした。キャン ペーンの期間は 1 カ月足らずでしたが、消費者が競合 よりこのブランドを選ぶ回数を増やすことに成功し ました。 リーチとリターンを計算する キャンペーンのリーチを推定する方法は、各メディ ア・プラットフォームから得られるデータとプロジェ クトの仕様によって異なります。一般に、NCS データ セットの世帯のうち広告に接触した世帯の比率に母 集団の数を掛けると、全体のリーチを推定できます。 例えば、サードパーティクッキーマッチを使ったデジ タルキャンペーンでは、広告に接触したユニーク世帯 数を NCS データセットのアクティブなインターネット 世帯数で割るとリーチ率が得られ、これにインターネ ット世帯総数（2016 年時点で 9,650 万世帯と推定）を 掛けると最終的な数が分かります。リニアテレビ広告 調査のリーチ率は、Nielsen Ad Intel とニールセンの 全米テレビパネルによるものです。雑誌など一部のメ ディアタイプについては、出版社が推定リーチ率を提 供しています。 クロスメディア調査については、特定のプラットフォ ームでキャンペーンを見た視聴者全体についてリー チを推定できます。また、そのプラットフォームでの みキャンペーンを見た視聴者と、複数の場所でキャン ペーンを見た世帯を表す重複グループについてリー チを推定することもできます。重複の推定は、多数の パートナーの接触データによって可能になり、さらに、 同じプラットフォームのパートナー間（複数のデジタ ルパブリッシャーなど）だけでなく、異なるプラット フォーム間（リニアテレビとデジタルなど）でも推定 を改善できるように研究中です。 キャンペーンによる売上増分の合計は、世帯当たりの 売上増分にリーチ数を掛けて計算します。これは、サ ンプル世帯と NCS 購買データに含まれない接触世帯の 間で売上増分が一致しているという仮定のもとに計 算されます。調査対象となるサンプルは十分に頑健で あるため、このような仮定が成り立つと言えます。 売上増分の合計を計算すると、ROAS（広告費用対効果） などその他の主要指標も計算し、過去のキャンペーン Nielsen Journal of Measurement, 第 1 巻第 2 号 やその商品カテゴリーのベンチマークと比較するこ とができます。広告主は、これらの調査によるインサ イトを生かして将来のキャンペーンを効果的に改善 する方法を決定できます。シングルソースデータは、 キャンペーンのどの部分が結果につながっているか を、推測に頼らずに判断するのに役立ちます。 指標と計算方法 平均売上増分（金額、量、個数のいずれでも）: （調査群の支出－対象群の支出）／分析世帯合計 売上増分合計: 平均売上増分×リーチ世帯合計 普及率（購入した世帯の比率）: 結論 売上効果調査は、調査担当者にとって、キャンペーン が店頭売上に与える直接的な効果を計測するための 強力なツールです。今後の研究課題の 1 つは、マッチ ングプロセスに使われる変数のリストを強化するこ とです。現在使われている購買変数とデモグラフィッ ク変数は頑健で、商品の購買パターンに相関していま すが、ほかに売上増分と広告キャンペーンの関連付け を改善できるような変数があるかもしれません。変数 の相対的ウェイトや値を標準化する方法も修正でき るでしょう。 この研究は、広告の有効性を理解するための新しい扉 を開くものです。例えば、私たちはバイヤーバスケッ ト分析によって、広告接触がクロスバイ行動（消費者 が買物中に調査対象商品と一緒にほかの商品を購入 する傾向のこと）にどのように影響を与えるかを理解 し始めています。また、複数のプラットフォームでの 接触が様々な形で合わさって購買行動に影響を与え ることを理解し始めています。シングルソースデータ が提供する機会はほぼ無限ですが、それを生かす取り 組みは始まったばかりです。 購入者数／分析世帯合計 平均購入金額（1 世帯がキャンペーン中および後 にブランドに支出した平均金額）: 平均売上増分／普及率 購入回数（調査対象ブランドを購入した世帯のキ ャンペーン中および後の平均購入回数。1 回も購入 しなかった世帯は除く） 購入金額（購入 1 回の平均支出金額）: 平均購入金額／購入回数 ROAS（広告費用対効果） 売上増分合計／キャンペーン費用 DPM（デジタル調査の場合、インプレッション 1,000 回当たりの収益）: 売上増分合計／インプレッション×1000 テレビ調査でこれに相当する指標は DPP または GRP 当たり収益 売上へのインパクトの計算 普及率 何世帯がブランドを 購入したか 購入金額 購入回数 調査期間中、1 回でいくら 分の商品を購入したか 調査期間中、ブランドの商 品を何回購入したか 平均購入金額 いくら分購入するか 売上合計 20 Nielsen Journal of Measurement, 第 1 巻第 2 号 クラウドソーシングと画像処理による データ収集の自動化 TAMAS GASPAR — 統計担当プリンシパル SIEW-SIM LIM — ニールセン 購買行動分析部門 アソシエイト ディレクター はじめに ニールセンなどの市場調査会社は、消費財の小売販売 状況を計測するため、通常、スキャニングシステムで 読み取った電子 POS 情報を提供する小売業者から直接 データを収集しています。これは入手可能なデータの 中でも格段に正確なものですが、その収集には小売業 者の協力を得る必要があります。サンプル設計に組み 込まれた小売業者の一部から協力を得られなかった 場合、報告されるデータに一定のバイアスが生じるこ とがあります。ニールセンの CPS（消費者パネルサー ビス）など、母集団を反映した消費者パネルの個人か ら直接データを収集できれば小売業者の協力に頼る 必要はなくなりますが、世界の一部の地域では、パネ ルの規模の問題で、クライアントが売上状況を追跡す る上で必要かつ十分な精度のデータを報告すること が難しい場合もあります。その 1 つの解決策はサンプ ル数を増やすことですが、パネル管理のコストの問題 や信頼できるパネルを採用することが難しいといった 21 理由から、常にそれが可能であるとは限りません。1 スマートフォン、クラウドソーシング、バーチャルペ イメントなどの新技術の利用が世界的に広がり、消費 者から直接購買情報を大量に収集したり、それを経済 的で負担の少ない方法で行ったりする新しい機会が 生まれています。 1 ニールセンでは、フラッグシップである消費者パネルサービ スの運営にあたって、各パネルにポータブルスキャニングデ バイスを提供し、購入したすべての商品のバーコードをスキ ャンするよう求めています。 Nielsen Journal of Measurement, 第 1 巻第 2 号 自動化に向けた重要な市場の促進剤 イギリスにおける新しいプロセスの実験 Gartner によると、現在スマートフォン市場は、北米、 西欧、日本、アジア太平洋の一部などの成熟市場にお いて、普及率が 90％に達しています2。2015 年には世 界で 14 億台以上のスマートフォンが販売されました3。 消費者の間でスマートフォンが急速に広がるととも に、データ収集の機会も生まれています。新世代スマ ートフォンの内蔵カメラの品質は向上し、これらの端 末で撮った写真が、自動処理の入力データに使えるほ どの解像度を持つようになりました。人々に買物のレ シートの写真を撮るよう依頼することが、本書で説明 するプロジェクトの基本です。 プルーフ・オブ・コンセプト（概念実証）プロジェク トは 2016 年 1 月に開始し、8 月末の時点で 8,000 人の ユーザーが登録して、カメラ付き携帯電話でレシート をアップロードしました。これまでに 40 万枚以上の 画像が集まりました。プロジェクトの第 1 段階では、 プロセスや参加者との最適なかかわり方に重点を起 きました。1 月に約 800 人の参加者にレシートの写真 を送ってもらう小規模なイニシアティブを開始し、年 内に徐々にアクティブユーザーを 4,000 人まで拡大す る計画を立てました。 人々はかつてほどこうしたプロジェクトへの参加に 消極的ではありません。実際、最新技術とソーシャル メディアの普及がクラウドソーシングの世界に新し い明るい光を投げかけています4。技術的な障壁と社会 的な抵抗がなくなり、人々にスマートフォンで自分の 買物のレシートを写真に撮ってもらうことは無理難 題ではなくなりました。適切なかかわりと動機づけに よって、クラウドを効率よく生かすことができます。 現在のオンラインボランティアは、デジタル型報酬を 快く受け入れてくれます。モノや金銭を扱う必要はあ りません。参加者への報酬には「仮想コイン」を使い、 それらをインターネットで送金し管理するのです。 これらの仮定条件をテストするため、ニールセンはイ ギリスでプルーフ・オブ・コンセプト（概念実証）調 査を実施しました。2 つの理由から、イギリスは理想 的なテスト市場でした。まず、イギリス全体のスマー トフォンの普及率は、2016 年初めの時点で約 68％で あったことです （35 歳以下は約 91％、 35 歳以上は 60％） 5 。代表性という点では十分な数値であり、母集団全体 の代表性は近い将来さらに高まると予想されます。次 に、イギリスでは調査に非協力的な大手ディスカウン ト店 2 社（Aldi と Lidl）が合わせて 10％以上のシェ アを占めていると推定されるため、これらのチェーン に関する正確なインサイトを得たいという現実的な 市場のニーズがあることです。 2 3 4 5 ランダムなウェブベースの募集を行って、スマートフ ォンにニールセンのアプリをインストールするよう 依頼します。登録プロセス中に、ユーザーの年齢、世 帯規模、郵便番号、メールアドレスなどの基本的なデ モグラフィックデータを収集します。この情報は、後 でバイアスについて計測・調整を行うプロセスで使用 します。アプリは実にシンプルなものです。参加者は 店舗で商品を購入したときに受け取るレシートの写 真を撮ります。写真はこのアプリ内から（スマートフ ォンのカメラアプリではなく）撮影するため、画像の 品質が基準を満たしているかどうかをその場でアプ リが判断し、必要であれば参加者に撮り直すよう促し ます。普通のレシートには、すべての購入品目の内容、 購入日時、店舗の住所、支払金額などが印字されてい ます。画像はクラウドに送信され、ニールセンはそこ にアクセスし、ダウンロードし、さらに情報を加工す るという手順になります。 1 枚でもレシートをアップロードした参加者には、報 酬として仮想コインが支払われます。アプリを毎日使 ったり、参加者が招待した人が新たに参加したりする と、追加コインを獲得できます。我々の目的は、この プロジェクトでパネル管理を行うことではないため、 参加者の採用方法（例えば、紹介など）や報酬システ ムの仕組み自体はさほど厳しく精査しません。報酬で 調査参加の動機づけを行いますが、参加者のショッピ ング行動に不当に影響を与えない程度の少額にとど めます。この調査への参加によって獲得した仮想コイ ンは、くじに参加するか、貯めて換金するという形で 使用することができます。くじに参加するための最低 条件などは設定しておらず、参加者は登録してレシー トを 1 枚アップロードするだけで、エントリーする権 利が得られるようになっています。賭けるコインが多 いほど、報酬を獲得できる確率が高まります。 http://www.gartner.com/newsroom/id/3339019 http://www.gartner.com/newsroom/id/3215217 クラウドソーシングとは、従業員やサプライヤーではなく、 大勢の人々（オンラインコミュニティなど）から寄与を募り、 必要なサービス、アイデア、コンテンツを入手するプロセス です。 Pew Research Center - http://pewrsr.ch/1RX3Iqq 22 Nielsen Journal of Measurement, 第 1 巻第 2 号 参加者にはすべてのレシートの写真を撮るよう指示 しますが、その通りにしているかどうかは確認できま せん。都合のいい時に数枚送るだけ、あるいは報酬を 獲得するために時々ほかの買物客（家族や近所の人な ど）のレシートを送る人もいると思われます。このよ うなケースを検出するため、参加者が送信するレシー トに過不足がある確率を判断する統計アルゴリズム を開発しました。受け取るレシートの利用価値を最大 化するため、イギリスのある特定のチェーンにおける すべての買物を母集団とし、これらのレシートはそれ を代表するものと考えます。これによってバイアスは 受けにくくなるものの、同時に対象期間中の各チェー ンでの買物回数の合計を独自に見積もる方法を確立 する必要があります。 初期参加者の拡大 これは概念実証であり、我々にとっては、参加者が完 全に母集団を代表しているかどうかよりも、プロジェ クトの仕組みとロジスティクスに重点を置くことの 方が重要でした。初期フェーズでは、依頼に従ってい ない参加者（レシートではなく商品の写真を送る、古 いレシートや既に誰かがアップロードしたレシート を送信するなど）を検出する品質チェックを構築し、 それらのエンドユーザーに警告する方法を導入しま した。繰り返しルールに違反した参加者は調査参加停 止となり、報酬の引換えができなくなります。参加者 がアクティブな期間は平均して 1 カ月程度しかないこ とが判明したことを受けて、より長期にわたって積極 的に参加してもらえる方法の実験を開始しました。初 期のデータ結果から、いくつかのバイアスにおける当 初の仮説が裏付けられました。最も年齢の高いグルー プ（全人口の中で最も技術に精通していないグループ） の代表性が低く、その平均バスケットサイズは当初の 見積りをやや下回っています。これらのバイアスは、 ニールセン マネージド・ハウスホールド・パネルの データを使って較正することで相殺できると考えて います6。 効率化のため、レシートはすべて高機能の OCR（光学 式文字認識）ソリューションで処理します。OCR には 自動化という大きなメリットがありますが、今回のよ うな場合、技術的な課題が数多くあります。例えば、 ノイズの多い画像を大量に処理しなければならず、そ のノイズを除去するアルゴリズムの開発は簡単では ありません。もう 1 つの難題は、各レシートのイメー ジを正しくデータベース項目に変換することです。レ シートから関係する情報を見つけ、その情報がレシー トのどの位置にあろうとも正確に解釈し、そのレシー トに記載されている商品説明の意味を正しく判断で きるアルゴリズムが必要です。 画像キャプチャーとその課題 各画像の品質が最低限の条件を満たしていることが 重要ですが、かすれたり、傷んだ紙（ゆがみ、しわ、 折り目などがあるもの）に印字されたり、照明にむら があったり、文字が薄くなったり消えたりしたレシー トを解読する能力については、機械はまだ人間の目に 追いついていません。さらに、レシートが斜めに置か れていたり、背景にモノがあったり、そもそもレシー トではないものが写っていることもあります。オンラ イン CAPTCHA システムを思い浮かべてください。これ らのシステムは、あなたがロボットではないことを証 明するために、通常人間には簡単に読めても、OCR の アルゴリズムに頼るロボットにはほぼ解読できない、 かすれてゆがんだ文字を表示するようになっていま す。受け取ったレシートがこれらの CAPTCHA 文字のよ うに読み取れない事態は防ぎたいと考えています。 OCR が写真に写ったレシートの読み取りに成功するに は、アップロードされた画像はゆがみがなく、背景の ノイズがなるべく少なく、印字が鮮明であることが必 要です。元の画像の品質は、OCR 処理の成功にとって 極めて重要な決定要因です。我々は、参加者がカメラ を最適な位置に構えられるようユーザーガイドを用 意し、なるべく背景ノイズの少ないレシート画像（長 いレシートやいくつかに分かれたレシートであって も）を撮るよう指示しています。参加者がこの指示に 従えば、トリミング等の特殊編集などの複雑な操作は 必要ありません。 OCR を端末から切り離してクラウドに置くことは、設 計上の重要な決定でした。ニールセンのアプリは、端 末上で直接画像の品質を確認し、必要であれば写真を 撮り直すようユーザーに促しますが、端末の外ではさ らに複雑な画像処理ステップを実行します。流通して いるスマートフォンには様々な種類があり、高度な画 像処理と OCR を実行してほぼ期待どおりの結果が得ら れるのは、十分な処理能力を持つハイエンドの機種だ けです。そこで、参加者が使用するスマートフォンの 機種に成否を左右されないような独自アプリを開発 することにしました。また、OCR を端末から切り離せ ば、何かを変更するたびに参加者全員のスマートフォ ン上でアプリをアップグレードしなければならない といったことがないため、はるかに柔軟性の高い新し い検出アルゴリズムを試すことができます。 6 パネルデータを使ってビッグデータを効果的に較正する方 法については、Paul Donato 著「ビッグデータのモデリングに おけるパネル調査の価値」 （ 『ニールセン メジャメント・ジャ ーナル』第 1 巻第 1 号、2016 年 7 月）を参照してください。 23 Nielsen Journal of Measurement, 第 1 巻第 2 号 OCR 用の画像の準備 画像がニールセンのサーバーに届くと、マシンによる 処理が始まります。最初は画像の品質チェックです。 画像は既に端末上で最初のテストにパスしています が、サーバー上でより高度なアルゴリズムを適用し、 かすれを検出したり、レシートが OCR にかけられる状 態かどうかを判断します。このテストにパスすると、 次に、ロゴと文字認識技術を組み合わせて店舗チェー ンを特定します。よく使われるロゴとその変化形のデ ィクショナリを開発し、ツールが画像をそのディクシ ョナリの項目とマッチさせられるようにしました。特 許出願中の革新的な技法をいくつも組み合わせ、画像 の中から関連領域を抽出し、ロゴを検出してレシート の発行元を特定します。 画像がこれらのテストにパスできなかった場合、手作 業班に送られ、人の手で重要な部分だけを抽出したり といった必要な処理を行った上で、ゆがみを除去する アルゴリズムに送られるか、人の目でチェーンを特定 してから次のプロセスに送られます。イギリスでプロ ジェクトを開始した当時は、この段階でレシートの半 数になんらかの手作業を加える必要がありましたが、 数カ月の経験を経た後、これを 25％まで下げることが できています。まだまだ改善の余地はあります。 ニールセン独自の OCR ソリューション ニールセンの特許出願中のイノベーションは、OCR エ ンジンに手動修正機能を組み合わせ、機械の学習能力 を使ってこの機能を覚え込ませ、将来的に自動修正を めざすものです。つまり、少数の画像を手動で修正す るだけで、それを機械が学習し、将来のバッチに適用 してはるかに大きな効果が得られるというものです。 初期のテストでは、この機械学習機構によって 90～ 95％の認識率が得られています。 最近の運用状況は、手動で修正したバッチの規模に対 し、22 倍の効果があることを示しています。つまり、 1 枚のレシートを手動で修正するたびに、22 枚の同様 のレシートが機械学習のおかげで自動的に修正され ているということになります。 次のステップは、読み取られた文字の解釈です。特殊 なアルゴリズムを使って、認識された文字列をビジネ ス関連データタイプ（商品名、数量、価格など）に分 類します。この情報は、システムによって既にリスト が作成されている商品に対応させる必要があります。 商品が認識できない場合、手動で商品をデータベース に追加します。 れただけなのかを判断するのが難しい場合がありま す。また、レシート上の全商品の合計金額とレシート 下部の合計金額がくい違う場合があるかもしれませ ん。まだ概念実証の段階なので、データディクショナ リの開発も進行中です。1 枚のレシートにしか現れな い商品も多く、そのような商品が膨大な数になり、商 品名のクロスコーディング担当チームにとって大き な課題となっています。商品と店舗のディクショナリ のメンテナンスも、生産プロセス全体の中で特にコス トのかかる要素です。しかし、十分投資に見合う価値 はあります。ニールセンのチームは最近、ある小売業 者が新しいロゴに変更していたために、同社の発行す るレシートの多くを正しく処理できていなかったこ とに気づきました。ビジュアルライブラリで修正する と、その小売業者の認識率は 35％も向上しました。 全機能の統合 このプロセスは様々な要素で構成されています。画像 の収集、画像品質のチェック、小売チェーンの特定、 関連領域の抽出、OCR の実行、そして関連文字列の分 類。途中で必要に応じて人の手で作業を行います。そ のすべてを管理し、すべての画像を最後まで処理する ために、チームのメンバー全員が進捗を計測できるよ うなエンドツーエンドのウェブツールを開発してい ます。 次の図は、関連手順と、このプロジェクトで扱うある チェーンの現在の作業成功率をまとめたものです。参 加者が撮影、アップロードした画像 100 枚のうち、現 在 85 枚が最初の品質チェックにパスします。この初 期チェックにパスしなかった 15 枚の画像は、不完全 か、読めないか、重複しているか、そもそもレシート ではないものです。パスした 85 枚のうち、17 枚は現 在自動処理できない長いレシートでしたが、これにつ いては対策を開発中です。1 枚のレシートにあたる 68 枚の画像を OCR 処理用に準備し、そのうち 75％（51 枚の画像）が実際に OCR 段階に進みました。このうち 処理に成功したのは 48 枚で、チェックが必要なもの はわずか 3 枚でした。 これらの初期の結果は大変有望なものですが、まだ改 良の余地は十分にあります。月を追うごとに、大量に 届くレシート画像の性質について新たな発見があり、 新しいシナリオに対応してニールセンのソフトウェ アが洗練され、成功率は上昇し続けています。 この最終段階でも、様々な問題が生じる可能性があり ます。例えば、新製品のように見えても、それが本当 に新製品なのか、既存製品の商品名のスペルが変更さ 24 Nielsen Journal of Measurement, 第 1 巻第 2 号 クラウドソーシングによる紙レシートの自動認識テスト小売業者の成功率 ニールセンプルーフ・オブ・コンセプト（2016 年イギリス） レシートではない、読めない、不完全、重複など 長いレシート、複数に分かれたレシート （自動化を開発中） 手 動 OCR 準備失敗 OCR 失敗 自 動 キャプチャー 画像 品質 チェック 1 枚の レシート OCR 前準備 OCR まとめ 現在イギリスで進められているプルーフ・オブ・コン セプト（概念実証）プロジェクトは、ニールセンにと って、データ収集の新しいパラダイムの実現可能性を テストする優れた機会です。もちろん、これは POS スキャニングデータに代わるものではなく、特定の市 場の POS データが小売店の母集団を十分にカバーし ていない場合にギャップを埋める有効な手段となる ものです。ニールセンの CPS パネルにとって、この プロジェクトは、ニールセン独自のハンドヘルドスキ ャナーからモバイルアプリへと収集方法を移行し、購 入商品を 1 つずつスキャンする代わりにレシート全体 の画像をキャプチャーするだけで済ませるための新 しい扉を開くものです。レシートの形式は様々ですが、 特殊ケースの処理に対応するアルゴリズムは日々進 化しています。ソフトウェア開発の完成までの道のり は遠いものの、自動処理結果の品質には既に自信を持 っているため、将来の導入計画に向けた取り組みと、 このプロジェクトの他国への展開を開始します。 25 Nielsen Journal of Measurement, 第 1 巻第 2 号 スナップショット ¥¥¥¥¥ スナップショット 1 さらに小型、低価格、強力に: Nano メーター ARUN RAMASWAM — ニールセン チーフ エンジニア テレビを取り巻く技術は様々です。どのコンテンツが、 いつ、どこで、どのように、誰と視聴されているかを 把握するため、世界中のリサーチャーは長年にわたり、 高度な技術的ソリューションを活用してきました。 そしてほとんどの場合、こうしたソリューションは その要求に見事に応えてきました。しかし今日では、 テレビの世界で視聴方法の新たな選択肢が爆発的に 増えています。ただコンテンツが増えただけでなく、 各自の予定に合わせて視聴できる方法や、各自の好み に合わせてコンテンツを収集できる方法が増えてい ます。現在ネットにつながっている消費者は、自分の 選んだデバイス上で、まさに好きなときに好きな場所 で視聴することができます。ライブでも、オンデマン ドでも、見放題でも視聴が可能な自由度を与えられ、 視聴者はかつてないほど自由にメディア消費をコン トロールできるようになりました。そして、行動を計 測する技術もこうした動きに追いついていく必要が あります。 そのために登場した Nano メーターについてご紹介し ます。これまでのメーターデバイスよりも小型化され、 低価格であり、パネル世帯への設置も迅速に行え、維 持もより簡単になりました。このワイヤレスシステム として全く新しく開発されたメーターは、電力消費は わずかで済み、強力なクラウドインフラストラクチャ とのインターフェースを備えています。こうした技術 的なメリットは非常に重要です。必要な費用の節約に なるだけではありません。これによって、パネルとの 連携の強化とデータ品質の改善が見込めるほか、コス ト効率よく必要な場所とタイミングでテレビパネル の規模拡大ができるようになることが期待されます ――これは、現在と将来の市場におけるメディアの細 分化に対応するソリューションにとって重要な要素 なのです。 こうした改善がどれほど重要であるかを理解するた め、まず、米国のような先進市場で、従来型のテレビ に関して、現在ニールセンがどのように視聴計測を行 っているかを確認しましょう。 従来型のテレビは、リニアテレビとも呼ばれ、視聴者 に「リニア」放送として（全国またはローカルに）配 信されます――これは、お気に入りのテレビ番組が決 ¥¥¥¥¥ 27 まった日時に決まったチャンネルで放送され、そこに、 視聴者にメッセージが受け入れられることを期待し て放送時間を購入した広告主のコマーシャルが差し 込まれる形態の放送です。同じ番組を視聴するすべて の人が同じ広告を目にすることになります。こうした 環境でのオーディエンス計測が行えるように、コンテ ンツは配信元でエンコードされ、視聴者パネルの対象 である家庭（4 万世帯）側でデコードされます。対象 世帯は、母集団を代表するように慎重に選択されてい ます。 このエンコーディングプロセスは、メディア放送チェ ーン（テレビ放送ネットワーク、全米ケーブルネット ワーク、ローカルテレビ局などでのライブ放送やオン デマンド放送）の各配信ポイントに設置されたハード ウェア型、ソフトウェア型のエンコーダーに依拠しま す。ニールセンは米国全体でおよそ 3,500 台のエンコ ーダーを設置・運用しています。この装置は耳には聞 こえない音声透かしの「ウォーターマーク」をコンテ ンツに挿入して、配信事業者と伝送事業者に加えて、 放送の正確な時刻も特定できるようにします。 ニールセンのパネルに参加することに同意した世帯 には、技術者が出張して、その家庭のテレビすべてを モニターするための電子デバイスを複数設置します。 各テレビに取り付けられた「セットメーター」からチ ューニング情報（どの番組を視聴しているか）が収集 されます。同じく各テレビに取り付けられた「ピープ ルメーター」からは視聴情報（その番組を現在誰が見 ているか）が収集されます。設置時に、テレビやテレ ビに付属しているその他のメディアデバイス（セット トップボックス、DVD プレーヤー、Roku、Apple TV、 ゲームコンソールなど）の音声がセットメーターに転 送されるように設定し、コンテンツのソース（現在ど のデバイスがテレビにコンテンツをフィードしてい るか）を判断し、そこからニールセンのウォーターマ ークを抽出できるようにします。万一、ウォーターマ ークがデコードできない場合は、バックアップシステ ムが、その場で信号の音声「フィンガープリント」 （何 が再生されているかを示す固有の識別子）を計算し、 それを付近の独立したメディアモニタリングサイト から取得される一連のフィンガープリントと比較す Nielsen Journal of Measurement, 第 1 巻第 2 号 ることになります。ニールセンは米国全体でおよそ 1,000 カ所のモニタリングサイトを運用しています。 この革新的な技術アーキテクチャによって、ニールセ ンはエンジニアリングエミー賞を受賞しました。この アーキテクチャは米国では現在に至るまで長年、テレ ビ視聴率ビジネスの業界標準のベースとされてきま した。しかし、基本的には有線システムのままである ため、設置、構成、テスト、相互接続しなければなら ない多くのパーツがあり、その複雑な作業のために運 用費や維持費が膨らみます。現在、メーターの設置に は 500 ドル超のコストと、平均 60 分の作業時間がか かっています。場合によっては、配線や機器を隠す複 雑な作業のために、複数の技術者が出張しなければな りません。こうしたことをすべて煩わしく思い、嫌が る世帯もあります。拒否されると、同じ特性を持つ世 帯を新たに募集して、その不足を埋める必要があり、 システムコストは大きく上昇します。 現行システムのあらゆる面（形状設計、設置・維持の 問題点、通信、ハードウェア、ソフトウェアのアーキ テクチャ）を綿密に分析して生まれた製品が Nano メ ーターです。Nano では、IoT（The Internet of Things） の発展によって拍車のかかった低電力コンピュータ エンジンと内蔵コンポーネントを活用して、すべての 計測機能をスマートでモダンなデザインの小型のボ ックスの中に収容しました。ピープルメーターとセッ トメーターは 1 台のデバイスに統合され、スマートテ レビの USB ポートを電源とすることが可能です。 また、 Bluetooth 技術や Wi-Fi 技術を利用して、家庭内の他 の機器――ウェアラブルデバイス、スマートフォン、 あるいは OTT（オーバーザトップ）やブロードバンド ¥¥¥¥¥ 28 のコンテンツ配信を捕捉するためにニールセンが開 発した新しいタイプのストリーミングメーターとの 通信が行えます。リモート管理機能の搭載により、技 術者の出張サービス回数の削減が期待できます。その 小型のパッケージには、業界から認められているコン テンツ特定方式（ウォーターマークとフィンガープリ ンティング）が組み込まれているほか、専用のセルラ ー式モデムまたはパネリスト自身のブロードバンド 接続経由でバックオフィスと通信することができま す。リアルタイムのデータ収集の幕開けです。 Nano メーターは将来を見越して設計されていますが、 そのメリットは、高度な視聴環境や複雑な設置構成へ の対応だけにとどまりません。1 台 85 ドル、設置時間 は 1 カ所につき 15 分ほどで済むため、2017 年に米国 内のパネル世帯への導入が始まれば、パネル維持の経 済性と協力率（そして最終的には、データ品質）に大 きなインパクトをもたらすことが期待されます。この 画期的技術については、本編記事としてさらに詳しく 取り上げ、業界が重要視するベンチマークに対してそ れがどのように機能するかという点を中心に考察す る予定です。また、ニールセンのエンジニアリングチ ームが、デジタルテレビと動的広告を計測するために、 どのように革新的ソリューションを開発しているか についてもご紹介していく予定です。 メディアリサーチ業界のエンジニアが大活躍できる 時期を迎えているのです！ Nielsen Journal of Measurement, 第 1 巻第 2 号 スナップショット 2 何もかもひっくるめて: あらゆるデジタルテレビ でのインプレッションを計測するための SDK ARUN RAMASWAMY — ニールセン チーフ エンジニア 動画ストリーミング技術は現在、テレビの視聴方法を 変えようとしています。スポーツやニュースだけでな く、他のテレビ番組の予定に合わせて生活していた頃 を思い出してください。それは、遠い昔ではなく少し 前のことです。夕食の支度をし、洗濯物をどけて、毎 週木曜の夜のコメディを見るためにソファに腰を下 ろしていた頃を。 今日では、見逃した番組を見る方法があるのは当然の こととして、TV ガイドや DVR すらも不要です――今や、 見たいチャンネルや番組の分だけを支払い、それを好 きなときに見ることができます。ライセンス契約コン テンツやオリジナルコンテンツの膨大なライブラリ の会員に登録し、全シリーズを一度に見ることができ ます。コマーシャルさえも視聴者個人の好みに合わせ た配信が開始されようとしています。そしてもちろん、 こうした好みのコンテンツすべてを、インターネット に接続しているテレビに映せるだけでなく、外出先で もノートパソコンやタブレット、スマートフォンで見 ることができます。 こうした進歩はすべてデジタル技術に基づいており、 消費者の自由度が高まる一方で、メディアリサーチャ ーに困難をもたらすおそれがあります。計測対象のデ バイスが増加するに従って、ますます多くの技術ソリ ューションを開発しなければなりません。しかし、最 も根本的な問題となるのは、チャンネル数とオンデマ ンドコンテンツの急増です。なぜなら、それによって 長年にわたってメディアリサーチのバックボーンを 担ってきたパネルベースの計測ソリューションでは 対応しきれなくなりつつあるからです。簡潔に言えば、 4 万世帯の約 10 万人を対象としたパネル（ニールセン が米国で運用している全米テレビパネルの現在の規 模）をもってしても、視聴者数が少なすぎて信頼でき る視聴率データを取得できないテレビ番組があるの です。 それに対応できるソリューションの一要素として、テ レビ計測に使用するパネル規模を拡大することがあ ります。ニールセンでは、これを可能にする主要技術 ¥¥¥¥¥ 29 の開発を進めている最中です1。しかしその新しいソリ ューションには、パネル外部のテレビの利用状況を捕 捉するための新しい技術要素を含める必要があるこ とに疑いはないでしょう――この技術を「センサスデ ータ収集」と呼ぶことがあります。 これをどのように実現すればよいのでしょうか。ニー ルセンでは、これを実現するために、エンジニアの手 によって、テレビのコンテンツを表示するアプリやア グリゲーターアプリ、ブラウザページのすべてにイン ストールして使用する、ソフトウェア開発キットまた は SDK と呼ばれるソフトウェアライブラリを開発しま した。これは、物理的なメーターではなく、ソフトウ ェアプラグインを集めたものであり、既存のアプリに 埋め込んで、プラグインを有効化するとインプレッシ ョンを捕捉するというものです。ノートパソコンでコ ンテンツを視聴する消費者には、この SDK をブラウザ に組み込みます。iPhone でコンテンツを視聴する消費 者には、この SDK を iOS アプリに組み込みます。Roku ボックスでコンテンツを視聴する消費者には、この SDK を Roku メディアプレーヤーに組み込みます。ニー ルセンでは、この SDK をなるべく単独でインストール しなくて済むように、Adobe と提携し、Adobe の SDK にこの計測機能を組み込んで、SDK の実装オプション の 1 つとして提供します。これは、ニールセンと Adobe の共通のクライアントに提供されることになります。 コンテンツ固有の様々な識別子を認識できるように、 SDK には十分に柔軟性を持たせる必要があります。 元々リニアテレビ用のコンテンツには、ニールセンの ウォーターマークが既に含まれています。このウォー ターマークは、国中のコンテンツ配信施設に配備され た数千のエンコーダーのいずれかから音声信号に挿 入される、耳には聞こえないコードです。このウォー ターマークは現在のテレビ視聴率システムの根幹を 成すものですが、同じコンテンツがデジタルコンテン ツとして配信・消費される場合も同様に利用できます。 セキュリティ上の理由から、デジタルプラットフォー 1 本号の「さらに小型、低価格、強力に: Nano メーター」をご 覧ください。 Nielsen Journal of Measurement, 第 1 巻第 2 号 ム上では音声にアクセスしにくいので、デジタルに変 換する際に、最初にウォーターマークを変換する必要 があります。この問題に対処するため、ニールセンで は主要な変換器（ストリーミングコンテンツを作成す る機器）のほとんどに組み込み可能なソフトウェアを 開発しました。このソフトウェアが音声からウォータ ーマークを抽出し、デジタルストリームにメタデータ として挿入します。このメタデータのタグは ID3 と呼 ばれ、主要なストリーミング形式のほとんどでサポー トされ、ストリーミングコンテンツからの抽出が極め て簡単に行えるようになっています。 私たちの住む世界では、もはや 1 つの技術や、1 つの 配信メカニズムがエンターテインメント業界全体を 支配することはあり得ません。選択肢が大幅に増え、 今や視聴者が支配権を握っています。このことは、 メディアリサーチャーが最新技術に迅速に対応する 必要があることを意味しています。視聴率計測は今ま でになく複雑化していますが、適切なアーキテクチャ を備え、技術革新を推進することで、業界は難問に立 ち向かうことができるのです。 コンテンツが最初からデジタルであり、ニールセンの ウォーターマークをそもそも格納していない場合は、 プロバイダーの CMS（コンテンツマネジメントシステ ム）のメタデータから、再生内容（番組名、エピソー ド、ジャンルなど）を識別します。特定のプロバイダ ーの CMS にアクセスしにくい場合は、ニールセン独自 のタグを利用することもあります。デジタルコンテン ツへの CMS タグの設定は、番組のみならず、広告にと っても重要です。ダイナミックアドエクスチェンジと プログラマティック取引の技術が、メディア業界を根 底から変えつつあります。消費者がテレビコンテンツ で見る広告は、リニア放送のコンテンツに関連付けら れた広告と同じ場合もありますが、一定期間後に変更 される場合や、最初から全く異なる広告である場合も あります。こうした広告を識別する個別のタグがなけ れば、どの広告が視聴者に表示されているか分からな くなります。 ID3 タグと CMS タグのどちらの形式でも、コンテンツ や広告の識別マークを取得できれば、それを他の印と まとめて集計した上で、そのデータをバックオフィス 施設に送信して、最終処理や分析を行うことができま す。ただし、デジタルコンテンツや広告の視聴率を計 算する前に、まだ 1 つ欠けている要素があります。そ れは、デモグラフィックスです。 SDK が収集するセンサスインプレッションのうち、ニ ールセンのパネルメンバーと重複するのはごく一部 です。ニールセンは、パネルメンバーの詳細な個人デ ータ（デモグラフィックス、ライフスタイルデータ、 保有機器など）を保有していますが、ノートパソコン やスマートフォンなどのインターネットに接続され たデバイスからニールセンに送られてくる何百万人 もの消費者の個人データは、当然持ち合わせていませ ん。そこでニールセンでは、慎重に選定したサードパ ーティプロバイダーとのデータ提携を通じて、消費者 のプライバシーを保護する手続きを用いて、デモグラ フィックデータの集計を受け取り、パネルデータに合 わせて調整できるようにしました。これにより、「顔 のない」インプレッションのすべてに「顔を持たせる （性年齢が分かる）」ことが可能になり、最終的に、 デジタル視聴率とリニア TV 視聴率を統合し、番組の パフォーマンス、つまり、トータルオーディエンスの 全体像を描けるようにしました。 ¥¥¥¥¥ 30 Nielsen Journal of Measurement, 第 1 巻第 2 号 スナップショット 3 ひとりじゃない: OTT が誰かと一緒にテレビを見 ることを再びクールなものにする？ KUMAR RAO — データサイエンス担当 ディレクター・ KAMER YILDIZ —シニア データサイエンティスト MOLLY POPPIE — データサイエンス担当 VP 誰かと一緒に、通常は家族と、テレビ番組を見ること をテレビの共視聴といいます。娯楽商品は誰かと一緒 に消費されることが多いものですが、テレビも例外で はありません。実際、テレビの視聴は従来、ソーシャ ルアクティビティの 1 つと考えられてきました。しか しデジタル世代では、この前提が崩れ始めています。 ノートパソコン、スマートフォン、タブレットで日々 視聴されるテレビコンテンツが増えるほど、テレビの 視聴は徐々に個人的娯楽となってきているようです。 OTT（オーバーザトップ）デバイスはこうした流れを 押し戻すことができるでしょうか。今や米国の 20％の 世帯に OTT デバイスが入り込んでいます。このデバイ スは通常、家庭の大画面のテレビに接続されています。 大手テレビネットワークの専用アプリとストリーミ ングサービスを利用して、テレビコンテンツを見るこ とができます。デジタルエンターテインメントに期待 される利便性と柔軟性（膨大なビデオライブラリ、オ ンデマンド視聴、月額の固定料金での見放題）をすべ て兼ね備えている上に、リビングの大画面でゆったり と視聴できる点が特徴です。OTT の登場で、テレビの 共視聴が再びクールなものになるのでしょうか。 手短かに答えると、間違いなくその通りと言えますが、 その割合は年齢や時間帯などの要因によって異なり ます。 OTT デバイスでの共視聴の調査には、様々な理由から 大きな関心が寄せられています。例えば、番組制作者 はその番組の視聴者を正確に把握し、OTT デバイスで の視聴による影響を特に大きく受けるデモグラフィ ックグループがあるか否かを理解しておく必要があ ります。また、広告主は、OTT デバイスでの共視聴が 広告の受けとめ方に影響を与える可能性があるかど うかを把握しておかなければなりません。社会学者も、 視聴パターンの共有や、社会的相互作用を牽引する新 しいダイナミクスを理解しようとしています。 ため、OTT デバイスの主要プロバイダーである Roku と 提携しました。センサスベースの計測が容易に行える ように、広告インプレッションをトラッキングするソ フトウェア（ソフトウェア開発キットまたは SDK16と呼 ばれます）を OTT プロバイダーのアプリに直接組み込 みました。このデータはパネル対象の世帯からではな く、デバイスから送られてくるので、コンテンツを誰 が見ていたかは分かりませんでした。この問題の解決 にあたり、ニールセンは 2 つの重要な方策を実施しま した。まずは、サードパーティのデータプロバイダー を使って、OTT デバイスに関連する世帯と個人レベル の特性（収入、年齢、性別など）を特定し、そのデー タをニールセンが扱う NPM（ナショナルピープルメー ター）パネルと照合して調整を行うようにしました。 次に、OTT デバイスに接続されたテレビから取得した 過去の NPM のテレビデータに基づいて、各世帯のどの メンバーが各広告インプレッションを視聴したかを 推測するモデルを開発しました。 この OTT 計測サービスの立ち上げは、ニールセンが OTT 利用状況を把握する上での突破口となり、同サービス のクライアント数（パブリッシャーと広告主）とデー タ量（毎日数百万インプレッションを捕捉）は増加を 続けています。2016 年にニールセンは、OTT 計測サー ビスから収集したデータを利用した共視聴調査に着 手しました。この調査には、様々な情報源からの大量 のキャンペーンデータを分析することも含まれてい ました（24 以上のジャンルを代表する番組の 15 の広 告キャンペーンの 1,800 万件の広告インプレッション を対象に分析）。 調査の結果、OTT 全体の共視聴の割合が 34％になるこ とが分かりました。従来型のテレビ放送での割合 （43％）よりは低くなりますが、モバイルデバイスで のテレビの共視聴の割合（14％）より大幅に高くなっ ています。さらに、OTT での共視聴はランダムな現象 16 2015 年の初めにニールセンは、テレビに接続された デバイスによる初の視聴率計測サービスを提供する ¥¥¥¥¥ 31 本号の「何もかもひっくるめて: あらゆるデジタルテレビで のインプレッションを計測するための SDK」をご覧ください。 Nielsen Journal of Measurement, 第 1 巻第 2 号 ではなく、例えば年齢によって異なることも分かりま した。子供（2～12 歳）の共視聴が最多です。この年 齢層では少なくとも誰か 1 人と共視聴する割合が、10 回中 7 回に達しています。ティーンエージャー（13～ 17 歳）では、女子の共視聴の割合（63％）が男子（54％） よりも高くなっています。ただし、他の年齢層では、 男性と女性の共視聴の割合はほとんど同じです。また、 プライムタイムでの OTT の共視聴の割合（44％）は昼 間（25％）よりもはるかに高くなることも分かりまし た。こうした所見については、本編記事として詳細に 取り上げる予定です。 これまでの調査結果は、従来型のテレビでの共視聴で 分かっていたことと大きな違いがありません。しかし、 対象とする OTT プロバイダーを増やしていくにつれ、 デモグラフィック属性と視聴端末ごとに大きな違い が生じてくるものと思われます。OTT が急速な浸透を 続ける中、ニールセンは、デジタル広告の視聴率に OTT デバイスを含めること、そして、消費者市場の進歩に 後れずに対応できる革新的な計測技術の設計を継続 していくことにコミットしています。今回ご紹介した 事例を通じて、最近の視聴トレンドを深く理解するた めに、パネルとセンサスベースのデータをいかに統合 しているかについて、よくご理解いただけたのではな いでしょうか。 ¥¥¥¥¥ 32 Nielsen Journal of Measurement, 第 1 巻第 2 号 スナップショット 4 機械学習を活用して、変化する メディア ランドスケープにおける 将来のテレビ視聴率を予測 JINGSONG CUI ― データサイエンス担当 VP SCOTT SEREDAY ― ニールセン データサイエンス担当 マネージャー メディア企業や広告主は毎日、テレビの視聴率に基づ いて、テレビ番組の成功度を計測し、視聴者の規模や 構成がメディアバイイングの目標を達成しているか どうかを確認し、数字が達していない場合は、埋め合 わせを求めるなどしています。こうした観点からは、 テレビ視聴率は、過去（あるいは、せいぜい現在）の テレビ視聴の状況を計測する指標であるに過ぎませ ん。 しかし、メディア企業は視聴率を将来の予測にも利用 しています。視聴率は、予測立案や、次シーズンの番 組改編の決定に利用されています。また、キャンペー ンが実際に配信されるかなり前の段階での広告料の 設定にも利用されます。例えば米国では、テレビ局は シーズン中の広告枠の大半を、1 年に 1 回（3 月から 5 月の期間に）開催されるイベント「アップフロント」 で販売しています。それはつまり、あなたが今夜テレ ビで見る広告の料金が、おそらく 1 年以上も前に取り 決められていることを意味します。 ある番組の 3 カ月後、6 カ月後、12 カ月後の視聴率を 予測するため、リサーチャーは予測モデルを使用して います。こうしたモデルの多くは、ほとんど、あるい は全く修正されずに何年も使用されてきました。これ までは、そうしたモデルが視聴率をうまく予測し、毎 年数 10 億ドル規模にも上る広告取引をサポートして きたのです。しかし、テレビを取り巻くエコシステム の急速な変化によって、信頼できるモデルの構築が 段々と難しくなってきています。 ここで、メディア業界における最近の技術イノベーシ ョンのリストを考察してみましょう。ノートパソコン、 タブレット、スマートフォンを使ってコンテンツを見 る視聴者がますます増えていること。Netflix、Amazon プライムのようなストリーミングサービスが一般に まで普及してきたこと。テレビに接続する新しいデバ ¥¥¥¥¥ 33 イスが大画面での視聴体験を生まれ変わらせたこと。 視聴者はタイムシフト視聴やストリーミングによる ビンジ・ウォッチングを行うようになってきたこと。 ――視聴者は、これまで以上に自分が消費するメディ アをコントロールするようになっているのです。視聴 者の行動は複雑になっただけでなく、予測しにくくな りました。 ニールセンでは、視聴者によるメディアの消費動向を 計測する多数のデータリソースにアクセス可能です。 しかし、デジタルテレビのデータを（予測モデルの入 力あるいは出力として）それらと組み合わせる前に、 私たちは従来型のテレビデータだけを情報源として、 従来型のテレビ視聴率の予測方法を改善できるかど うか調べてみたいと考えました。Nielsen National People Meter のおかげで、何年も前まで遡及可能な高 品質データに加えて、一貫性のある手法と、全米の視 聴者を代表するパネルを利用することができます。 この豊富なデータを極めて詳細なレベルで利用して、 新しい予測モデルを作成しました。入力変数として使 用したのは、従来の Live+7 視聴率（ライブ視聴者と 初回放送後 7 日以内の視聴者を含めた視聴率）、C3 視 聴率（放送 3 日以内の再生を含めたコマーシャルの視 聴率）、HUT（任意の時点でテレビを使用している世 帯の割合）、リーチ、世帯視聴率、デモグラフィック 視聴率、曜日、1 日の時間帯、ネットワークの ID など の重要な情報です。そして高度な機械学習や統計アル ゴリズム（リッジ回帰、ランダム予測、勾配ブーステ ィングなど）を活用して、各データの関連性の特定を 行いました。 私たちは、あるクライアントと共同で、プルーフ・オ ブ・コンセプト（概念実証）を繰り返し実施して、作 成したモデルのテスト・検証を行いました。モデルは、 将来の視聴率を詳細（例えば、2～5 歳の男児、65 歳 Nielsen Journal of Measurement, 第 1 巻第 2 号 以上の女性のような小さなデモグラフィックグルー プに関する時間単位）で予測できるように設計した上 で、これらの数字をネットワークレベルでまとめまし た。この私たちのモデルの実際への当てはまり状況を 確認するため、2 四半期をホールドアウト期間として、 ニールセンの予測とそのクライアントの社内予測を、 実際の視聴率データと比較しました。例えば、ニール センのモデルは、2014 年第 1 四半期までの過去データ のみを使って、2015 年第 2 四半期の火曜日午後 9 時か ら 10 時までのネットワーク A での 30～34 歳の Live+7 の平均視聴率 1.94 を正確に予測することができまし た。予測はネットワークレベルでは極めて正確であり、 R2 乗値（説明できる変動の割合）は 99％でした。し かし、より詳細な放送時間帯レベルや、もっと小さい デモグラフィックグループでの予測はより困難でし た。ただし、時間帯別でも、ニールセンのモデルの R2 乗値は 95％を上回り、ニールセンのクライアントがそ の時点まで使用していたモデルよりも大幅に高いパ フォームでした。2,000 を超える曜日・時間の組み合 わせの予測において、ニールセンの予測は、R2 乗値に 関して 41％精度が高く、加重平均絶対誤差率（WAPE） に関して 16％精度が高いという結果になりました ――この 2 つは、予測精度の主要な指標です。 次号以降の記事で、ニールセンのプルーフ・オブ・コ ンセプト（概念実証）モデルと実施したテストの内容 の詳細をご紹介します。このプロジェクトの重要なポ イントは、ノイズが多くかつ大量の行動データを予測 モデリングの機能に変換できたことであり、それも極 めて効率的に（自動化された方法で）行えたことです。 しかし、視聴率の小数点がビジネスに極めて大きな影 ¥¥¥¥¥ 34 響を与えることから、新しい入力変数（広告支出や番 組特有のデータなど）の追加や、番組パッケージやチ ャンネルラインナップの変更に迅速に対応する方法 の構築、回帰アルゴリズムや分類アルゴリズムの新形 式のテスト、さらには複数の有望なモデルの統合など により、もっと高い精度を求める続ける必要がありま す。 このプロジェクトは従来型のテレビに焦点を合わせ ていますが、デジタルデータの影響は、過去データに おけるテレビ視聴率の変化に映し出されている（つま り、予測にも同様に反映される）ことは興味深いこと です。ただし、これは累積効果の間接的な計測であり、 例えば OTT 視聴や、スマートフォンアプリでの視聴に 特別に注目するモデルに代わるものではありません。 上記に概説した次のステップに加えて、デジタルデー タを使用することが、将来の予測の改善にとって重要 な要素となると思われます。 最後に、各クライアントがその番組を知り尽くしてい ること、番組が将来どのように受けとめられるかにつ いて正当な直感を抱いていることを私たちも認識し ておく必要があります。こうした「人的要素」は、予 測モデルを組み合わせる際に無視すべきものではな く、市場における重大な不測の変化に対応しなければ ならない場合に、特に貴重な要素になる可能性があり ます。豊富なデータ、強力な機械学習アルゴリズム、 そして専門的知識を統合したシステムが、それぞれ単 独ではなしえないような優れた結果を生み出すこと ができるのです。 Nielsen Journal of Measurement, 第 1 巻第 2 号
© Copyright 2024 Paperzz
