Data Science pour la mesure d’audience

Les services clés proposés dans l’espace de mesure d’audience incluent l’attribution de données (combler les écarts dans les ensembles de données), l’intégration de données (combiner plusieurs ensembles de données), la modélisation de l’audience, le traitement avancé des données et l’analyse personnalisée.

Les répondants sont de plus en plus réticents à répondre intégralement à de longs questionnaires. Mais la pression autour de la collecte de données s’intensifie. Pour faire face à cette problématique, la solution consiste à répondre à plusieurs enquêtes courtes, chacune visant à recueillir certaines informations propres à chaque enquête et des informations communes à toutes les enquêtes. Les données uniques collectées dans une enquête peuvent ensuite être « attribuées » à des répondants auxquels ces questions n’avaient pas été posées, mais qui avaient répondu aux questions communes (par exemple, caractéristiques démographiques, lieu de résidence).

L’intégration de données ou fusion de données se produit lorsqu’au moins deux études distinctes sont réunies, à nouveau en utilisant des données collectées dans l’ensemble des études de façon à « faire correspondre » les participants d’une étude à l’autre. Par exemple, nous pouvons collecter des données sur le lectorat dans une étude et des données sur l’activité en ligne dans une autre étude, puis transférer les données de l’activité en ligne d’un participant à une étude vers un participant à une autre étude dont le profil correspond (même sexe, âge, région, etc.). La personne n’aura pas réellement à répondre aux questions sur le comportement en ligne détaillé.

Nous utilisons la modélisation d’audience lorsque les données d’enquête ne peuvent pas être exploitées isolément. Par exemple, nous pouvons modéliser le lectorat de journaux à faible tirage en combinant les données de tirage, les données de recensement et les informations sur le titre lui-même. Le taux d’écoute de la télévision des individus au sein d’un foyer peut être modélisé en exploitant les données détaillées extraites de leur décodeur TV ou routeur Internet (que la télévision soit allumée ou éteinte, que le canal soit syntonisé ou non, etc.) et d’autres informations sur la composition du foyer.