Data Science per l’Audience Meausurement| Ipsos
Audience Measurement

Data Science per l’Audience Meausurement

OUR SOLUTIONS
Potenziare i dati di ricerca tramite la scienza statistica.

I principali servizi che offriamo per la misurazione delle audience comprendono: data ascription (popolare i gap nei dataset), data integration (combinare dataset multipli), la modellizzazione delle audience, il data processing avanzato e le analytics customizzate.

I rispondenti sono sempre più restii a rispondere in modo completo a questionari lunghi. Allo stesso tempo, però, aumenta anche l’esigenza di disporre di dati sempre più capillari. Un modo per uscire da questa contraddizione apparentemente irrisolvibile è mettere in field diversi questionari brevi, che affrontano specifici aspetti del tema oggetto della ricerca ma contengono anche una parte comune. I dati specifici di ciascuna survey possono quindi essere attribuiti tramite “ascription” ai rispondenti grazie alle informazioni raccolte con le sezioni comuni (variabili socio-demografiche, luogo di residenza).

La data integration – o fusione dei dati – avviene quando due o più studi distinti vengono uniti tra loro utilizzando anche in questo caso dei ganci (e cioè informazioni rilevate in comune negli studi da agganciare tra loro) che consentono di ‘gemellare’ i rispondenti dei diversi studi – per esempio, in uno studio possiamo raccogliere informazioni sui comportamenti di lettura ed in un altro studio possiamo raccogliere informazioni sui comportamenti di utilizzo dell’online, e possiamo poi trasferire le informazioni sui comportamenti di utilizzo dell’online da uno studio all’altro gemellando i due campioni su informazioni come il sesso, l’età, il luogo di residenza etc.  Avremo così, per ciascun individuo, sia informazioni sui comportamenti di lettura che sui comportamenti di fruizione dell’online, nonostante nessuno abbia concretamente risposto su entrambi i temi.

Utilizziamo la modellizzazione delle audience nei casi in cui i dati campionari non possano essere impiegati isolatamente. Per esempio, possiamo modellizzare i dati di readership di testate a bassa diffusone utilizzando una combinazione di dati di diffusione, dati censuari e informazioni relative alla testata stessa. I dati di esposizione alla televisione dei membri di una famiglia possono essere modellizzati utilizzando informazioni dettagliate catturate dal loro set-top-box televisivo o router internet (dati che indicano se il televisore è acceso o meno, su quale canale è sintonizzato etc.) e altre informazioni relative alla composizione della famiglia.