¿No estás midiendo el 'co-viewing'? El alcance de tus campañas es mayor del que crees

Cuando los anunciantes planifican y miden campañas, dan por buena una ecuación demasiado simple: una pantalla = una persona. Pero, en realidad, el consumo de medios no funciona así. Ya sea una familia reunida frente a la tele, un grupo de amigos viendo un partido o una pareja viendo su serie favorita, el 'coviewing', es decir, más de una persona en torno al mismo dispositivo, es un comportamiento muy extendido. Y con una importancia crucial en el impacto de las campañas publicitarias.

Sin embargo, la mayoría de las metodologías de medición lo ignoran por completo o tienen serias dificultades para capturarlo. El resultado: las campañas están obteniendo un reach más alto del que se reporta, la frecuencia se está calculand mal y el verdadero impacto de la publicidad queda oscurecido. Con tanto en juego, no es de extrañar que el debate esté candente.

En FLUZO solemos abordar la medición de manera diferente al consenso de la industria —y el coviewing no es la excepción. Sí, lo medimos. Pero probablemente no de la manera que imaginas. Muchos clientes nuevos se sorprenden cuando les decimos que no se preocupen: los datos de FLUZO ya incorporan el coviewing de forma implícita. La conversación suele ir más o menos así:

• Cliente: “Un momento, ¿me estás diciendo que vuestros datos ya incluyen el coviewing?”
• FLUZO: “Exacto.”
• Cliente: “¡Demuéstralo!”

Vamos a desglosarlo. Pero primero, dejemos claro por qué importa tanto.

Por qué la medición del 'coviewing' es más importante que nunca

El 'coviewing' no es un fenómeno marginal. Es una parte esencial del modo en que las audiencias consumen medios hoy. En la última década, la "pantalla grande" ha evolucionado hacia un epicentro social alrededor de la cual familias, amigos e incluso extraños se reúnen para compartir:

• Series y películas en streaming
• Eventos deportivos en vivo
• Contenido gaming
• Sesiones de YouTube
• Visualización de podcasts
• Reality shows
• Y un larguísimo etcétera.

Y esto solo es la punta del iceberg… ¿Qué pasa con el contenido que compartimos fuera de la pantalla grande? El partido que vemos en un bar. El reel que nuestra pareja nos enseña en una tablet. El video que vemos con compañeros de trabajo en el portátil de uno de ellos. ¿Y qué decir del podcast que escuchamos cuando viajamos un grupo en coche? (Porque sí, el co-viewing también puede ser co-listening, pero esto ya lo hablamos otro día, de momento os dejamos este post).

Esa pantalla, antes puramente analógica, es ahora un apéndice digital. Y su medición se ha ligado a peoplemeters por hogar (un televisor = un hogar), ad servers e identificadores de usuario único, pensados para conteos tipo censo (un televisor = un espectador). Pero, como todo el mundo sabe de forma instintiva, detrás de cada vídeo servido puede haber una persona… o varias.

Y eso lo cambia todo:

• Un spot puede estar llegando a más personas de las que registra el ad server.
• Al mismo tiempo, la frecuencia se sobreestima, porque las impresiones se asignan a menos individuos de los que realmente estuvieron expuestos.

En resumen, ignorar el coviewing distorsiona el impacto real de las campañas y el ROI. Medirlo —o no hacerlo— afecta directamente a cuánto crees que aporta cada euro (o dólar, o la divisa que uses) de inversión publicitaria.

La medición tradicional del 'coviewing' no funciona

La industria ha probado tres grandes enfoques para capturar datos de 'coviewing'.

1. Paneles de Audiencia TV (TAM)

Estos paneles registran quién ve la TV en cada hogar, incluidos invitados, y extrapolan para estimar tasas de coviewing.

Problemas:

• No siempre capturan la publicidad en streaming.
• Gran parte del consumo actual ocurre fuera del hogar.
• La visualización de invitados es notoriamente difícil de rastrear.
• Y eso sin entrar en los problemas de cada mercado: pantallas adicionales, segundas residencias, consumo fuera del hogar, universos distintos y definiciones variables de “exposición válida”.

2. Datos digitales censales (usuarios únicos e impresiones)

Enfoque técnico se basa en logins, cookies o dispositivos únicos expuestos a un conjunto de impresiones.

Problemas:

• Un login o un dispositivo no equivale a una persona (cuentas compartidas, varias personas detrás de una sesión).
• El mundo digital es caótico: impresiones servidas pero no vistas, vídeos vistos con la pantalla apagada, y multitud de problemas.

3. Fusión Híbrida TAM + Datos Digitales

Combinan datos de panel y censo en modelos de medición unificados.

Problemas:

• Como en otras fusiones cross-media, el reto es modelar correctamente los solapamientos.
• Falta de puntos de anclaje observacionales confiables.
• Proyecciones poco confiables de tasas de 'coviewing'.

La solución de FLUZO: medición centrada en personas

En FLUZO, partimos de una premisa fundamentalmente diferente: medimos personas, no dispositivos. En nuestro single-source panel, cada exposición a medios se registra a nivel individual, capturando naturalmente el comportamiento de 'coviewing':

• Panelista que ve la tele solo en casa ✓
• El mismo panelista que ve una serie en streaming con amigos al día siguiente ✓
• El que llega a la oficina y ve un vídeo con sus compañeros de oficina ✓
• Comparte un contenido en una tablet en casa de su pareja ✓
• [Inserta cualquier momento inesperado] ✓

Un caso práctico

Si el consumo de medios es cada vez más fluido y fragmentado, ¿no tiene más sentido poner al consumidor—no al dispositivo—en el centro de la medición?

Veamos cómo nuestro enfoque arroja métricas más precisas en tres hogares de distinta composición:

Datos tradicionales del ad-server

• 2 Usuarios únicos registrados;
• 6 impresiones totales;
• Frecuencia calculada: 3

Datos FLUZO centrados en personas

• 3 individuos realmente expuestos;
• 6 exposiciones reales capturadas;
• Frecuencia real: 2

Resumiendo: Nuestra metodología ofrece una solución disruptiva pero con mucho sentido: capturar el 'coviewing' desde la base, midiendo personas. Este enfoque hace que el 'coviewing' sea estadísticamente inevitable y permite el cálculo preciso de su impacto tanto en alcance como en frecuencia.

¿Listo/a para descubrir el verdadero alcance y frecuencia de tu campaña? Contacta a FLUZO para aprender cómo la medición centrada en personas puede transformar tus métricas.

NOTAS

(1) Convertir cookies, navegadores únicos, usuarios únicos o logins únicos a personas reales siempre ha sido uno de los desafíos más difíciles en la medición digital—remontándose a los días de Webtrends Log Analyzer y Redsheriff. La tendencia hacia la privacidad en los últimos 10 años tampoco ha facilitado las cosas, con GDPR y cambios en navegadores y sistemas operativos.

2. Un problema similar surge con modelos que tratan de evaluar el solapamiento de medios y la incrementalidad usando cosas como Sainsbury o enfoques similares, como ya discutimos aquí.