20111002-尼尔森-People_First_A_User-Centric_Hybrid_Online_Audience_Measurement_Model_Nielsen_9页_1mb

人们优先：以人为本的混合在线受众测量

概述
通过混合在线受众测量方法进行受众计算的效果，取决于输入数据的质量。与单一大指标不同，混合在线受众测量通过整合多种数据源，能更准确地预测网络受众。对于在线发布商和广告客户来说，关键问题是：“哪一种混合受众测量模型最准确？”

主要区别在于两种模型：

用户中心混合模型

完全依赖高质量样本数据进行受众计算，并基于标记站点上的消费者行为模式，将活动扩展到所有站点。

站点中心混合模型

依赖于Cookie进行计算，但Cookie数据无法直接链接到个人及其有价值的 demographics，并且容易因Cookie删除等问题导致误差。

关键差异

用户中心模型可以跨网站公平比较受众；避免计数多个Cookie比实际用户更多的漏洞；并且采用了一个能预见未来数据变化的框架。

相反，站点中心模型因Cookie删除或移除行为而导致对唯一用户统计不准确，新的上网设备也加剧了这一问题，导致单个用户代表多个Cookie的情况。

全文通过理论分析（如基因杂种优势理论）和实例（如澳大利亚的统计个案）强调了Cookie测量不可靠的特点，并通过详细的技术论证指出，依赖Cookie会导致数据极端不准确，不符合IAB制定的人群覆盖最低标准。

Nielsen声称，尽管他们的混合模型最初支持站点中心方法，但经过四年深入研究后，在2009年正式转向了用户中心模型，认为站点中心模型虽然时髦，但“对于媒介规划几乎毫无用处，因为它只是报告数值，而不是真实的人”。

用户中心混合方法综合了Panel数据与行为数据，不依赖Cookie，具有更强的可扩展性，并可以随着新数据源的出现进行相应调整。Nielsen将继续改进方法，并结合非计算机设备的数据，提供更全面的受众分析。

本报告指出，为进行精确的在线受众测量，用户中心方法应是未来发展的主要方向。