Vandaag kondigde NOM aan dat het een voorspellingsmodel heeft ontwikkeld waarmee het bereik van een advertentiepagina in een dagblad of tijdschrift berekend kan worden. Oftewel, het reclamebereik van print is vanaf nu goed meetbaar en kan worden afgezet tegen het mediumbereik. NOM heeft ook meteen een nieuwe afkorting gelanceerd; OTSA. Het staat voor Opportunity To See Advertising. Op zich is het meten van reclamebereik in print niet nieuw, maar nog niet eerder is dit centraal vanuit één bron gemeten en gekoppeld aan de currency. Sterker nog, NOM heeft de uitkomsten zelfs laten opnemen in de mediaplanningssoftware. NOM benadrukt dat het reclamebereik van print niet grootschalig en op continue basis kan worden gemeten. Het heeft er daarom voor gekozen om een voorspellingsmodel te maken. Op basis van een apart onderzoek (n = 8.000, uitgevoerd door GfK in 2012) waarin reclamebereik feitelijk is gemeten, is een model gemaakt waarmee het zien van advertentiepagina’s in alle dagbladen en publiekstijdschriften kan worden voorspeld. Dat model is opgesteld door ABF Research.
Voorspellers
Eén van de belangrijke voorspellers van reclamebereik blijkt leesintensiteit te zijn: hoe meer men leest in een blad hoe groter de kans dat hij/zij ook een advertentiepagina gaat bekijken. Dat lijkt me op zich wel een hele logische. Verder is nog een aantal kenmerken van de advertentie zelf van belang, zoals positie in het blad of kleur. Ook is het belangrijk of mensen geïnteresseerd zijn in een bepaalde branche, bijvoorbeeld auto’s of persoonlijke verzorging. Ook dat klinkt mij niet vreemd in de oren. Natuurlijk wel benieuwd hoe deze factoren schaalbaar in een model zijn gezet.
Currency en software
NOM heeft zoals gezegd het model gekoppeld aan de currency en planners kunnen nu in hun software extra kenmerken opgeven waarmee OTSA gaat berekenen hoe groot de ‘kijkkans’ is van een dagblad- of tijdschriftadvertentie. Die kenmerken zijn o.a. positie in het blad, kleur, positie t.o.v. redactie, type advertentiecampagne en plaatsing in katern ingeval van dagbladen. Al deze ‘harde variabelen’ worden vervolgens gecombineerd met de uitkomsten van het GfK-onderzoek. In dat onderzoek is aan 8.000 respondenten gevraagd of ze van bepaalde tijdschriften of dagbladen advertentiepagina’s hebben bekeken. Er is gevraagd naar in totaal 259 advertenties. Als ze een pagina waarop advertentie was geplaatst hebben bekeken, dan telde dat als reclamebereik. Naast het reclamebereik is in dit onderzoek ook een groot aantal kenmerken gemeten waarvan het vermoeden bestaat dat ze invloed kunnen hebben op reclamebereik zoals socio-demografische kenmerken, leesintensiteit, ontvankelijkheid voor reclame, kenmerken van advertenties zoals positie in het blad, formaat, kleur etc. Voor een deel dus dezelfde harde variabelen zoals die hier boven zijn genoemd.
De match van alle gegevens levert een afzonderlijk model op voor tijdschriften en dagbladen, waarin via een formule een kans wordt berekend. Helaas zijn er geen algemene gegeven bekend, daarvoor moet je echt in de data duiken. Duidelijk is wel dat het nu voor het eerst mogelijk is om te berekenen in welke mate een bepaalde doelgroep in een bepaald blad met een bepaalde advertentie daadwerkelijk die advertentie gezien heeft.
OTS en LTS
Print is overigens niet het eerste mediumtype dat visibility van advertenties meet en publiceert. Bij TV is door de wijze van meten altijd al bekend hoe groot de kijkdichtheid van een reclameblok is. Bij radio is dat wat lastiger. Je kan de luisterdichtheid van een kwartier zonder reclame vergelijken met een kwartier met reclame, maar dat is al een stuk minder betrouwbaar dan TV. De meest verregaande studie naar visibility is het buitenreclame-onderzoek (BRO). Daarin is via een groot aantal modellen en afzonderlijke studies een correctie uitgevoerd op de passantenstromen die langs een object komen.
Voorheen was er uitsluitend bereik bekend van objecten die een ‘Opportunity to See (OTS)’ hadden. In het BRO wordt gesproken over een ‘Likely to See (LTS)’. Daarin wordt o.a. gekeken naar formaat, positie, obstakels, snelheid van passeren, soort passant (fietsers, wandelaars en automobilisten) etc. Al deze kenmerken zorgen er voor dat bijvoorbeeld van alle 100 passanten van een abri er daadwerkelijk maar 68 zo’n abri hebben kunnen zien. NOM doet nu hetzelfde, maar dan met bladen. Dus eigenlijk meer een LTS dan een OTS, als je de parallel met BRO maakt.