本期焦點:提供 Comscore 觀點 – 解析 AI 在媒體測量中的角色,及IX Survey 提供市調解析 – 手機篇,讓您快速掌握市場動態資訊。

解析 AI 在媒體測量中的角色

前言

在過去的一年裡,ChatGPT 和其他利用大型語言模型 (Large Language Model, LLM) 技術產製的生成式 AI (Generative AI) 已經變得無處不在。這種爆炸性的成長促使媒體和廣告生態系中的所有公司都在探究該怎麼有效利用這項技術。雖然生成式 AI 還沒高度發展成熟,但 Comscore 確實是時候停下腳步來檢視一下我們現在處於什麼位置,以及下一步如何將 AI 應用於我們的核心服務 — 媒體測量。

對於廣告主、媒體平台和內容產製者來說,測量和分析受眾規模和涉入程度的能力至關重要;然而,傳統的媒體測量方法在當今媒體使用碎片化的情況下做出更細緻的觀察。

2024 年 11 月 12 日,Comscore 研究總監 Michael Vinson 參與首屆 CIMM 創新媒體測量聯盟美西高峰會小組座談,座談由 Evan Cohen 主持,其他與談人包含雲端儲存公司 Snowflake 的 Erin Foxworthy 以及 AI 驅動影音廣告科技公司 Kerv Interactive 的 Gary Mittman。

Michael 在座談中表示,數位產業在近年迎來了前所未見的數據生成階段,而 AI 和機器學習是主導著這項轉變的關鍵技術。從社群媒體平台到串流媒體服務,(每個時間節點產出的)媒體內容不僅數量龐大,並且種類繁雜,要能從數據中精煉出有意義的洞察分析,確實需要更先進的分析技術介入,而人工智慧模型的應用,正好能讓監測廠商的分析技能更上一層樓。

“傳統”的非生成式 AI 應用,與使用生成式 AI 的應用之間還是有差異性存在,有時這兩者容易被混淆,但在我看來,它們是完全不同的:非生成式 AI 應用包括分類 (classification) 和迴歸 (regression) 。

你上傳一張照片,它能告訴你照片主題是貓還是建築物,這是分類;而你提供了一個電視節目以及它的收視率數據, AI 可以告訴你其他電視節目的收視率數據,這是一個迴歸的基本應用。

非生成式 AI 應用專注於提高媒體測量分析的效率和準確性,而不創建新內容。在 Comscore 的例子包括:

人格化:我們的測量系統採用家戶層級的媒體使用觀察 (在美國還特別包含了線性電視和聯網電視收看數據),加上人口統計數據來建模家戶內哪些人正在瀏覽內容。
異常檢測:Comscore 從外部數據合作夥伴導入大量資料,AI 分類系統有助於識別數據中的異常,並且在必要時進行資料排除,避免雜質混入。
受眾分群:長期累積下來的媒體消費行為,可用來識別各種“行為集群”,然後再運用於受眾報告上。

生成式 AI 根據自然語言提示生成內容,是目前大多數被熱烈討論的大型語言模型應用。

平心而論,在媒體測量中使用生成式 AI 才剛起步沒多久,目前的大型語言模型還存在著一些非常荒謬的“幻覺“,經常會出現一些不準確或無意義的結果,也因為迴歸模型帶來的限制,使得在分析上趨於平淡、缺乏深入洞察。

那 Comscore 是怎麼克服這些問題並且善用生成式 AI?

Comscore 在生成程式編碼的整個過程中就開始使用生成式 AI。數據分析師用自然語言描述任務,並要求 AI 產出符合的程式編碼(例如 Python 或 SQL),但這通常需要歷經多次修正,要麼透過改進咒語 (所謂的 prompt engineering) ,要麼直接去修改 AI 生成的編碼。久而久之,我們才會知道這樣的工作流程是否比讓有經驗的程式設計師直接編寫代碼更有效。

另一項相關的創新應用,是我們在 2023 年底開始於 Comscore qSearch 產品中納入了「生成式 AI 搜尋量」。儘管這不是生成式 AI 的應用(畢竟監測採用傳統的數位監測方法論),但它是關於生成式 AI 的測量。結果也顯示了越來越多的線上搜尋來自於生成式 AI 搜尋。

Comscore 未來的生成式 AI 應用可能包括調查工具設計、客製化數據分析、數據翻譯機等等,我們拭目以待。

生成式 AI 還在蓬勃發展中,誰都無法現在就為它下定論。然而,現在大家熱議的除了生成式 AI 的應用外,還有一些隱憂 — 內容版權歸屬、數據治理、隱私、深度偽造、取代真人工作,甚至對人類的生存威脅等問題。

我認為,這些問題還會繼續惡化,於此同時,媒體測量必須負責任地、有效率地使用這項創新技術。

資料來源:Unpacking the Role of AI in Media Measurement

市調解析 – 手機篇

前言

智慧型手機的普及,早已重新定義人們的生活方式,它改變了社交互動的模式,更深刻影響了娛樂、工作以及資訊獲取的習慣。為深入了解民眾的選購模式及使用趨勢,創市際於 2024 年 11 月 13 日至 22 日,針對 15-64 歲以上的網友進行了一項「手機篇」的調查,總計回收了 1,454 份問卷。

手機網路方案使用5G者占三成以上

由近年的調查顯示,六成左右民眾使用的網路方案以「4G」為主。而由 2024 年底的數據來看,選用「5G」者的比例來到 35.1%,較 2023 年的 30.2%提升近 5 個百分點。

選擇電信業者考量:使用習慣費率網路

民眾在選擇電信業者的主要考慮因素:
以「使用習慣」(37.7%)的影響最大,其次為「費用較便宜/資費方案吸引人(包括購機優惠…等)」(31.7%),其他考量因素則有「網路速度佳/網路涵蓋率高」(23.7%)、「親友多數使用此業者」(21.6%)、「據點多/申辦方便」(21.6%)、「通訊品質較佳」(20.1%)等。

選購主要管道—手機:電信業者;配件:購物網站

購買手機管道:
以「電信業者」(28.9%)為主,其次是在「通訊行(如:神腦、聯強、傑昇等)」(22.3%)購買。

購買手機配件管道:
以「購物網站(如Yahoo購物中心、PChome、Momo等)」(35.1%)為主,其次是在「拍賣網站(如蝦皮、露天等)」(32.4%)或「手機配件行/貼膜店」(31.5%)購買。

小結

*2024 年網路方案:
>4G 頻寬(59.3%):無限流量(38.9%)、限流量(20.4%)
>5G 頻寬(35.1%):無限流量(18.8%)、限流量(16.3%)
♦ 2024 年 5G 使用比例成長近 5%
*選擇電信業者考量 Top 3:
>「使用習慣」(37.7%)、「費用較便宜/資費方案吸引人」(31.7%)、「網路速度佳/網路涵蓋率高」(23.7%)
*購買管道 Top 2:
>智慧型手機:「電信業者」(28.9%)、「通訊行」(22.3%)
>手機配件:「購物網站」(35.1%)、「拍賣網站」(32.4%)、「手機配件行/貼膜店」(31.5%)

研究設計

研究方法:
線上調查(IX Survey線上研究整合系統)
研究對象:
樣本來源為創市際 iX:Panel 大型樣本群,針對15-64歲網友進行隨機抽樣。
研究期間:
2024/11/13~2024/11/22
有效樣本數:N=1,454
在95%的信心水準下,抽樣誤差約正負2.57%,再依照行政院主計處2024年6月台灣地區人口之性別、年齡及地區人口結構進行加權。

按此下載PDF檔案