OOH（アウト・オブ・ホーム）メディアは、広告主にダイナミックで効果的なマスリーチ媒体を提供するが、他のチャネルと比較すると測定が難しい。 これは主に、屋外広告をめぐる基準の欠如の結果である。
デジタルの世界と同じように、少数の大手企業が世界的に支配的であり、独自の測定方法を提供している。 一方、ブランドはOOH測定の選択肢をほとんど知らず、古くからのビルボード評価に頼っている。 ここでは、より一般的なOOH測定方法のいくつかを簡単に分析します。
1.交通データ
トラフィック情報は広告主に推定広告露出指標を提供する。
データの大まかな分析は、政府による国勢調査や、日本政府が発表している「日本版国勢調査」から簡単に得ることができる。
の調査を行った。 これは通常、計画段階で検討されるが、キャンペーン後のレポートにもよく使われる。
長所
トラフィックデータは、アセットオーナーにとっても広告主にとっても、かなり簡単に入手できる。 オープンデータで自由に入手できない場合、交通レポートは調査会社から有料で購入できる。
短所
ある程度のベースはあるが、その多くは調査ベースであり、歴史的なものである。 例えば、2014年のトラフィックデータで2019年のキャンペーンを測定するのは意味がないのではないか？ 同時に、このデータは、異なる時間に複数の広告主を収容するデジタルOOHサイトの測定には使用できない。
2.クーポンとプロモコード
デジタルブランドは、OOHキャンペーンにクーポンコードを追加することもできる。 これにより、何人が広告を見てクーポンコードを使用したかといったコンバージョンの測定が容易になる。
長所
測定は非常に簡単で、広告主は追加費用を負担しない。 また、複数のビルボードで異なるクーポンコードを使用した場合、どのビルボードがより良いパフォーマンスをしているかを把握することもできる。
短所
デジタルクーポンは、コンバージョンを測定するところまでしかできない。 しかし、広告主は、広告看板によってリーチされたにもかかわらずクーポンを利用しなかった視聴者を理解する助けにはならない。
3.URLトラッキング
カスタムランディングページの作成は、デジタルマーケティング担当者にとって標準的な手法となっている。 現在では、各キャンペーンは特定のランディングページにタグ付けされ、ユーザーエクスペリエンスの向上と測定の効率化を図っている。
同じコンセプトが看板キャンペーンにも使える。 クーポンコードの使用と同様に、カスタムランディングページは、ブランドがユーザーの流入元を把握することを可能にする。 これは、ショッピングモールや店舗、さらには駅などの屋内メディアで、QRコードやNFCタグを使用して一般的に行われている。
長所
クーポンコードと同様に、この測定方法は、ブランドがウェブ訪問という形でコンバージョンを測定するのに役立ちます。 また、看板広告を見たという理由で来店した顧客をセグメントするのにも役立つ。
短所
繰り返しになるが、コンバージョン数は簡単に測定できるが、コンバージョン率に基づいてビルボードをベンチマークするのは難しい。
4.ソーシャルメディアと検索測定
より高度なアプローチが必要かもしれないが、ソーシャルメディア上のトラッキング指標は、アウト・オブ・ホーム（OOH）キャンペーンの測定にも使われている。これは、インスタグラムやツイッターで追跡されるハッシュタグを使って行うことができる。
さらに、検索トレンドも、ビルボードキャンペーンが進行中の地域で検索されたキーワードやブランド名の上昇を示すために利用できる。
長所
ビルボードがきっかけで消費者がハッシュタグやソーシャルメディアページにつながると、ブランドはその人が誰なのかをより深く理解することができる。
短所
この形式の測定は、消費者が何らかの形でオンライン・アクションを起こすかどうかに大きく依存する。 バス停や電車の中吊り広告のような滞留時間の長い場所では有効かもしれないが、道路脇の看板の前を通るドライバーが即座にスマートフォンでアクションを起こすのは難しい。
新世代のOOH測定の必要性
上記の様々なOOH測定指標を見ると、一つの問題が明らかになる。 各データソースは通常、単独で見られ、それらの関係を理解するための共通の糸はない。
主要なOOHプレーヤーは、スクリーンのそばを通り過ぎるAudienceの個人レベルの理解を提供する、移動ベースの測定に移行している。
しかし、オフラインの消費者の動きには、オンライン上の行動を超えたさまざまな側面があり、単一のデータソースでは把握できないことも理解している。
私たちは、複数のロケーション・インテリジェンス・ソースが、OOHキャンペーンに接触したオーディエンスをカウントするための最も広範なメカニズムを提供すると信じています。 また、画面を見る人の属性だけでなく、購買意欲、商品の使用状況、移動パターンなども把握することができる。