Faktat

Asiakkailla on sopimussuhde MMF:n kanssa. AudienceProject toimii mittausdatan käsittelijänä (GDPR-termeillä processor), ja mitattavat asiakkaat tekevät tietojen käsittelystä sopimuksen (Data Processing Agreement, DPA) suoraan AudienceProjectin kanssa. AudienceProject käsittelee vain sellaisten tilaajien dataa, joilla on asiakkuussopimus MMF:n kanssa sekä joiden kanssa AudienceProject on tehnyt DPA:n.

MMF on yhdessä AudienceProjectin kanssa laatinut asiakkaille DPA-dokumentin, joka ottaa huomioon mm. EU:n tietosuojalainsäädännön. DPA on MMF:n käyttämän ulkopuolisen juristin sekä MMF:n omistaja-asiakkaiden lakiosastojen hyväksymä.

Mittauksen implementointi on asiakkaan vastuulla. AudienceProject sekä MMF tarjoavat tukea ja opastusta implementoinnin toteuttamiseen sekä validointiin.

MMF on sitoutunut läpinäkyvyyteen ja eri medioiden yhdenvertaiseen kohteluun FIAM:in toteutuksessa ja tilausehdoissa.

MMF hoitaa myös AudienceProjectin vuosittaisen auditoinnin tilaajien puolesta.

FIAMin tilaajaryhmä toimii mittauksen operatiivisena johtoryhmänä ja tilaajien äänenä Joint Industry Committee (JIC) -hengessä. Kaikilla tilaajilla on oikeus nimetä tilaajaryhmään oma edustajansa. Lisäksi markkinoijilla ja FIAM:ia tilaavilla mediatoimistoilla on tilaajaryhmässä oma edustajansa.

Tilaajaryhmän tehtävänä on edistää yhteisen online-yleisöjen valuutan käyttöä, päättää kehityksen suuntaviivoista ja sopia alan yhteisistä standardeista online-yleisömittauksen osalta.

Tilaajaryhmän esityslistat ja päätökset tiedotetaan tilaajille. Näin kaikilla tilaajilla on mahdollisuus vaikuttaa tutkimuksen kehittämiseen ja laadunvalvontaan. Tilaajaryhmä voi tehdä esityksiä FIAM:in investoinneista ja strategisista muutoksista MMF:n ohjausryhmälle ja hallitukselle päätöksentekoa varten.

Tilaajaryhmällä on puheenjohtaja, joka valitaan kahdeksi vuodeksi kerrallaan. 2021-22 puheenjohtajana toimii Martti Halme Yleisradiosta. Tilaajaryhmän sihteerinä toimii MMF:n edustaja.

Tekninen ryhmä koostuu asiakkaiden nimeämistä yhteyshenkilöistä, jotka vastaavat mittauksen teknisen toteutuksen hoitamisesta asiakasyhtiöissä. Yleensä tekniseen ryhmään kuuluu digianalyytikkoja tai muita online-mittauksen toteuttamisesta ja koordinoinnista vastaavia henkilöitä.

Teknisen ryhmän tehtävänä on mm. keskustella ja jakaa tietoa mittaustagien implementoinnista sekä käsitellä mittauksessa mahdollisesti ilmenneitä teknisiä ongelmia ja tuottaa niihin liittyvistä asioista näkemyksiä tilaajaryhmälle.

Lisäksi tekninen ryhmä tarkastelee mittauksen tuloksia ja pyrkii lisäämään yhteistä ymmärrystä siitä, miten tuloksia on parasta käyttää. Tekninen ryhmä tekee tarvittaessa yhteisiä päätösehdotuksia tilaajaryhmälle esimerkiksi raportointihierarkioiden osalta, sekä valmistelee mittauksen laajentamista uusille alustoille tarpeen mukaan.

FIAM on alan yhdessä sopima standardi online-yleisöjen tarkasteluun. Se on luotettava ja yhteismitallinen data sekä myyjän että ostajan käytettäväksi.

Yleisödataa voidaan hyödyntää yleisesti tarkasteltaessa mm. yksittäisten sivustojen tavoittavuutta ja kävijäprofiilia, tai sitä voidaan lisäksi käyttää tarkempaan suunnitteluun esim. osioiden tai sisältökokonaisuuksien tavoittavuuden ja käyttöuseuden analyysissa.

Mittausta käytetään myös validoitaessa muiden yleisötutkimusten tuloksia. Esim. KMT-lehtien digiluvut kalibroidaan FIAM-datalla.

Verrattuna siihen että klassisesti digianalytiikassa järjestelmät laskevat eri selaimia, laitteita tai sovelluksia, FIAM-mittauksessa pystytään laskemaan aitoa henkilöihin perustuvaa tavoittavuutta. Menetelmä perustuu modernin neuroverkkolaskennan, suuren kansallisen paneelin sekä muiden menetelmien avulla muodostettuun analyysiin tavoittavuudesta ja muista metriikoista. FIAM-data painotetaan panelistien osalta Tilastokeskuksen tuottamaan Suomen online-väestötietoon eri ikäryhmien ja sukupuolten osalta.

Mittausdataa kertyy aina kun mitattavalla sivustolla oleva mittausskripti suoritetaan, ja siitä tehdään kutsu keräysrajapintaan. Käytännössä kutsu suoritetaan jokaisella sivunäytöllä tai sovellusten osalta esim. ladattaessa uusi artikkeli käyttäjän ruudulle. Metodologia ei ole riippuvainen laitteista (natiivisovelluksetkin mitataan tällä menetelmällä), käyttöjärjestelmistä (iOS ei tuota ongelmaa) tai selaimista (Safari ei ole ongelma).

Loppuvuodesta 2022 lanseerattu päivitetty laskentatapa on aiempaa riippumattomampi evästeistä, eli menetelmä kestää hyvin tulevaisuuden haasteita lainsäädännön ja selainteknologioiden rajoitteiden edelleen kiristyessä.

Jotta eri asiakkaiden ja mediapalveluiden osioiden data saadaan luokiteltua oikein, kullekin julkaisijalle on luotu yksilöllisiä tunnisteita, jotka lisätään mittauskutsuun. Näin jokainen kutsu saadaan kohdistettua oikeaan mediasivustoon ja luokiteltua tuloksissa tiettyyn osioon kuuluvaksi.

Yksittäisistä sivulatauksista kerättävät tiedot ovat ratkaisevia mittauksen kannalta. Tärkeimmät kertyvät tiedot ovat aikaleima, IP-osoite, URL-osoite, URL-parametrit, User Agent ja eväste (jos saatavilla). Alla tiivistetysti kuvattuna näiden tietojen merkitys mittauksen ja raportoinnin kannalta:

• aikaleima
  • määrittää mihin tarkasteltavaan mittausjaksoon tapahtuma kuuluu
  • auttaa havaitsemaan virheelliset useammat yhtäaikaiset mittauskutsut
•  IP-osoite
  • käyttäjän maantieteellisen sijainnin tunnistaminen
  • liikenteen laadun arviointi, esim. botit, proxy-serverit ym.
  • yksittäisten ihmisten ja eri laitteiden tunnistaminen
• URL-osoite
  • mistä domainista mittauskutsu lähti
• URL-parametrit
  • sisältää mm. yllämainitun tunnisteen (t-code) ja mahdolliset muut lisäparametrit
• User Agent
  • selaimen ja päätelaitteen tekninen kuvaus, käytetään mm. käyttäjän päätelaitetyypin (esim. tietokone, tabletti, puhelin tai äly-TV) tai selaimen ja sen version tunnistamiseen
• eväste
  • yhdistää mm. impressiot panelistiin, myös natiivisovelluksissa

Analysoitavan kokonaisuuden tavoittavuusestimaatti tuotetaan seuraavan prosessin tuloksena.

Laskentajärjestelmän osat

• Raw log-level data: Jokaisella sivunäytöllä lähetetään mittausrajapintaan pikselikutsu joka generoi rivin AP:n lokidataan. Kutsussa on mukana tieto mm. kutsun aikaleimasta, IP-osoitteesta, päätelaitteesta, evästetunnisteesta.
• Deep learning: Koneoppimismenetelmä, joka perustuu kykyyn analysoida ja hahmottaa kokonaisuuksia suuresta datamassasta. FIAM-mittauksen raportoinnin keskeisin laskentakomponentti. 
• Device reach: Mittauksessa tunnistettujen eri laitteiden määrä. Yhdellä mitattavalla henkilöllä voi olla käytössään useita laitteita.
• Device type information: Tieto päätelaitteesta, joka on pääteltävissä sen User Agent -tiedosta. Kertoo mm. sen, onko laite älypuhelin, tabletti tai tietokone.
• Geographical information: IP-osoitteen avulla päätelty tieto mittauskutsun maantieteellisestä sijainnista.
• Census data: Väestödata joka haetaan Eurostatin ja Tilastokeskuksen aineistoista.
• Panel data: Panelistien tiedoista mittaukseen saadaan mukaan mm. ikä, sukupuoli, koulutus- ja tulotaso.
• Probabilistic modeling: Malli, jonka pohjalta yhdistetään mittauksessa havaitut laitteet yksittäisiin käyttäjiin (ns. synteettinen populaatio)
• Human reach: Analysoitavan kokonaisuuden tavoittavuus henkilöinä.
• Statistical extrapolation: Tilastollinen analyysi, jossa tavoittavuus ja sessiot lasketaan kaiken raakadatan perusteella analysoitavaan kohderyhmään käyttäen hyväksi luvitettua (consent) osaa raakadatasta.
• Profiled reach: Henkilötason tavoittavuus jaoteltuna analysoitaviin kohderyhmiin.

FIAM:issa käytössä oleva AudienceProjectin paneeli poikkeaa merkittävästi Suomessa aiemmin toimineiden yleisömittausjärjestelmien paneeleista. Paneeliin värvättyjen ihmisten ei tarvitse asentaa käyttöä mittaavia jäljitysohjelmia tietokoneilleen tai mobiililaitteilleen, sillä metodologia perustuu panelistien tunnistamiseen ja heidän netinkäyttönsä mittaamiseen muilla tavoilla. Panelistien tunnistamisessa käytetään mm. sähköposteja, laite-id:itä, evästeitä (cookiet), IP-osoitteita ja niiden yhdistelmiä sekä muita päätelaitteesta saatavia tietoja. Tunnistaminen tapahtuu passiivisesti.

AudienceProject tarjoaa erilaisia online-kyselytyökaluja yrityksille, organisaatioille ja muille nettisivujen pitäjille, joita voi hyödyntää mm. palveluiden käyttäjätyytyväisyyden arviointiin. AP pystyy käyttämään näitä online-kyselyitä myös panelistien värväämiseen siten, että kyselyn lopussa kysytään suostumusta paneeliin osallistumiselle.

Osana kyselyä panelisteilta kysytään yhdeksän perusdemografiakysymystä. Nämä taustamuuttujat muodostavat AP:n mittauksen demografisten muuttujien perustan:

• maa
• postinumero
• sukupuoli
• ikä
• työllisyystilanne
• koulutusaste
• lasten määrä taloudessa
• talouden tulot

Linkistä pääset katsomaan esimerkkikyselyä: https://www.userreport.com/#__urp=test_invite

Tällä hetkellä AudienceProjectin Suomen paneelin koko on n. 40 000 osallistujaa. AP:n värväysmetodologia mahdollistaa siis suuren paneelikoon ja muutenkin hyvän edustavuuden, kun värväystä tehdään monilla erityyppisillä sivustoilla. Pohjoismaisiin paneeleihin on värvätty AP:n paneelin olemassaolon aikana ihmisiä yhteensä 18 000 eri nettisivustolta ja yhtäaikaisesti käynnissä on n. 2 000 kyselyä.

Kukaan ei voi itse värväytyä paneeliin: ihmiset voivat liittyä siihen vain AP:n kutsusta. Tästä johtuen kaikilla verkon käyttäjillä on enemmän tai vähemmän sama todennäköisyys saada kutsu. Näin minimoidaan myös ns. ammattipanelistien mukanaolo sekä taataan näytteen satunnaisuus, mikä on kaikessa tutkimuksessa elintärkeää.

Tieto yhdeksästä perustaustamuuttujasta pysyy aina liitettynä mukaan vastaajatietoihin ja tämän seurauksena kyselyiden edustavuus voidaan arvioida suhteessa väestöön. Panelistien suhteellinen jakauma näissä perustaustamuuttujissa vastaa alun perinkin varsin tarkasti Suomen väestön jakaumaa. Sen lisäksi edustavuus ja datan laatu turvataan painottamalla aineisto Suomen väestötietoon tilastotieteellisin menetelmin.

Sisäänrakennetun varmistuksen ja virheenkorjauksen lisäksi (esim. postinumeroiden koodin oikeellisuus) järjestelmä tekee automaattisia tarkastuksia vastauksiin jälkikäteen ennen kuin vastaaja lisätään paneeliin. Automaattiseen tarkistukseen kuuluu myös looginen tarkastelu, joka analysoi vastausten sisäistä johdonmukaisuutta. Tarkistus torjuu paneelista esim. vastaajan, joka on vastannut olevansa 16-vuotias joka asuu yksin kahden lapsen kanssa. Myös liian nopeasti vastanneet tai kysymysten yli hypänneet jäävät paneelin ulkopuolelle.

Jos panelistista ei jää mitään jälkeä mittaukseen (vähintään yksi avattu sivusto tai mainos) 90 päivään, henkilö poistetaan paneelista.

Uusi laskentamalli toimii paremmin kaiken kokoisille sivustoille, mutta erityisesti pienet sivustot hyötyvät laskentamallista joka ei ole riippuvainen tarkastelujakson panelistihavaintojen määrästä. Esim. päivätavoittavuuden laskenta ei olisi ollut mahdollista ennen syksyn 2022 laskentamallin uudistusta.

AP:n panelistit painotetaan iän ja sukupuolen mukaan. Panelistit painotetaan aina kahden viikon välein uudestaan. Painotukset koskevat vain paneelia ja yksittäisiä panelisteja, mitattua liikennettä ei painoteta mitenkään.

Yksityisyyden suoja on kuuluu vahvasti kaikkeen AP:n toimintaan. Panelistien suostumus (consent) kysytään ensin kertaalleen online-kyselyyn osallistuessa ja vielä uudestaan tutkimuspaneelin osalta.

Panelistit voivat myös milloin tahansa poistua paneelista AP:n nettisivujen kautta. Lisää tietoa aiheesta osoitteesta: https://privacy.audienceproject.com/fi-FI/for-users

Botti-liikennettä on kahdenlaista:

1. Hyvät botit (crawlers, spiders).

• esim. hakukoneisiin tietoa indeksoivat botit.
• tunnistettavissa yleensä helposti User Agent -tunnisteen kautta ja saadaan suodatettua pois.

2. Pahat botit, jotka mm:

• kopioivat sisältöä muilta sivustoilta.
• klikkailevat bannereita tai lataavat sisältöä tuottaakseen väärää käyttödataa, tarkoituksena ansaita rahaa esim. tuottamalla keinotekoisia mainosbanneri-klikkauksia.
• luovat artikkeleihin tai kommenttikenttiin automaattisia spam-viestejä.
• yrittävät päästä oikeaa käyttäjää jäljitellen turvasuojista läpi, tai yrittävät kaapata sivustot haltuunsa.

Pahat botit voivat yrittää naamioitua hyviksi boteiksi muuttaen niiden User Agent -tunnisteita. Jotta tällaiset huonosti käyttäytyvät botit tunnistetaan, AP arvioi näitä tutkimalla esim. kuuluvatko niiden käyttämät IP-osoitteet tunnettujen hakukoneiden IP-alueisiin.

Botti-liikenne filtteröidään pois FIAM-datasta alla olevan kaavion mukaisesti. AudienceProject käyttää bottien poistamiseen IAB:n virallista bottilistaa.

Kyllä, FIAMista saadaan nettokävijälukuja, jossa eri laitteita käyttävä käyttäjä lasketaan mukaan vain kerran. Samoin eri mediayhdistelmistä on mahdollista laskea nettolukuja.

Tällä hetkellä käytännössä kaikki internet-yhteydellä varustetut päätelaitteet, joiden avulla suomalaiset kuluttavat mittauksessa mukana olevien yhtiöiden sisältöjä, ovat mukana luvuissa. AudienceProject tarjoaa mahdollisuuden mitata sekä selainpohjaista liikennettä että natiivisovelluksia, ja mittausjärjestelmän käyttöönotto eri käyttöliittymissä on tehty tiiviissä yhteistyössä julkaisijoiden kanssa, laadunvarmistus mukaan lukien.

Kaikki online-sisältö sekä sovellukset tulisi tagittaa, jotta varmistetaan mittauksen oikeellisuus ja se etteivät kävijämäärät aliestimoidu. Osana mukaantuloprosessia AP tekee laadunvalvontatarkistuksen vertaamalla julkaisijan digianalytiikkalukuja omaan dataansa (sivunäytöt) varmistaakseen tagien kattavuuden.

Vuodesta 2022 eteenpäin julkaisijat voivat lähettää dataa mittaukseen myös käyttäen ns. server-to-server -metodia, joka ei vaadi erillisten tagien tai mittauskirjastojen asennusta esim. sovelluksiin.

Eri järjestelmien välisille eroille yleisöestimaateissa on sekä teknisiä että tilastollisia syitä. Suurimpia syitä eroavaisuuksille ovat mm. se, että uudessa mittausjärjestelmässä laskentamalli on kehittyneempi tunnistamaan sivustojen ja palveluiden erilaisia käyttöprofiileita, kaikki eri päätelaitteet ovat mukana samassa kuluttajapaneelissa, ja se että AudienceProjectin paneelin koko Suomessa on kooltaan monikymmenkertainen verrattuna sitä edeltäneeseen mittaukseen. Nyt käytössä oleva mittaustapa tuottaa entisiin malleihin verrattuna paljon tarkempia ja oikeampia tuloksia.

Verkkopalvelussa tai mobiilisovelluksessa tapahtuneen session määritelmä perustuu sopimukseen siitä, miten kuluttajien käyttäytyminen teknisen mittauksen pohjalta tulkitaan. Klassisesti on päädytty esim. määritelmään jonka mukaan yli puolen tunnin tauko sivuston tai palvelun käytössä käynnistää uuden session, ja myös AudienceProject toimii tämän määritelmän pohjalta. Session määritelmä sisältää mittaustyökalusta riippuen myös muita teknisiä reunaehtoja ja lisäksi mittauksen teknisessä toteutuksessa ja/tai mittausjärjestelmien datan tulkinnassa on yleensä keskinäisiä poikkeavuuksia, jotka selittävät erot tuloksissa. FIAM-mittauksen tuloksissa on vertailtavuus markkinassa eri toimijoiden välillä ja sessiolukujen tuottaminen samoin periaattein kaikille julkaisijoille.

.

Julkaisuvalmiiden FIAM-medioiden luvut julkaistaan FIAM-sivuston Tulokset -osiossa. Raportointi tapahtuu viikoittain siten, että edellisen viikon luvut julkaistaan aina seuraavan viikon torstaina.

Muut luvut (esim. päivätavoittavuus, julkaisijatason luvut, sekä kyky analysoida dataa vapaasti ml. API lukujen koneellista lukua varten) ovat saataviila Kits Explorer -käyttöliittymässä, joka on kaikkien FIAM-asiakkaiden käytössä osana kokonaisuutta.

Mukaan pääsee liittymällä tilaajaksi ja tekemällä FIAM-palvelusopimuksen. Sopimuskokonaisuuden saa pyydettäessä Media Metrics Finlandilta olemalla yhteydessä Kaija Sinkoon (kaija.sinko@mediaauditfinland.fi).

Hinta muodostuu mittauksen toteuttamisen kustannuksista. MMF on jakanut kustannukset asiakkaiden kesken suhteessa sivunäyttövolyymiin sekä mitattavien sivustojen ja osioiden (mittauspisteet) määrään.

Asiakkuussopimuksen liitteenä oleva hinnasto kertoo hinnoittelun perusteet, jotka ovat kaikille samat. Tilauksen hinnoittelu on kuukausipohjainen. Laskutus tapahtuu kolmen kuukauden erissä.

Mainostajille ja mediatoimistoille on oma hinnasto.