02_Elements/Icons/ArrowLeft Volver a Insight
Información > Medios de comunicación

Must See TV: Cómo la actividad en Twitter antes de los estrenos de otoño puede indicar el éxito

Lectura de 4 minutos | Enero 2015

Para las empresas de medios de comunicación, la temporada televisiva de otoño es el momento decisivo. Las cadenas y las agencias se apresuran a esperar ansiosamente a ver si el público se deleita con sus nuevos programas. Por su parte, las agencias ya han hecho sus apuestas publicitarias y observan atentamente qué ajustes deben hacer a medida que se desarrolla el juego. Por su parte, los telespectadores tienen todas las cartas en la mano, prueban con avidez los nuevos programas y, de paso, los aprueban y critican.

Con todo este revuelo en torno a la televisión de otoño, ¿qué papel desempeña la actividad de Twitter en torno a las nuevas series?

Analizamos esta cuestión a raíz de la temporada de estrenos de otoño de 2014. Evaluamos cómo la actividad de Twitter TV, seguida las 24 horas del día, los 7 días de la semana, antes de los estrenos de nuevos programas, podría haberse utilizado para anticipar el tamaño de las audiencias que vieron los episodios de estreno de esos programas. Y al examinar los datos, la actividad de Twitter TV resultó ser una señal adicional que podía utilizarse junto con otros factores para anticipar el tamaño de las audiencias de los estrenos. Esto es notable porque si la actividad de Twitter TV pudiera utilizarse junto con otras fuentes de datos para ayudar a determinar las audiencias de televisión, entonces las agencias podrían afinar sus compras antes de los estrenos. Las cadenas podrían identificar antes los posibles ganadores y los retos para maximizar las ventas de publicidad y corregir el rumbo de las actividades de marketing. Y, en la medida en que las redes sociales lleven a la gente a conocer nuevos programas, las cadenas podrían aprovechar la actividad de Twitter TV para llegar mejor a sus audiencias objetivo.

Analizamos 42 estrenos de series de televisión y cable, incluidos programas en inglés y español, desde finales de agosto hasta principios de noviembre. Para empezar, buscamos una correlación entre el número de veces que los espectadores de 18 a 34 años vieron las promociones televisivas de un programa específico y el tamaño de la audiencia de ese programa para el episodio de estreno. Naturalmente, esperábamos que los programas más promocionados tuvieran más audiencia, y eso es lo que vimos. En otras palabras, sin incluir los datos de Twitter TV en el análisis, confirmamos que los programas que se promocionaron más tuvieron audiencias de estreno más altas. Para ser realmente útil, la actividad de Twitter TV tendría que contar una historia adicional a la que ya conocemos sólo por las promociones.

Por tanto, ¿puede un conocimiento de la actividad de Twitter TV antes de un estreno ayudar a las cadenas y agencias a calibrar con mayor precisión los resultados de audiencia que la mera exposición a promociones? En otras palabras, ¿qué valor adicional aporta la actividad de Twitter TV a la hora de anticipar el tamaño de la audiencia?

Para responder a estas preguntas, creamos un modelo para determinar la audiencia esperada en directo+7 días (L+7) de los espectadores de 18 a 34 años utilizando tres variables:

  • Actividad de promoción: Impresiones comerciales (C3)
  • Actividad de TV en Twitter: Tweets relacionados con programas (seguimiento 24/7)
  • Tipo de red: Emisión vs. Cable

El periodo de tiempo tanto para las promociones como para la actividad de Twitter TV fue el periodo de cuatro semanas que finaliza dos semanas antes de la fecha de estreno de cada programa, el mismo periodo de tiempo que se utilizó para analizar la correlación entre las promociones y el tamaño de la audiencia. Utilizamos este periodo de tiempo para garantizar la comparabilidad entre programas y demostrar que una agencia o una cadena podrían actuar, en las semanas y días previos al estreno, con un enfoque similar. 

Comparamos los resultados de nuestro modelo con las audiencias reales del estreno para saber hasta qué punto un modelo similar habría sido útil para indicar el éxito del estreno. Por ejemplo, el gráfico siguiente muestra que el modelo indicó una audiencia de 1,5 millones de espectadores de 18 a 34 años para el estreno del programa A, casi exactamente la audiencia real del estreno. Aunque la audiencia indicada por el modelo no siempre reflejaba exactamente la audiencia real del estreno de un programa, se puede ver que las expectativas se alineaban con las audiencias reales que atraían los estrenos. Por ejemplo, este modelo anticipó correctamente que los programas A, B, C, D y E estarían entre los 10 primeros programas, basándose en sus audiencias reales de estreno. 

Aunque este modelo se basa en sólo 42 puntos de datos, el modelo global y las tres variables son estadísticamente significativos. El modelo explica el 65% de la variación de las audiencias de los estrenos, frente al 48% que explican los datos de las promociones por sí solos. Así pues, estas tres variables juntas pueden explicar casi dos tercios de la diferencia en el tamaño de las audiencias de estreno. Y lo que es más importante, una agencia o una cadena podría haber utilizado este modelo para identificar los 10 mejores y los 10 peores estrenos de programas con mayor precisión que basándose únicamente en los datos de promoción.

Para ser claros, los resultados no significan necesariamente que la actividad de Twitter TV provoque mayores audiencias. Pero, incluso si la relación no es causal, nuestros esfuerzos de investigación actuales y recientes indican cada vez más que los datos de actividad y alcance de Twitter TV pueden ayudar a las cadenas y agencias a tomar decisiones de publicidad y marketing de programas superiores y basadas en datos.

Seguir navegando por perspectivas similares

Nuestros productos pueden ayudarle a usted y a su empresa