Peringkat TV digunakan untuk memprediksi masa depan. Mereka menetapkan harapan dan memengaruhi keputusan pemrograman dari satu musim ke musim berikutnya, dan mereka membantu menetapkan biaya iklan (tarif iklan) jauh sebelum program mengudara. Di AS misalnya, jaringan TV menjual sebagian besar inventaris iklan premium mereka untuk tahun ini di "muka", sekelompok peristiwa yang terjadi setiap tahun setiap musim semi. Untuk setiap jaringan, di muka adalah pesta yang akan datang untuk memperkenalkan program baru dan membangun kegembiraan untuk musim mendatang, tetapi di balik tirai, ini sangat banyak pasar bagi pengiklan untuk membeli waktu komersial di televisi jauh lebih cepat dari jadwal.

Akibatnya, perusahaan media telah menginvestasikan upaya yang cukup besar untuk memproyeksikan peringkat masa depan. Prakiraan yang andal dapat membantu para pelaku industri membuat keputusan yang lebih cepat, lebih akurat, dan kurang subjektif, tidak hanya di muka, tetapi juga dalam perencanaan hamburan yang terjadi selama musim ini. Dan jika prakiraan yang andal dapat diproduksi melalui sistem otomatis, mereka dapat digunakan untuk memungkinkan penargetan lanjutan pada platform TV terprogram yang sedang berkembang.

Dalam makalah ini, kami membahas proyek percontohan baru-baru ini di mana Nielsen bekerja dengan salah satu klien utama kami untuk berinovasi dan meningkatkan praktik proyeksi peringkat. Melalui kolaborasi, kami bertujuan untuk mengembangkan sistem yang lebih akurat (metrik kinerja yang lebih baik), lebih efisien (waktu siklus yang lebih baik) dan lebih konsisten (mengurangi variabilitas) untuk meningkatkan praktik yang ada dan meletakkan dasar untuk infrastruktur peramalan otomatis.