Per le aziende del settore dei media, la stagione televisiva autunnale è il momento in cui la gomma incontra la strada. I network e le agenzie si fanno prendere dal fervore e aspettano con ansia di vedere se il pubblico apprezzerà la nuova offerta di programmi. Nel frattempo, le agenzie hanno già piazzato le loro scommesse pubblicitarie e osservano con attenzione gli aggiustamenti da apportare man mano che la partita si svolge. Nel frattempo, gli spettatori hanno in mano tutte le carte, assaggiando avidamente i nuovi programmi e offrendo molti consensi e critiche lungo il percorso.

Quindi, con tutto questo clamore intorno alla TV autunnale, che ruolo ha l'attività di Twitter intorno ai nuovi show?

Ci siamo occupati di questa domanda all'indomani della prima stagione autunnale 2014. Abbiamo valutato come l'attività di Twitter TV, monitorata 24 ore su 24 e 7 giorni su 7 prima delle prime di nuovi programmi, avrebbe potuto essere utilizzata per anticipare le dimensioni del pubblico che ha guardato le prime puntate di quei programmi. Dall'esame dei dati, l'attività televisiva di Twitter si è rivelata un segnale aggiuntivo che poteva essere utilizzato insieme ad altri fattori per anticipare le dimensioni del pubblico delle prime puntate. Questo è importante perché se l'attività televisiva di Twitter potesse essere utilizzata insieme ad altre fonti di dati per determinare l'audience televisiva, le agenzie potrebbero mettere a punto i loro acquisti prima delle prime. I network potrebbero identificare prima i potenziali vincitori e le sfide per massimizzare le vendite pubblicitarie e correggere le attività di marketing. Inoltre, nella misura in cui i social media portano le persone a conoscere i nuovi programmi, i network potrebbero sfruttare l'attività televisiva di Twitter per raggiungere meglio il pubblico a cui sono destinati.

Abbiamo analizzato 42 prime serie trasmesse e via cavo, compresi i programmi in lingua inglese e spagnola, dalla fine di agosto all'inizio di novembre. Per iniziare, abbiamo cercato una correlazione tra il numero di volte in cui gli spettatori di età compresa tra i 18 e i 34 anni hanno visto le promozioni televisive per un programma specifico e le dimensioni del pubblico di quel programma per l'episodio della prima. Naturalmente, ci aspetteremmo che i programmi altamente promossi raccolgano un pubblico più numeroso, e questo è ciò che abbiamo visto. In altre parole, senza includere i dati di Twitter TV nell'analisi, abbiamo confermato che i programmi che sono stati promossi in modo più consistente hanno avuto un pubblico più elevato per la prima puntata. Per essere veramente utile, quindi, l'attività di Twitter TV dovrebbe raccontare una storia aggiuntiva rispetto a quella che già conosciamo dalle sole promozioni.

Quindi, la comprensione dell'attività televisiva su Twitter prima di una première può aiutare i network e le agenzie a valutare con maggiore precisione i risultati dell'audience rispetto alla sola esposizione alle promozioni? In altre parole, quale valore aggiunto apporta l'attività televisiva su Twitter nell'anticipare le dimensioni del pubblico?

Per rispondere a queste domande, abbiamo creato un modello per determinare l'audience prevista per i giorni live+7 (L+7) degli spettatori 18-34 utilizzando tre variabili:

• Attività di promozione: Impressioni commerciali (C3)
• Attività televisiva su Twitter: Tweet relativi ai programmi (monitoraggio 24/7)
• Tipo di rete: Broadcast vs. Cavo

Il periodo di tempo per le promozioni e l'attività televisiva su Twitter è stato il periodo di quattro settimane che termina due settimane prima della data della prima di ogni programma, lo stesso periodo di tempo utilizzato per analizzare la correlazione tra promozioni e audience. Abbiamo utilizzato questo periodo per garantire la comparabilità tra i programmi e per dimostrare che un'agenzia o un network potrebbero potenzialmente agire, nelle settimane e nei giorni precedenti la prima, utilizzando un approccio simile. 

Abbiamo confrontato i risultati del nostro modello con gli ascolti effettivi della prima per capire quanto sarebbe stato utile un modello simile per indicare il successo della prima. Ad esempio, il grafico sottostante mostra che il modello ha indicato un'audience di 1,5 milioni di spettatori di età compresa tra i 18 e i 34 anni per la prima del programma A, quasi esattamente l'audience effettiva della prima. Sebbene l'audience indicata dal modello non rifletta sempre esattamente l'audience effettiva della prima di un programma, si può notare che le aspettative sono state allineate con l'audience effettiva che le prime hanno attirato. Ad esempio, il modello prevedeva correttamente che i programmi A, B, C, D ed E sarebbero stati tra i primi 10 programmi, in base alle dimensioni effettive degli ascolti delle prime. 

Sebbene questo modello si basi solo su 42 punti di dati, il modello complessivo e tutte e tre le variabili sono statisticamente significativi. Il modello spiega il 65% della varianza degli ascolti delle prime, rispetto al 48% dei dati relativi alle sole promozioni. L'insieme di queste tre variabili può quindi spiegare quasi i due terzi della differenza tra gli ascolti delle prime. Soprattutto, un'agenzia o un network avrebbero potuto usare questo modello per identificare le prime 10 e le ultime 10 trasmissioni in modo più preciso che non affidandosi ai soli dati di promozione.

Per essere chiari, i risultati non significano necessariamente che l'attività televisiva su Twitter provochi un aumento dell'audience. Tuttavia, anche se la relazione non è causale, i nostri sforzi di ricerca attuali e recenti indicano sempre più che i dati sull'attività e sulla portata di Twitter TV possono aiutare i network e le agenzie a prendere decisioni di marketing pubblicitario e programmatico superiori e basate sui dati.