콘텐츠로 건너뛰기
02_Elements/아이콘/왼쪽 화살표 인사이트로 돌아가기
미디어> 통찰력

기계 학습을 사용하여 향후 TV 등급 예측

1 분 읽기 | Scott Sereday와 Jingsong Cui, Data Science, Nielsen | 이월 2017

TV 등급은 미래를 예측하는 데 사용됩니다. 그들은 기대치를 설정하고 한 시즌에서 다음 시즌까지 프로그래밍 결정에 영향을 미치며, 프로그램이 방송되기 전에 광고 비용 (광고 비율)을 설정하는 데 도움이됩니다. 예를 들어, 미국에서는 TV 네트워크가 매년 봄에 발생하는 이벤트 그룹 인 "선행"에서 올해의 프리미엄 광고 인벤토리의 대부분을 판매합니다. 각 네트워크에 대해 선행은 새로운 프로그램을 소개하고 다가오는 시즌에 대한 흥분을 불러 일으키기위한 커밍 아웃 파티이지만, 커튼 뒤에는 광고주가 예정보다 훨씬 앞서 TV에서 상업 시간을 구입할 수있는 시장이 매우 많습니다.

결과적으로 미디어 회사는 향후 등급을 계획하기 위해 상당한 노력을 기울였습니다. 신뢰할 수있는 예측은 업계 플레이어가 선행뿐만 아니라 시즌 중에 발생하는 분산 계획에서도 더 빠르고 정확하며 주관적인 결정을 내리는 데 도움이 될 수 있습니다. 자동화 된 시스템을 통해 신뢰할 수있는 예측을 생성 할 수 있다면 새로운 프로그래밍 방식의 TV 플랫폼에서 고급 타겟팅을 가능하게하는 데 사용할 수 있습니다.

이 백서에서는 Nielsen이 주요 고객 중 한 명과 협력하여 등급 예측의 관행을 혁신하고 개선하는 최근 파일럿 프로젝트에 대해 논의합니다. 협업을 통해 우리는 기존 관행을 개선하고 자동화 된 예측 인프라의 토대를 마련하기 위해보다 정확한(더 나은 성능 메트릭), 더 효율적 (더 나은 사이클 시간) 및보다 일관성있는 (변동성 감소) 시스템을 개발하는 것을 목표로했습니다.

관련 태그:

유사한 인사이트 계속 탐색