Dla firm medialnych jesienny sezon telewizyjny to czas, gdy guma spotyka się z drogą. Sieci i agencje wprowadzają się w gorączkowy stan, z niecierpliwością czekając na to, czy widzowie zachwycą się ich nową ofertą programową. W międzyczasie agencje już postawiły swoje zakłady reklamowe i uważnie obserwują, jakie zmiany muszą wprowadzić w trakcie gry. W międzyczasie widzowie trzymają wszystkie karty, z niecierpliwością próbując nowych programów, oferując wiele poparcia i krytyki po drodze.
Przy całym tym zamieszaniu wokół jesiennej telewizji, jaką rolę odgrywa aktywność na Twitterze wokół nowych programów?
Zagłębiliśmy się w to pytanie po premierze jesiennego sezonu 2014. Oceniliśmy, w jaki sposób aktywność w serwisie Twitter TV, śledzona w trybie 24/7 przed premierami zupełnie nowych programów, mogła zostać wykorzystana do przewidywania wielkości widowni, która oglądała premierowe odcinki tych programów. Patrząc na dane, aktywność na Twitterze okazała się dodatkowym sygnałem, który można było wykorzystać wraz z innymi czynnikami do przewidywania wielkości widowni premierowej. Jest to godne uwagi, ponieważ gdyby aktywność na Twitterze TV mogła być wykorzystywana wraz z innymi źródłami danych, aby pomóc w określeniu widowni telewizyjnej, agencje mogłyby dostosować swoje zakupy przed premierami. Sieci mogłyby wcześniej zidentyfikować potencjalnych zwycięzców i wyzwania, aby zmaksymalizować sprzedaż reklam i skorygować działania marketingowe. A w zakresie, w jakim media społecznościowe informują ludzi o nowych programach, sieci mogłyby wykorzystać aktywność telewizyjną na Twitterze, aby lepiej dotrzeć do zamierzonych odbiorców.
Przeanalizowaliśmy 42 premiery seriali telewizyjnych i kablowych, w tym programy anglo- i hiszpańskojęzyczne, od końca sierpnia do początku listopada. Na początek szukaliśmy korelacji między tym, ile razy widzowie w wieku 18-34 lat widzieli promocje telewizyjne dotyczące konkretnego programu, a wielkością widowni tego programu w premierowym odcinku. Naturalnie spodziewalibyśmy się, że silnie promowane programy będą gromadzić większą widownię i właśnie to zaobserwowaliśmy. Innymi słowy, bez uwzględniania danych z Twitter TV w analizie, potwierdziliśmy, że programy, które były bardziej promowane, miały większą widownię premierową. Aby być naprawdę użytecznym, aktywność Twitter TV musiałaby opowiadać dodatkową historię oprócz tego, co już wiemy z samych promocji.

Czy zatem zrozumienie aktywności telewizyjnej na Twitterze przed premierą może pomóc sieciom i agencjom w dokładniejszym oszacowaniu wyników oglądalności niż sama ekspozycja na promocje? Innymi słowy, jaką dodatkową wartość wnosi aktywność Twitter TV w przewidywaniu wielkości widowni?
Aby odpowiedzieć na te pytania, stworzyliśmy model określający oczekiwaną widownię na żywo + 7 dni (L + 7) widzów w wieku 18-34 lat przy użyciu trzech zmiennych:
- Działania promocyjne: Wrażenia komercyjne (C3)
- Aktywność telewizyjna na Twitterze: Tweety związane z programem (śledzenie 24/7)
- Typ sieci: Broadcast vs. Cable
Okresem zarówno dla promocji, jak i aktywności w serwisie Twitter TV był czterotygodniowy okres kończący się dwa tygodnie przed datą premiery każdego programu, ten sam okres, który został wykorzystany do analizy korelacji między promocjami a wielkością widowni. Wykorzystaliśmy ten okres, aby zapewnić porównywalność między programami i wykazać, że agencja lub sieć może potencjalnie podjąć działania w tygodniach i dniach poprzedzających premierę, stosując podobne podejście.
Porównaliśmy wyniki naszego modelu z rzeczywistymi rozmiarami widowni premierowej, aby zrozumieć, jak przydatny byłby podobny model przy wskazywaniu sukcesu premiery. Na przykład poniższy wykres pokazuje, że model wskazywał na oglądalność 1,5 miliona widzów w wieku 18-34 lat w przypadku premiery programu A, czyli niemal dokładnie tyle, ile wynosiła rzeczywista oglądalność premiery. Chociaż wielkość widowni wskazana przez model nie zawsze dokładnie odzwierciedlała rzeczywistą wielkość widowni premiery programu, można zauważyć, że oczekiwania były kierunkowo zgodne z rzeczywistą widownią, którą przyciągnęły premiery. Na przykład model ten prawidłowo przewidywał, że programy A, B, C, D i E znajdą się wśród 10 najlepszych programów, w oparciu o ich rzeczywistą premierową liczbę widzów.

Chociaż model ten opiera się tylko na 42 punktach danych, ogólny model i wszystkie trzy zmienne są statystycznie istotne. Model wyjaśnia 65% wariancji w wielkości widowni premierowej, w porównaniu z 48% przy użyciu samych danych dotyczących promocji. Tak więc te trzy zmienne razem mogą wyjaśnić prawie dwie trzecie różnicy w wielkości widowni premierowej. Co najważniejsze, agencja lub sieć mogła wykorzystać ten model do zidentyfikowania 10 najlepszych i 10 najgorszych premier programowych bardziej precyzyjnie niż polegając wyłącznie na danych promocyjnych.
Aby było jasne, wyniki badań niekoniecznie oznaczają, że aktywność w serwisie Twitter TV powoduje zwiększenie oglądalności. Ale nawet jeśli związek nie jest przyczynowy, nasze obecne i ostatnie wysiłki badawcze coraz częściej wskazują, że dane dotyczące aktywności i zasięgu Twitter TV mogą pomóc sieciom i agencjom w podejmowaniu lepszych, opartych na danych decyzji reklamowych i marketingowych dotyczących programów.