Ratingi telewizyjne są wykorzystywane do przewidywania przyszłości. Określają oczekiwania i wpływają na decyzje programowe z sezonu na sezon, a także pomagają w ustalaniu kosztów reklamy (stawek reklamowych) z dużym wyprzedzeniem, zanim program trafi na antenę. Na przykład w Stanach Zjednoczonych sieci telewizyjne sprzedają większość swoich zasobów reklamowych premium na dany rok podczas "upfront", grupy wydarzeń, które odbywają się corocznie wiosną. Dla każdej sieci, upfront jest imprezą, na której prezentowane są nowe programy i budowane są emocje związane z nadchodzącym sezonem, ale za kurtyną jest to w dużej mierze rynek dla reklamodawców, którzy mogą kupować czas reklamowy w telewizji z dużym wyprzedzeniem.
W rezultacie firmy medialne zainwestowały znaczny wysiłek w prognozowanie przyszłych ratingów. Wiarygodne prognozy mogą pomóc graczom z branży w podejmowaniu szybszych, dokładniejszych i mniej subiektywnych decyzji, nie tylko z góry, ale także w planowaniu rozproszonym, które ma miejsce w trakcie sezonu. A jeśli wiarygodne prognozy mogą być tworzone za pomocą zautomatyzowanego systemu, można je wykorzystać do zaawansowanego targetowania na nowych platformach programmatic TV.
W niniejszym artykule omawiamy niedawny projekt pilotażowy, w ramach którego firma Nielsen współpracowała z jednym z naszych kluczowych klientów w celu wprowadzenia innowacji i ulepszenia praktyki prognozowania ratingów. W ramach współpracy staraliśmy się opracować dokładniejszy (lepsze wskaźniki wydajności), bardziej wydajny (krótszy czas cyklu) i spójniejszy (mniejsza zmienność) system, aby ulepszyć istniejącą praktykę i położyć podwaliny pod zautomatyzowaną infrastrukturę prognozowania.
