Pular para o conteúdo
02_Elements/Icons/ArrowLeft Voltar para o Insight
Insights > Mídia

Deve Ver TV: Como a atividade no Twitter antes do início da temporada de outono pode indicar o sucesso

Leitura de 4 minutos | Janeiro 2015

Para as empresas de mídia, a temporada de outono da TV é quando a borracha se encontra com a estrada. As redes e as agências se enroscam em um estado fervoroso enquanto esperam ansiosamente para ver se o público se diverte em suas novas ofertas de programas. Enquanto isso, as agências já fizeram suas apostas publicitárias e estão atentas para ver que ajustes precisam fazer à medida que o jogo se desenrola. Enquanto isso, os telespectadores seguram todas as cartas, aguardando ansiosamente os novos programas, oferecendo muito endosso e crítica ao longo do caminho.

Então, com toda essa agitação em torno da TV de outono, que papel a atividade do Twitter em torno dos novos programas desempenha em tudo isso?

Nós mergulhamos nesta questão nos calcanhares da temporada de estréia do outono de 2014. Avaliamos como a atividade da TV Twitter, rastreada 24 horas por dia, 7 dias por semana antes das estréias dos novos programas, poderia ter sido utilizada para antecipar o tamanho do público que assistiu aos episódios de estréia desses programas. E ao olhar os dados, a atividade de TV no Twitter provou ser um sinal adicional que poderia ser usado junto com outros fatores para antecipar o tamanho das estréias de audiência. Isto é notável porque se a atividade da TV Twitter pudesse ser usada ao lado de outras fontes de dados para ajudar a determinar as audiências da TV, então as agências poderiam afinar suas compras antes das estréias. As redes poderiam identificar vencedores potenciais e desafios mais cedo para maximizar as vendas de anúncios e as atividades de marketing corretas. E, na medida em que a mídia social leva as pessoas a tomar consciência de novos programas, as redes poderiam alavancar a atividade da TV Twitter para melhor alcançar seu público alvo.

Analisamos 42 estréias de transmissões e séries por cabo, incluindo a programação em inglês e espanhol, do final de agosto até o início de novembro. Para começar, procuramos uma correlação entre quantas vezes os telespectadores 18-34 viram promoções de TV para um programa específico e o tamanho da audiência desse programa para o episódio de estréia. Naturalmente, esperávamos que programas altamente promovidos conquistassem audiências maiores, e foi isso que vimos. Em outras palavras, sem incluir os dados da TV Twitter na análise, confirmamos que os programas que foram promovidos tiveram audiências de estréia mais elevadas. Para ser verdadeiramente útil, então, a atividade da TV Twitter precisaria contar uma história adicional além do que já sabemos apenas das promoções.

Então, será que uma compreensão da atividade da TV Twitter antes de uma estréia pode ajudar as redes e agências a avaliar com mais precisão os resultados da audiência do que apenas a exposição a promoções? Em outras palavras, que valor adicional a atividade de TV no Twitter traz em antecipação ao tamanho da audiência?

Para responder a estas perguntas, criamos um modelo para determinar a audiência esperada ao vivo+7 dias (L+7) de 18-34 espectadores usando três variáveis:

  • Atividade de promoção: Impressões comerciais (C3)
  • Atividade de TV no Twitter: Tweets relacionados ao programa (rastreamento 24 horas por dia, 7 dias por semana)
  • Tipo de rede: Difusão vs. cabo

O período de tempo para ambas as promoções e a atividade da TV Twitter foi o período de quatro semanas que terminou duas semanas antes da data de estréia de cada programa, o mesmo período de tempo que foi utilizado na análise da correlação entre as promoções e o tamanho da audiência. Utilizamos este período de tempo para garantir a comparabilidade entre os programas e para demonstrar que uma agência ou uma rede poderia potencialmente tomar medidas, nas semanas e dias que antecedem a estréia, utilizando uma abordagem semelhante. 

Comparamos os resultados de nosso modelo com o tamanho real do público para entender como um modelo similar teria sido útil para indicar o sucesso da estréia. Por exemplo, o gráfico abaixo mostra que o modelo indicou um tamanho de público de 1,5 milhões de espectadores de 18 a 34 anos para a estréia do programa A, quase exatamente o que o público real era para a estréia. Embora o tamanho de audiência indicado pelo modelo nem sempre refletisse exatamente o tamanho real de audiência da estréia de um programa, pode-se ver que as expectativas estavam alinhadas direcionalmente com as audiências reais que as estréias atraíam. Por exemplo, este modelo antecipou corretamente que os programas A, B, C, D e E estariam entre os 10 melhores programas, com base no tamanho real de seu público de estréia. 

Embora este modelo seja baseado em apenas 42 pontos de dados, o modelo geral e todas as três variáveis são estatisticamente significativos. O modelo explica 65% da variação no tamanho do público principal, comparado com 48% usando apenas os dados das promoções. Portanto, estas três variáveis juntas podem explicar quase dois terços da diferença no tamanho do público de estréia. Mais importante ainda, uma agência ou uma rede poderia ter usado este modelo para identificar as 10 primeiras e 10 últimas estréias de programas com mais precisão do que confiando apenas nos dados de promoção.

Para ser claro, as descobertas não significam necessariamente que a atividade da TV no Twitter cause uma audiência maior. Mas, mesmo que a relação não seja causal, nossos atuais e recentes esforços de pesquisa indicam cada vez mais que a atividade da TV Twitter e o alcance de dados pode ajudar as redes e agências a tomar decisões superiores de publicidade e marketing de programas.