对于媒体公司来说，秋季电视季是橡胶与道路相遇的时候。电视网和广告公司在焦急地等待观众是否对他们的新节目感兴趣的同时，也将自己变成一个狂热的状态。同时，广告公司已经下好了他们的广告赌注，并在密切关注着随着游戏的进行，他们需要做出哪些调整。同时，观众们掌握着所有的牌，急切地品尝着新节目，并一路提供大量的认可和批评意见。

那么，在所有这些围绕秋季电视的骚动中，围绕新节目的推特活动在这一切中扮演了什么角色？

我们在2014年秋季首播季结束后研究了这个问题。我们评估了在全新节目首播前全天候跟踪的推特电视活动，如何用于预测观看这些节目首播集的观众人数。从数据上看，推特电视活动确实被证明是一个额外的信号，可以和其他因素一起用来预测首播观众的规模。这一点值得注意，因为如果推特电视活动可以与其他数据来源一起使用，以帮助确定电视观众，那么机构就可以在首播前对他们的购买进行微调。电视网可以更早地确定潜在的赢家和挑战，以最大限度地提高广告销售和纠正营销活动的方向。而且，在社交媒体引导人们了解新节目的情况下，电视网络可以利用Twitter的电视活动来更好地接触他们的目标受众。

我们分析了8月底至11月初的42部广播和有线电视系列节目的首播，包括英语和西班牙语节目。首先，我们寻找了18-34岁的观众看到某一特定节目的电视宣传次数与该节目首播集的观众人数之间的关联。自然地，我们期望高度宣传的节目能获得更多的观众，而这正是我们看到的情况。换句话说，在没有将Twitter TV数据纳入分析的情况下，我们证实了那些被大力宣传的节目拥有更多的首播观众。因此，要真正发挥作用，Twitter电视活动需要在我们已经知道的促销活动的基础上讲述一个额外的故事。

那么，在首映前了解推特电视活动，是否能帮助电视台和机构更精确地衡量观众的结果，而不是仅仅暴露在促销活动中？换句话说，推特电视活动在预测观众人数方面能带来哪些额外的价值？

为了回答这些问题，我们建立了一个模型，用三个变量确定18-34岁观众的预期直播+7日（L+7）观众：

• 促销活动：商业（C3）印象
• 推特电视活动：与节目相关的推文（24/7追踪）。
• 网络类型：广播与有线电视

促销活动和推特电视活动的时间段都是在每个节目首播日期前两周结束的四周内，这与分析促销活动和观众人数之间的相关性所使用的时间段相同。我们使用这个时间段是为了确保各节目之间的可比性，并证明一个机构或网络有可能在首播前的几周和几天内使用类似的方法采取行动。 

我们将模型的结果与实际的首播观众人数进行了比较，以了解类似的模型在显示首播成功方面的作用。例如，下图显示，模型显示节目A的首播观众人数为150万，年龄在18-34岁之间，几乎与首播的实际观众人数完全一致。虽然该模型显示的观众人数并不总是完全反映节目首播的实际观众人数，但你可以看到，预期与首播吸引的实际观众人数是一致的。例如，这个模型正确地预期了节目A、B、C、D和E会在前10个节目中，根据它们的实际首映观众人数。 

虽然这个模型只基于42个数据点，但整体模型和所有三个变量都具有统计学意义。该模型解释了首映式观众人数的65%的差异，而仅用促销活动的数据则为48%。因此，这三个变量加在一起可以解释首映式观众人数近三分之二的差异。最重要的是，机构或电视台可以用这个模型来确定前10名和后10名的节目首播，比单纯依靠推广数据更精确。

明确地说，这些发现并不一定意味着Twitter电视活动会导致更大的受众规模。但是，即使这种关系不是因果关系，我们目前和最近的研究工作越来越表明，推特电视活动和受众数据可以帮助网络和机构做出卓越的、数据驱动的广告和节目营销决策。