对于媒体公司来说,秋季电视季是最关键的时刻。电视网和广告代理公司在焦急地等待观众是否对新节目产生兴趣的同时,也将自己逼入了一种狂热的状态。与此同时,广告代理公司已经下好了广告赌注,并密切关注着比赛的进程,看看需要做出哪些调整。与此同时,观众掌握着所有的牌,他们热切地品尝着新节目,并在品尝的过程中提出了大量的认可和批评意见。
那么,在秋季电视节目如此热闹的情况下,围绕新节目的推特活动在其中扮演了什么角色?
我们在 2014 年秋季首播季之后深入研究了这个问题。我们评估了在全新节目首播前全天候追踪的推特电视活动如何被用来预测观看这些节目首播集的观众规模。从数据来看,推特电视活动确实被证明是一个额外的信号,可以与其他因素一起用于预测首播观众的规模。这一点值得注意,因为如果 Twitter 电视活动可以与其他数据源一起用于帮助确定电视观众,那么广告公司就可以在首播前对其购买进行微调。电视网可以更早地发现潜在的赢家和挑战,从而最大限度地提高广告销售额并修正营销活动。此外,在社交媒体引导人们了解新节目的范围内,电视网可以利用 Twitter 电视活动更好地接触目标受众。
我们分析了从 8 月底到 11 月初的 42 部广播和有线电视连续剧首播,包括英语和西班牙语节目。首先,我们查找了 18-34 岁观众观看特定节目电视宣传的次数与该节目首播集观众人数之间的相关性。当然,我们希望宣传力度大的节目能获得更多观众,而这正是我们所看到的。换句话说,在没有将 Twitter TV 数据纳入分析的情况下,我们证实了宣传力度大的节目首播时的受众更多。因此,Twitter TV 活动要想真正发挥作用,就需要在我们已经从推广活动中了解到的信息之外,再提供一个额外的故事。
那么,了解首映前的 Twitter 电视活动是否能帮助电视网和广告公司更精确地衡量观众效果,而不是仅仅依靠宣传?换句话说,Twitter TV 活动在预测观众规模方面能带来哪些额外价值?
为了回答这些问题,我们创建了一个模型,利用三个变量来确定 18-34 岁观众的预期直播+7 天(L+7)观众人数:
- 促销活动:商业 (C3) 印象
- 推特电视活动:节目相关推文(全天候跟踪)
- 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均为每个节目首播日期前两周结束的四周时间,这与分析促销活动与观众人数之间相关性的时间段相同。我们使用这一时间段是为了确保不同节目之间的可比性,并证明代理商或电视网有可能在首播前的几周和几天内采用类似的方法采取行动。
我们将模型结果与实际首播观众人数进行了比较,以了解类似模型在显示首播成功方面的作用。例如,下图显示,模型显示 A 节目首播的 18-34 岁观众人数为 150 万,几乎与首播的实际观众人数完全一致。虽然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,但可以看出,预期观众人数与首播吸引的实际观众人数在方向上是一致的。例如,根据节目 A、B、C、D 和 E 的实际首映观众人数,该模型正确预测了它们将跻身前 10 名。
虽然该模型仅基于 42 个数据点,但整体模型和所有三个变量都具有显著的统计学意义。该模型可以解释首映观众人数 65% 的差异,而仅使用促销数据只能解释 48% 的差异。因此,这三个变量加在一起可以解释首播观众人数近三分之二的差异。最重要的是,与仅仅依靠促销数据相比,代理商或电视网可以利用这一模型更精确地确定首播前 10 名和首播后 10 名的节目。
需要明确的是,这些发现并不一定意味着 Twitter 电视活动会导致更多观众。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也越来越多地表明,Twitter 电视活动和覆盖率数据可以帮助网络和代理商做出卓越的、数据驱动的广告和节目营销决策。