Zum Inhalt
02_Elemente/Icons/PfeilLinks Zurück zu Einblicke
Einblicke > Medien

Must See TV: Wie die Twitter-Aktivitäten vor den Herbst-Staffelpremieren den Erfolg anzeigen könnten

4 Minuten lesen | Januar 2015

Für Medienunternehmen ist die TV-Herbstsaison der Zeitpunkt, an dem sich die Ereignisse überschlagen. Die Fernsehsender und Agenturen sind in heller Aufregung, während sie gespannt darauf warten, ob ihre neuen Programmangebote bei den Zuschauern ankommen. In der Zwischenzeit haben die Agenturen bereits ihre Werbewetten platziert und beobachten aufmerksam, welche Anpassungen sie vornehmen müssen, wenn das Spiel beginnt. In der Zwischenzeit haben die Zuschauer alle Trümpfe in der Hand: Sie probieren die neuen Sendungen eifrig aus und geben dabei reichlich Zustimmung und Kritik.

Welche Rolle spielen bei all der Aufregung um das Herbstfernsehen die Twitter-Aktivitäten rund um neue Sendungen?

Mit dieser Frage haben wir uns nach der Premierensaison im Herbst 2014 befasst. Wir haben untersucht, wie die Twitter-TV-Aktivität, die rund um die Uhr vor den Premieren brandneuer Sendungen verfolgt wird, genutzt werden kann, um die Größe der Zuschauer, die die ersten Folgen dieser Sendungen sehen, vorherzusagen. Bei der Auswertung der Daten erwies sich die Twitter-TV-Aktivität als zusätzliches Signal, das zusammen mit anderen Faktoren zur Vorhersage der Zuschauerzahlen von Erstausstrahlungen verwendet werden kann. Dies ist bemerkenswert, denn wenn die Twitter TV-Aktivität zusammen mit anderen Datenquellen zur Bestimmung der Einschaltquoten herangezogen werden könnte, dann könnten die Agenturen ihre Einkäufe vor den Premieren feinabstimmen. Die Sender könnten potenzielle Gewinner und Herausforderungen früher erkennen, um die Werbeumsätze zu maximieren und die Marketingaktivitäten zu korrigieren. Und in dem Maße, in dem soziale Medien dazu führen, dass Menschen auf neue Sendungen aufmerksam werden, könnten die Sender die Twitter-TV-Aktivitäten nutzen, um ihre Zielgruppen besser zu erreichen.

Wir haben 42 Fernseh- und Kabelserienpremieren, einschließlich englisch- und spanischsprachiger Programme, von Ende August bis Anfang November analysiert. Zunächst haben wir nach einer Korrelation zwischen der Häufigkeit, mit der Zuschauer zwischen 18 und 34 Jahren TV-Werbung für ein bestimmtes Programm gesehen haben, und der Größe der Zuschauerschaft dieses Programms für die erste Folge gesucht. Natürlich würden wir erwarten, dass stark beworbene Sendungen ein größeres Publikum haben, und genau das haben wir auch gesehen. Mit anderen Worten: Ohne die Twitter TV-Daten in die Analyse einzubeziehen, bestätigten wir, dass Sendungen, die stärker beworben wurden, eine höhere Einschaltquote hatten. Um wirklich nützlich zu sein, müssten die Twitter TV-Aktivitäten also eine zusätzliche Geschichte zu dem erzählen, was wir bereits aus den Werbemaßnahmen allein wissen.

Kann also ein Verständnis der Twitter TV-Aktivitäten vor einer Premiere den Sendern und Agenturen dabei helfen, die Einschaltquoten genauer einzuschätzen, als dies bei reinen Werbeaktionen der Fall ist? Mit anderen Worten: Welchen zusätzlichen Nutzen bringt die Twitter-TV-Aktivität bei der Vorhersage von Zuschauerzahlen?

Zur Beantwortung dieser Fragen haben wir ein Modell erstellt, um die erwartete Live+7-Tage-Zuschauerschaft (L+7) von 18-34 Zuschauern anhand von drei Variablen zu bestimmen:

  • Werbeaktivität: Kommerzielle (C3) Eindrücke
  • Twitter TV-Aktivität: Programmbezogene Tweets (24/7 Tracking)
  • Netzart: Rundfunk vs. Kabel

Der Zeitraum für die Werbeaktionen und die Twitter-TV-Aktivitäten war der Vier-Wochen-Zeitraum, der zwei Wochen vor der Premiere der jeweiligen Sendung endete. Wir haben diesen Zeitraum verwendet, um die Vergleichbarkeit zwischen den Programmen zu gewährleisten und um zu zeigen, dass eine Agentur oder ein Sender in den Wochen und Tagen vor einer Premiere möglicherweise mit einem ähnlichen Ansatz vorgehen könnte. 

Wir haben die Ergebnisse unseres Modells mit den tatsächlichen Einschaltquoten der Premiere verglichen, um herauszufinden, wie nützlich ein ähnliches Modell für die Anzeige des Erfolgs der Premiere gewesen wäre. Die nachstehende Grafik zeigt zum Beispiel, dass das Modell für die Premiere von Programm A eine Zuschauerzahl von 1,5 Millionen Zuschauern im Alter von 18 bis 34 Jahren anzeigte, was fast genau der tatsächlichen Zuschauerzahl für die Premiere entsprach. Die vom Modell angegebene Zuschauerzahl entsprach zwar nicht immer genau der tatsächlichen Zuschauerzahl für die Premiere einer Sendung, aber Sie können sehen, dass die Erwartungen mit den tatsächlichen Zuschauerzahlen für Premieren übereinstimmten. So hat dieses Modell beispielsweise korrekt vorausgesagt, dass die Programme A, B, C, D und E auf der Grundlage ihrer tatsächlichen Zuschauerzahlen bei der Premiere zu den 10 besten Programmen gehören würden. 

Obwohl dieses Modell nur auf 42 Datenpunkten basiert, sind das Gesamtmodell und alle drei Variablen statistisch signifikant. Das Modell erklärt 65 % der Varianz bei den Einschaltquoten von Erstausstrahlungen, verglichen mit 48 % bei der alleinigen Verwendung von Werbedaten. Zusammen können diese drei Variablen also fast zwei Drittel der Unterschiede bei den Einschaltquoten erklären. Am wichtigsten ist jedoch, dass eine Agentur oder ein Sender mit Hilfe dieses Modells die 10 besten und 10 schlechtesten Erstausstrahlungen präziser hätte ermitteln können, als wenn er sich nur auf die Werbedaten verlassen hätte.

Die Ergebnisse bedeuten nicht zwangsläufig, dass Twitter TV-Aktivitäten zu größeren Zuschauerzahlen führen. Aber selbst wenn die Beziehung nicht kausal ist, deuten unsere aktuellen und jüngsten Forschungsbemühungen zunehmend darauf hin, dass Twitter TV-Aktivitäts- und Reichweitendaten den Sendern und Agenturen helfen können, bessere, datengestützte Werbe- und Programm-Marketingentscheidungen zu treffen.

Fortsetzung der Suche nach ähnlichen Erkenntnissen