Ir al contenido
Información > Medios de comunicación

Must See TV: Cómo la actividad en Twitter antes de los estrenos de la temporada de otoño podría indicar el éxito

4 minutos de lectura | Enero 2015

Para las empresas de medios de comunicación, la temporada televisiva de otoño es el momento de la verdad. Las cadenas y las agencias se ponen en estado de alerta mientras esperan ansiosamente a ver si las audiencias se deleitan con sus nuevas ofertas de programas. Por su parte, las agencias ya han hecho sus apuestas publicitarias y observan atentamente para ver qué ajustes tienen que hacer a medida que se desarrolla el juego. Por su parte, los telespectadores tienen todas las cartas en la mano, probando ansiosamente los nuevos programas, y ofreciendo un montón de apoyos y críticas por el camino.

Con todo este revuelo en torno a la televisión de otoño, ¿qué papel juega la actividad de Twitter en torno a las nuevas series?

Nos adentramos en esta cuestión a raíz de la temporada de estrenos del otoño de 2014. Evaluamos cómo la actividad televisiva de Twitter, seguida las 24 horas del día antes de los estrenos de los nuevos programas, podría haber sido utilizada para anticipar el tamaño de las audiencias que vieron los episodios de estreno de esos programas. Y al examinar los datos, la actividad de Twitter TV resultó ser una señal adicional que podía utilizarse junto con otros factores para anticipar el tamaño de la audiencia de los estrenos. Esto es notable porque si la actividad de Twitter TV pudiera utilizarse junto con otras fuentes de datos para ayudar a determinar las audiencias de televisión, entonces las agencias podrían afinar sus compras antes de los estrenos. Las cadenas podrían identificar antes los posibles ganadores y los retos para maximizar las ventas de publicidad y corregir las actividades de marketing. Y, en la medida en que las redes sociales lleven a la gente a conocer los nuevos programas, las cadenas podrían aprovechar la actividad de Twitter TV para llegar mejor a sus audiencias.

Analizamos 42 estrenos de series de televisión y de cable, incluida la programación en inglés y en español, desde finales de agosto hasta principios de noviembre. Para empezar, buscamos una correlación entre el número de veces que los espectadores de 18 a 34 años vieron las promociones televisivas de un programa específico y el tamaño de la audiencia de ese programa para el episodio de estreno. Naturalmente, esperábamos que los programas más promocionados tuvieran más audiencia, y eso es lo que vimos. En otras palabras, sin incluir los datos de Twitter TV en el análisis, confirmamos que los programas que se promocionaron de forma más sustancial tuvieron mayores audiencias en su estreno. Para que sea realmente útil, la actividad de Twitter TV tendría que contar una historia adicional a la que ya conocemos sólo por las promociones.

Por lo tanto, ¿puede un conocimiento de la actividad de Twitter TV antes de un estreno ayudar a las cadenas y agencias a calibrar con mayor precisión los resultados de la audiencia que la exposición a las promociones por sí sola? En otras palabras, ¿qué valor adicional aporta la actividad de Twitter TV para anticipar el tamaño de la audiencia?

Para responder a estas preguntas, creamos un modelo para determinar la audiencia esperada en directo+7 días (L+7) de los espectadores de 18 a 34 años utilizando tres variables:

  • Actividad de promoción: Impresiones comerciales (C3)
  • Actividad televisiva en Twitter: Tweets relacionados con el programa (seguimiento 24/7)
  • Tipo de red: Emisión vs. Cable

El periodo de tiempo para las promociones y la actividad de Twitter TV fue el periodo de cuatro semanas que termina dos semanas antes de la fecha de estreno de cada programa, el mismo periodo de tiempo que se utilizó para analizar la correlación entre las promociones y el tamaño de la audiencia. Se utilizó este periodo para garantizar la comparabilidad entre programas y demostrar que una agencia o una cadena podría actuar, en las semanas y días previos al estreno, con un enfoque similar. 

Comparamos los resultados de nuestro modelo con las audiencias reales de los estrenos para entender la utilidad de un modelo similar para indicar el éxito del estreno. Por ejemplo, el gráfico siguiente muestra que el modelo indicó un tamaño de audiencia de 1,5 millones de espectadores de 18 a 34 años para el estreno del programa A, casi exactamente la audiencia real del estreno. Aunque el tamaño de la audiencia indicado por el modelo no siempre reflejó exactamente el tamaño real de la audiencia del estreno de un programa, se puede ver que las expectativas se alinearon con las audiencias reales que atrajeron los estrenos. Por ejemplo, este modelo preveía correctamente que los programas A, B, C, D y E estarían entre los 10 primeros, basándose en el tamaño real de la audiencia de sus estrenos. 

Aunque este modelo se basa en sólo 42 puntos de datos, el modelo global y las tres variables son estadísticamente significativos. El modelo explica el 65% de la varianza del tamaño de la audiencia de los estrenos, en comparación con el 48% si sólo se utilizan los datos de las promociones. Así, estas tres variables juntas pueden explicar casi dos tercios de la diferencia en el tamaño de las audiencias de los estrenos. Y lo que es más importante, una agencia o una cadena podría haber utilizado este modelo para identificar los 10 mejores y los 10 peores estrenos de programas con más precisión que basándose únicamente en los datos de promoción.

Para ser claros, los hallazgos no significan necesariamente que la actividad de Twitter TV provoque mayores tamaños de audiencia. Pero, incluso si la relación no es causal, nuestros esfuerzos de investigación actuales y recientes indican cada vez más que los datos de actividad y alcance de Twitter TV pueden ayudar a las cadenas y agencias a tomar decisiones de publicidad y marketing de programas superiores y basadas en datos.

Seguir navegando por el mismo tema