Peringkat TV digunakan untuk memprediksi masa depan. Mereka menetapkan ekspektasi dan mempengaruhi keputusan pemrograman dari satu musim ke musim berikutnya, dan mereka membantu menetapkan biaya iklan (tarif iklan) jauh sebelum sebuah program mengudara. Di Amerika Serikat misalnya, jaringan TV menjual sebagian besar inventaris iklan premium mereka untuk tahun ini di "upfront," yaitu sekelompok acara yang terjadi setiap tahun setiap musim semi. Untuk setiap jaringan, upfront adalah pesta pembukaan untuk memperkenalkan program baru dan membangun kegembiraan untuk musim mendatang, tetapi di balik tirai, ini adalah pasar bagi pengiklan untuk membeli waktu iklan di televisi jauh lebih awal dari jadwal.
Akibatnya, perusahaan media telah menginvestasikan upaya yang cukup besar untuk memproyeksikan peringkat di masa depan. Prakiraan yang dapat diandalkan dapat membantu para pelaku industri membuat keputusan yang lebih cepat, lebih akurat, dan tidak terlalu subjektif, tidak hanya di awal, tetapi juga dalam perencanaan penyebaran yang terjadi selama musim. Dan jika prakiraan yang dapat diandalkan dapat dihasilkan melalui sistem otomatis, prakiraan tersebut dapat digunakan untuk memungkinkan penargetan lanjutan pada platform TV terprogram yang sedang berkembang.
Dalam makalah ini, kami membahas proyek percontohan baru-baru ini di mana Nielsen bekerja sama dengan salah satu klien utama kami untuk berinovasi dan meningkatkan praktik proyeksi peringkat. Melalui kolaborasi, kami bertujuan untuk mengembangkan sistem yang lebih akurat (metrik kinerja yang lebih baik), lebih efisien (waktu siklus yang lebih baik), dan lebih konsisten (mengurangi variabilitas) untuk meningkatkan praktik yang sudah ada dan meletakkan dasar bagi infrastruktur peramalan otomatis.
