Passa al contenuto
02_Elementi/Icone/FrecciaSinistra Torna a Insight
Approfondimenti > Media

Usare l'apprendimento automatico per prevedere gli ascolti televisivi futuri

1 minuto di lettura | Scott Sereday e Jingsong Cui, Data Science, Nielsen | Febbraio 2017

Gli ascolti televisivi sono utilizzati per prevedere il futuro. Fissano le aspettative e influenzano le decisioni di programmazione da una stagione all'altra e contribuiscono a stabilire il costo della pubblicità (tariffe pubblicitarie) con largo anticipo rispetto alla messa in onda di un programma. Negli Stati Uniti, ad esempio, le reti televisive vendono la maggior parte dell'inventario pubblicitario per l'anno in corso durante gli "upfront", un gruppo di eventi che si svolgono ogni anno in primavera. Per ogni rete, l'upfront è una festa di inaugurazione per presentare nuovi programmi e creare entusiasmo per la stagione successiva, ma dietro le quinte si tratta di un vero e proprio mercato per gli inserzionisti, che possono acquistare spazi pubblicitari in televisione con largo anticipo.

Di conseguenza, le aziende del settore dei media hanno investito notevoli sforzi per proiettare gli ascolti futuri. Previsioni affidabili possono aiutare gli operatori del settore a prendere decisioni più rapide, accurate e meno soggettive, non solo nella fase iniziale, ma anche nella pianificazione dispersiva che si verifica durante la stagione. E se le previsioni affidabili possono essere prodotte attraverso un sistema automatizzato, possono essere utilizzate per consentire un targeting avanzato sulle piattaforme televisive programmatiche emergenti.

In questo articolo discutiamo un recente progetto pilota in cui Nielsen ha lavorato con uno dei nostri principali clienti per innovare e migliorare la pratica delle proiezioni degli ascolti. Attraverso la collaborazione, abbiamo puntato a sviluppare un sistema più accurato (migliori metriche di performance), più efficiente (migliori tempi di ciclo) e più coerente (riduzione della variabilità) per migliorare la pratica esistente e gettare le basi per un'infrastruttura di previsione automatizzata.

Continua a sfogliare approfondimenti simili