Przejdź do treści
Spostrzeżenia > Media

Must See TV: Jak aktywność na Twitterze przed jesienną premierą sezonu może wskazywać na sukces

4 minuty czytania | styczeń 2015 r.

Dla firm medialnych, jesienny sezon telewizyjny to czas, kiedy guma spotyka się z drogą. Sieci i agencje white knuckle się w gorączkowym stanie, podczas gdy oni z niepokojem czekać, aby zobaczyć, czy publiczność objawienia w ich nowych ofert programowych. W międzyczasie agencje już postawiły swoje reklamy i uważnie obserwują, aby zobaczyć, jakie poprawki muszą wprowadzić w trakcie gry. Tymczasem widzowie trzymają wszystkie karty, chętnie próbując nowe programy, oferując mnóstwo poparcia i krytyki po drodze.

Więc z całego tego zamieszania wokół jesiennej telewizji, jaką rolę odgrywa aktywność Twittera wokół nowych programów w tym wszystkim?

Zagłębiliśmy się w to pytanie po sezonie premierowym jesieni 2014. Oceniliśmy, w jaki sposób aktywność na Twitterze, śledzona 24/7 przed premierami nowych programów, mogła zostać wykorzystana do przewidywania wielkości widowni, która oglądała premierowe odcinki tych programów. I patrząc na dane, aktywność telewizyjna na Twitterze okazała się dodatkowym sygnałem, który mógł być użyty wraz z innymi czynnikami do przewidywania wielkości widowni premier. Jest to o tyle istotne, że jeśli aktywność na Twitterze mogłaby być wykorzystana wraz z innymi źródłami danych do określenia oglądalności programów telewizyjnych, to agencje mogłyby dopracować swoje zakupy przed premierą. Sieci mogłyby zidentyfikować potencjalnych zwycięzców i wyzwania wcześniej, aby zmaksymalizować sprzedaż reklam i skorygować działania marketingowe. A w zakresie, w jakim media społecznościowe prowadzą ludzi do zapoznania się z nowymi programami, sieci mogą wykorzystać aktywność telewizyjną na Twitterze, aby lepiej dotrzeć do zamierzonych odbiorców.

Przeanalizowaliśmy 42 premiery seriali telewizyjnych i kablowych, w tym programy anglo- i hiszpańskojęzyczne, od końca sierpnia do początku listopada. Na początku szukaliśmy korelacji pomiędzy tym, ile razy widzowie w wieku 18-34 lat widzieli w telewizji promocje danego programu, a wielkością widowni tego programu w odcinku premierowym. Naturalnie, spodziewaliśmy się, że mocno promowane programy będą gromadziły większą widownię i tak właśnie było. Innymi słowy, bez uwzględnienia danych z Twitter TV w analizie, potwierdziliśmy, że programy, które były promowane bardziej znacząco, miały większą widownię na premierze. Aby być naprawdę użytecznym, aktywność Twitter TV musiałaby opowiedzieć dodatkową historię, oprócz tego, co już wiemy z samych promocji.

Czy zatem zrozumienie aktywności na Twitterze przed premierą może pomóc sieciom i agencjom w bardziej precyzyjnym oszacowaniu wyników oglądalności niż sama ekspozycja na promocje? Innymi słowy, jaką dodatkową wartość wnosi aktywność Twitter TV w przewidywaniu wielkości widowni?

Aby odpowiedzieć na te pytania, stworzyliśmy model określający oczekiwaną widownię live+7 day (L+7) widzów w wieku 18-34 lat przy użyciu trzech zmiennych:

  • Działalność promocyjna: Wrażenia komercyjne (C3)
  • Aktywność telewizyjna na Twitterze: Tweety związane z programem (24/7 tracking)
  • Typ sieci: Broadcast vs. Cable

Okresem czasu dla promocji i aktywności telewizyjnej na Twitterze był czterotygodniowy okres kończący się na dwa tygodnie przed datą premiery każdego programu, czyli ten sam okres, który został wykorzystany do analizy korelacji między promocjami a wielkością widowni. Użyliśmy tego okresu, aby zapewnić porównywalność między programami i pokazać, że agencja lub sieć może potencjalnie podjąć działania w tygodniach i dniach poprzedzających premierę, stosując podobne podejście. 

Porównaliśmy wyniki naszego modelu z rzeczywistą oglądalnością premier, aby zrozumieć, na ile podobny model byłby przydatny przy wskazywaniu sukcesu premiery. Na przykład, na poniższym wykresie widać, że model wskazał widownię na poziomie 1,5 miliona widzów w wieku 18-34 lat dla premiery programu A, czyli prawie dokładnie taką, jaka była rzeczywista widownia tej premiery. Choć nie zawsze widownia wskazywana przez model dokładnie odzwierciedlała rzeczywistą widownię premiery programu, widać, że oczekiwania były zgodne z rzeczywistą widownią, jaką przyciągały premiery. Na przykład, model ten prawidłowo przewidział, że programy A, B, C, D i E znajdą się wśród 10 najlepszych programów, na podstawie ich rzeczywistej oglądalności. 

Chociaż model ten opiera się na zaledwie 42 punktach danych, ogólny model i wszystkie trzy zmienne są statystycznie istotne. Model wyjaśnia 65% wariancji wielkości widowni premier, w porównaniu do 48% przy użyciu samych danych o promocjach. Tak więc te trzy zmienne razem mogą wyjaśnić prawie dwie trzecie różnic w wielkości widowni premierowej. Co najważniejsze, agencja lub sieć telewizyjna mogła wykorzystać ten model do dokładniejszego określenia 10 najlepszych i 10 najgorszych premier programów, niż opierając się wyłącznie na danych o promocjach.

Aby wyjaśnić, wyniki badań nie muszą oznaczać, że aktywność na Twitterze TV powoduje większe rozmiary widowni. Ale, nawet jeśli związek nie jest przyczynowo, nasze obecne i ostatnie badania coraz bardziej wskazują, że Twitter TV aktywność i zasięg danych może pomóc sieci i agencje dokonać superior, dane oparte reklamy i marketingu programu decyzje.