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

Maschinelles Lernen zur Vorhersage zukünftiger TV-Quoten

1 Minute lesen | Scott Sereday und Jingsong Cui, Data Science, Nielsen | Februar 2017

Die Einschaltquoten dienen dazu, die Zukunft vorherzusagen. Sie legen Erwartungen fest und beeinflussen Programmentscheidungen von einer Saison zur nächsten, und sie tragen dazu bei, die Kosten für Werbung (Werbetarife) schon lange vor der Ausstrahlung eines Programms festzulegen. In den USA zum Beispiel verkaufen die Fernsehsender den Großteil ihres Premium-Werbeangebots für das Jahr auf der Upfrontsitzung, einer Reihe von Veranstaltungen, die jährlich im Frühjahr stattfinden. Für jeden Sender ist die Upfrontshow eine Party, um neue Programme vorzustellen und die Vorfreude auf die kommende Saison zu steigern, aber hinter den Kulissen ist es ein Marktplatz für Werbetreibende, um Werbezeit im Fernsehen lange vor dem Zeitplan zu kaufen.

Infolgedessen haben die Medienunternehmen erhebliche Anstrengungen unternommen, um künftige Einschaltquoten zu prognostizieren. Zuverlässige Prognosen können den Akteuren der Branche helfen, schnellere, genauere und weniger subjektive Entscheidungen zu treffen, nicht nur im Vorfeld, sondern auch bei der Streuplanung, die während der Saison stattfindet. Und wenn verlässliche Prognosen durch ein automatisiertes System erstellt werden können, lassen sie sich für ein fortschrittliches Targeting auf neuen programmatischen TV-Plattformen nutzen.

In diesem Beitrag wird ein kürzlich durchgeführtes Pilotprojekt vorgestellt, bei dem Nielsen mit einem unserer wichtigsten Kunden zusammengearbeitet hat, um die Praxis der Einschaltquotenprognosen zu erneuern und zu verbessern. Durch die Zusammenarbeit wollten wir ein genaueres (bessere Leistungskennzahlen), effizienteres (kürzere Zykluszeiten) und konsistenteres (geringere Schwankungen) System entwickeln, um die bestehende Praxis zu verbessern und die Grundlage für eine automatisierte Prognoseinfrastruktur zu schaffen.

Fortsetzung der Suche nach ähnlichen Erkenntnissen