Bagi perusahaan media, musim TV musim gugur adalah saat yang tepat untuk melakukan sesuatu. Jaringan dan agensi akan bersiaga dengan penuh semangat sambil menunggu dengan cemas untuk melihat apakah pemirsa menikmati penawaran program baru mereka. Sementara itu, para agensi telah memasang taruhan iklan mereka dan dengan saksama mengamati untuk melihat penyesuaian apa yang perlu mereka lakukan saat permainan berlangsung. Sementara itu, pemirsa memegang semua kartu, dengan penuh semangat mencicipi acara-acara baru, menawarkan banyak dukungan dan kritik di sepanjang jalan.

Jadi, dengan semua keributan di sekitar TV musim gugur ini, apa peran aktivitas Twitter di sekitar acara-acara baru di dalamnya?

Kami membahas pertanyaan ini menjelang musim tayang perdana musim gugur 2014. Kami mengevaluasi bagaimana aktivitas Twitter TV, yang dilacak selama 24 jam sehari, 7 hari seminggu menjelang penayangan perdana program-program baru, dapat digunakan untuk mengantisipasi jumlah penonton yang menyaksikan episode perdana program-program tersebut. Dan dengan melihat data tersebut, aktivitas Twitter TV terbukti menjadi sinyal tambahan yang dapat digunakan bersama dengan faktor-faktor lain untuk mengantisipasi jumlah penonton tayangan perdana. Hal ini penting karena jika aktivitas TV Twitter dapat digunakan bersama dengan sumber data lain untuk membantu menentukan jumlah pemirsa TV, maka agensi dapat menyempurnakan pembelian mereka sebelum penayangan perdana. Jaringan dapat mengidentifikasi calon pemenang dan tantangan lebih awal untuk memaksimalkan penjualan iklan dan aktivitas pemasaran yang tepat. Dan, sejauh media sosial membuat orang menjadi sadar akan acara-acara baru, jaringan dapat memanfaatkan aktivitas TV Twitter untuk menjangkau pemirsa yang dituju dengan lebih baik.

Kami menganalisis 42 penayangan perdana serial televisi dan kabel, termasuk program berbahasa Inggris dan Spanyol, dari akhir Agustus hingga awal November. Sebagai permulaan, kami mencari korelasi antara berapa kali pemirsa berusia 18-34 tahun melihat promosi TV untuk program tertentu dan jumlah pemirsa program tersebut untuk episode perdana. Secara alami, kami berharap program yang dipromosikan dengan sangat baik akan menarik lebih banyak penonton, dan itulah yang kami lihat. Dengan kata lain, tanpa menyertakan data Twitter TV dalam analisis, kami mengonfirmasi bahwa program yang dipromosikan secara lebih substansial memiliki jumlah penonton yang lebih banyak. Agar benar-benar bermanfaat, aktivitas Twitter TV perlu menceritakan kisah tambahan selain apa yang sudah kita ketahui dari promosi saja.

Jadi, dapatkah pemahaman tentang aktivitas TV Twitter sebelum penayangan perdana membantu jaringan dan agensi untuk mengukur hasil pemirsa dengan lebih tepat daripada hanya dengan promosi? Dengan kata lain, apa nilai tambahan yang diberikan oleh aktivitas TV Twitter dalam mengantisipasi jumlah penonton?

Untuk menjawab pertanyaan-pertanyaan ini, kami membuat model untuk menentukan ekspektasi jumlah penonton live+7 hari (L+7) yang terdiri dari 18-34 penonton dengan menggunakan tiga variabel:

• Aktivitas promosi: Tayangan komersial (C3)
• Aktivitas Twitter TV: Tweet terkait program (pelacakan 24/7)
• Jenis jaringan: Siaran vs. Kabel

Periode waktu untuk promosi dan aktivitas Twitter TV adalah periode empat minggu yang berakhir dua minggu sebelum tanggal penayangan perdana setiap program, periode waktu yang sama dengan yang digunakan dalam menganalisis korelasi antara promosi dan jumlah penonton. Kami menggunakan periode waktu ini untuk memastikan komparabilitas di seluruh program dan untuk menunjukkan bahwa agensi atau jaringan berpotensi mengambil tindakan, dalam beberapa minggu dan hari menjelang penayangan perdana, dengan menggunakan pendekatan yang sama. 

Kami membandingkan hasil dari model kami dengan jumlah penonton pemutaran perdana yang sebenarnya untuk memahami seberapa berguna model yang serupa dalam mengindikasikan kesuksesan pemutaran perdana. Sebagai contoh, grafik di bawah ini menunjukkan bahwa model mengindikasikan jumlah penonton sebanyak 1,5 juta pemirsa berusia 18-34 tahun untuk penayangan perdana program A, hampir sama persis dengan jumlah penonton yang sebenarnya untuk penayangan perdana tersebut. Meskipun jumlah penonton yang ditunjukkan oleh model tersebut tidak selalu mencerminkan jumlah penonton yang sebenarnya untuk penayangan perdana sebuah program, Anda dapat melihat bahwa ekspektasi selaras dengan jumlah penonton yang sebenarnya dari program yang ditayangkan. Sebagai contoh, model ini dengan tepat mengantisipasi bahwa program A, B, C, D, dan E akan berada di antara 10 program teratas, berdasarkan jumlah penonton pemutaran perdana yang sebenarnya. 

Meskipun model ini hanya didasarkan pada 42 titik data, keseluruhan model dan ketiga variabelnya signifikan secara statistik. Model ini menjelaskan 65% dari varians jumlah penonton pemutaran perdana, dibandingkan dengan 48% yang menggunakan data promosi saja. Jadi, ketiga variabel ini bersama-sama dapat menjelaskan hampir dua pertiga dari perbedaan jumlah penonton pemutaran perdana. Yang paling penting, agensi atau jaringan dapat menggunakan model ini untuk mengidentifikasi 10 besar dan 10 besar penayangan perdana program dengan lebih tepat daripada hanya mengandalkan data promosi.

Untuk memperjelas, temuan ini tidak berarti bahwa aktivitas TV Twitter menyebabkan jumlah pemirsa yang lebih besar. Namun, meskipun hubungannya tidak bersifat kausal, upaya penelitian kami saat ini dan yang baru-baru ini dilakukan semakin mengindikasikan bahwa aktivitas TV Twitter dan data jangkauan dapat membantu jaringan dan agensi dalam membuat keputusan pemasaran iklan dan program yang lebih baik berdasarkan data.