Co obejrzą miliony?

1. Co obejrzą miliony? Przewidywanie oglądalności telewizyjnych kampanii reklamowych

2. Agenda • Specyfika prognozy w oparciu o dane telemetryczne • Parę słów o przeszłości • Diagnoza potrzeb i oczekiwań • Model predykcyjny • Wyniki weryfikacji modelu: • Globalnie • Dla kampanii reklamowych

3. Prognozy „twarde”: Prognozujemy realne stany i procesy np. wielkość sprzedaży, produkcji, zmiany wskaźników ekonomicznych Prognozy „miękkie”: Wnioskujemy o populacji na podstawie zmierzonych stanów próbki np. preferencje wyborcze, deklaracje przyszłej konsumpcji Prognozowanie na podstawie TAM Prognozujemy zachowanie 4 000 reprezentatywnych dla populacji uczestników badania telemetrycznego

4. Przeszłość • Dwa nurty bazujące na danych: • O zachowaniach widowni w przeszłości z uwzględnieniem jej charakterystyk demograficznych tzw. Social-Based Techniques • Określających podobieństwo atrybutów programów tzw. Content-Based Techniques • Próbowano rozwiązać problem predykcji oglądalności stosując wiele różnych metod statystycznych: • skalowanie wielowymiarowe, regresja liniowa lub nieliniowa, analiza czynnikowa, sieci neuronowe, szeregi czasowe ...

5. Trudności i wyzwania • W związku ze stopniem skomplikowania rzeczywistości telewizyjnej efektywny model predykcyjny powinien być wypadkową metod statystycznych i wiedzy eksperckiej końcowego użytkownika • Oczekiwania odbiorców nie kończą się na otrzymaniu raportu zawierającego estymacje wielkości widowni pozycji z ramówek stacji dla pewnych grup docelowych

6. Odbiorcy, ich potrzeby i oczekiwania • Zainteresowani: • Domy mediowe, nadawcy telewizyjni, domy sprzedaży • Przedmiotem zainteresowania są estymacje widowni bloków reklamowych • Oczekiwania: • Przejrzystość, elastyczność i łatwość stosowania modelu • Możliwość kontrolowania każdego z etapów procesu estymacji • Dokładność, precyzja estymacji wielkości widowni oraz jej struktury demograficznej • Możliwość wprowadzenia zmian przez końcowego użytkownika • Estymacja widowni w oparciu o nie zagregowane dane dotyczące zachowania poszczególnych panelistów • Krótki czas całego procesu

7. Cel agencji badawczej • Czym dysponujemy? • Baza danych o sposobie oglądania telewizji dla 4000, reprezentatywnych dla populacji osób od 1997 roku • Ramówki i cenniki stacji telewizyjnych publikowane z wyprzedzeniem • Czego potrzebujemy? • Informacji o wielkości widowni pozycji programowych z jeszcze nie wyemitowanej ramówki • Jak to osiągnąć? • Połączenie dwóch podejść: „S-B T” + „C-B T”

8. Przyszła ramówka i cennik stacji Ramówka i cennik stacji w wybranym okresie historycznym Etap I Zestaw reguł wyszukujących i łączących podobne do siebie bloki reklamowe Etap II Etap III Etap IV Etap V Proces estymacji Przyszła ramówka stacji z wstępną estymacją widowni Interwencja użytkownika Przyszła ramówka stacji z ostateczną estymacją widowni

9. Metoda obserwacyjno - probabilistyczna • Wyszukujemy w historycznej ramówce bloki jak najbardziej podobne do bloków z przyszłej ramówki. Kryteria podobieństwa określane są przez użytkownika • Dostępne kryteria zgodności: • Kanał emisji, typologia programowa, czas emisji, dzień tygodnia emisji, typ bloku reklamowego, nazwa programu, dowolna informacja opisująca blok dodana przez użytkownika itp.. • Zdecydowana większość bloków reklamowych z przyszłej ramówki ma przynajmniej jeden swój odpowiednik historyczny

10. Reguła I Reguła II ... ... ... ... ... ... Reguła N Bloki reklamowe z przeszłości Bloki reklamowe z przyszłej ramówki Zestaw automatycznie aplikowanych, hierarchicznie uporządkowanych reguł Metoda obserwacyjno - probabilistyczna

11. Metoda obserwacyjno - probabilistyczna • Dzięki estymacji zachowań każdego z panelistów indywidualnie, możliwa jest dowolna agregacja danych, czyli zdefiniowanie absolutnie każdej grupy docelowej. • Użytkownik ma możliwość pracy z wykorzystaniem wszystkich zmiennych używanych podczas planowania kampanii reklamowej: GRP, RCH, OTS, CPP etc.

12. Efekt procesu estymacji Każdy blok jest opisany statystykami pozwalającymi użytkownikowi na całkowitą kontrolę nad wstępnie wygenerowanymi estymacjami Użytkownik może „wymusić” inne niż wynikające z zastosowanych reguł połączenie historycznych i przyszłych bloków reklamowych a także zmienić wielkość GRP oraz profil widowni

13. Weryfikacja modelu Korelacja r Pearsona z danymi rzeczywistymi

14. Weryfikacja modelu

15. Weryfikacja modelu

16. Polsat TVP1 TVN TVP2 Weryfikacja modelu Doba – interwał godzinny

17. Polsat TVP1 TVN TVP2 Weryfikacja modelu Doba – interwał godzinny

18. Polsat TVP1 TVN TVP2 Weryfikacja modelu Doba – interwał godzinny

19. Porównanie GRP kampanii „Ketoprom” 4-29.IX.2006 GRP 0,6% 1,7% 4,1% 3,5% TG: W 20-49 CD Ci>50

20. Porównanie GRP kampanii „Sami Swoi” 1-10.IX.2006 GRP 1,5% 7,8% 11,1% 7,2% 0,7% TG: All 16-49

21. Porównanie GRP kampanii „Media Markt Notebook HP” 28-29.IX.2006 GRP 0,3% 18,7% 7,6% 2,8% 31,7% TG: M 30-59 CD

22. Porównanie Zasięgu kampanii „Ketoprom” 4-29.IX.2006 %RCH GRP TG: W 20-49 CD Ci>50

23. Porównanie Zasięgu kampanii „Sami Swoi” 1-10.IX.2006 %RCH GRP TG: All 16-49

24. Porównanie Zasięgu kampanii „Media Markt Notebook HP” 28-29.IX.2006 %RCH GRP TG: M 30-59 CD

25. Podsumowanie • Powstało: • efektywne i elastyczne narzędzie predykcyjne, • zaimplementowane w oprogramowaniu, • sprawdzone w czasie planowania kampanii reklamowych • Błąd predykcji minimalizowany nawet do 2% (średnia dla czterech największych stacji) • Wysoka korelacja (do 0,92) między danymi rzeczywistymi a estymowanymi • Różnica między planowanym GRP% a rzeczywistym zminimalizowana nawet do 0,3% • Wysoka zbieżność estymowanych i rzeczywistych krzywych zasięgu

26. Dziękujemy za uwagę Piotr Borusiewicz Universal McCann Michał Szczepankiewicz AGB Nielsen Media Research