Tv-kijken en twitteren: big data biedt unieke inzichten

Monitoring geeft kijkje in kijkgedrag twitteraar

Tv-kijken en twitteren: big data biedt unieke inzichten

Tv-kijken en tegelijkertijd op social media laten weten wat je van het programma vindt. Veel Nederlanders kennen zo’n ‘second screen-ervaring’ en producenten geven social tv een steeds belangrijkere rol in hun televisiestrategie. Bijkomend voordeel voor onderzoekers is dat deze data openbaar is. Hierdoor kun je onderzoeken welke Nederlandse programma’s besproken worden op social media en wat dit zegt over het kijkgedrag van de Nederlandse twitteraar. Welke programma’s scoren veel tweets per uitzending, wie zijn de kijkers en welke verbanden zijn er te leggen tussen de verschillende programma’s.

Open data

Twitter is met grote afstand de grootste openbare bron van het Nederlandse internet. Dit komt doordat veel gebruikers van het grootste netwerk ,Facebook, ervoor kiezen hun profiel af te schermen, terwijl Nederlandse twitteraars in 95 procent van de gevallen wél een openbaar profiel hebben (steekproef onder 100.000 Nederlandse twitteraars). Deze data wordt op Nederlandse servers opgeslagen en via monitoringtools doorzoekbaar gemaakt voor bedrijven. Van alle honderdduizenden Nederlandse bronnen die de tool Buzzcapture ophaalt, is 54 procent van de berichten afkomstig van Twitter.

Social media data voor studenten

Niet alleen bedrijven maken gebruik van socialmedia-analyses. Monitoringtools beschikken over een enorme databak met allerlei Nederlandse tweets van de afgelopen jaren. Buzzcapture stelt deze database beschikbaar voor studenten met een goed plan. Dit leidde onder andere tot een samenwerking met de Utrecht Data School (onderdeel van de Universiteit Utrecht), opgezet door ervaren dataonderzoeker Thomas Boeschoten.

Buzzcapture mocht als partner ook een onderzoeksonderwerp aandragen en vroeg de studenten of zij een profielschets konden maken van het Nederlandse Twitterlandschap dat gebruik maakt van social tv. Met deze opdracht zijn Leila Essanoussi, Friso Leder, David de Wied en Koen Mooij aan de slag gegaan.

Twitteren over tv is ook reclame maken

Eerder onderzoek van Hill en Benton (2012) toonde aan dat meedoen aan de discussie over een televisieprogramma op internet een brug vormt tussen mensen die interesse hebben in hetzelfde programma: zij kunnen met anderen over het programma praten en maken tegelijkertijd reclame voor het televisieprogramma. Zowel de kijker als producent heeft dus belang bij een actief twitterende groep kijkers.

Hoe betrekken programma’s kijkers bij programma?

In het onderzoek is gegekeken naar de 30 best bekeken programma’s van de maand september plus 2 veel betwitterde programma’s. Over deze programma’s verschenen ruim 135.000 tweets, geplaatst door 40.000 verschillende kijkers. De marketing- en spamaccounts zijn via contextanalyse uit het onderzoek gefilterd.

Van de gemonitorde programma’s toonde 37 procent een hashtag en 78 procent een website in beeld tijdens de uitzending. 81 procent van de programma’s heeft een Twitter-account, 69 procent verwijst op de website naar dit account en 31 procent van de programma’s heeft een eigen app. Op zowel de NPO (Studio Voetbal), RTL (Love is in the air) als SBS (Dokter Tinus) worden goed bekeken programma’s zonder Twitter-account uitgezonden.

Relatie tussen kijkcijfers en aantal tweets niet lineair

Leiden hoge kijkcijfers automatisch tot veel tweets? Nee, in de maand september waren The Voice of Holland, Holland's Got Talent en Expeditie Robinson gemiddeld de meest ‘betwitterde’ programma’s, terwijl veel bekeken programma’s als Spoorloos, Radar en Love is in the Air laag scoren op de lijst met gemiddeld aantal tweets per uitzending.

Een overzicht van het gemiddeld aantal berichten per programma (y-as) ten opzichte van de kijkcijfers (x-as):

twitter tv kijkcijfers

Welke programma’s scoren veel tweets per uitzending

Zijn er programma’s waar mensen speciaal Twitter voor aanzetten en meedoen met de discussie? En hoeveel tweets worden er gemiddeld per uitzending door één persoon geplaatst? Uit onderstaande scatterplotgrafiek blijkt bijvoorbeeld dat mensen die over The Voice of Holland twitteren weinig berichten plaatsen over andere tv-programma’s. Het tegenovergestelde is te zien bij Spoorloos. Twitteraars die daar iets over zeggen, plaatsen over het algemeen al veel over programma’s en zitten niet speciaal op Twitter voor Spoorloos.

Bovenstaande grafiek toont het gemiddeld aantal tweets over een programma (x-as) tegenover het aantal andere programma’s waar de twitteraar berichten over plaatst (y-as)

Mannelijke en vrouwelijke tv-programma’s

Tv-programma’s hebben een uitgebreid profiel van de kijker. Als social media gebruikt wordt voor marktonderzoek, kan een indicatie gegeven worden of het beeld dat de producent van een programma heeft overeenkomt met de werkelijkheid.

Clichés zijn vaak waar en dat blijkt ook uit deze analyse: voetbalprogramma’s worden vooral door mannen betwitterd, Holland's Next Top Model, Liefs Uit, GTST en Expeditie Robinson vooral door vrouwen. Deze informatie ligt gewoon voor het oprapen op de digitale snelweg en kan voor adverteerders bijzonder zinvolle informatie zijn wel of niet in te stappen bij een programma. Via een dergelijke socialmedia-analyse kunnen programmamakers bovendien op basis van data aantonen dat de doelgroep bereikt is.

In hoeverre is er een correlatie tussen programma’s?

Doordat een twitteraar over meerdere programma’s berichten plaatst, kun je kijkgedrag en groepen kijkers identificeren. Uit andere tweets kan afgeleid worden waar iemand nog meer naar kijkt. Dit blijkt uit onderstaande matrix. Een groen vakje impliceert een correlatie tussen de programma’s, is dit juist niet zo dan is het vakje rood.

In de eerste kolom is bijvoorbeeld in de groene blokken zichtbaar dat Dokter Tinus een significant positieve relatie heeft met drie andere fictieve series: Flikken, GTST en Nieuwe Buren en een significant negatieve relatie met de actualiteitsprogramma’s Pauw en DWDD. Per programma kan gekeken worden over welke andere programma’s een kijker nog meer twittert:

Als je deze data op een andere manier visualiseert ontstaat de volgende netwerkvisualisatie die de verbanden tussen de programma’s aantoont:

De kans dat iemand na RTL Boulevard over een NPO-programma twittert is klein, terwijl de kans dat er na Boulevard over een SBS-programma getwitterd wordt, groter is. Opvallend is de centrale rol voor Heel Holland Bakt, waar alle ‘lagen van de Twitter-samenleving’ samenkomen. Er ontstaan diverse clusters, die weergegeven zijn door de verschillende kleuren.

Conclusie

Uiteraard is Twitter slechts een deel van de populatie, maar dat is de steekproef van kijk- en luisteronderzoek ook. De volgende stap is een algoritme te maken waarbij ook kijkcijfers zijn te voorspellen op basis van deze data. Wanneer je een gemiddeld aantal berichten tijdens een show meet en een relatie kunt aantonen met kijkcijfers, kun je op basis van openbaar beschikbare data een model maken dat trends in kijkcijfers, programma’s en kijkers zou kunnen gaan identificeren.

In dit geval gaat de data over kijkers van een tv-programma, maar een dergelijke analyse is ook te maken van mensen die praten over een merk, event of campagne. Dankzij de juiste socialmedia-analyse kun je context bieden aan data die je in monitoringtools kunt inzien. Heb je zelf een interessant onderzoeksplan voor je studie, dan helpen we je graag verder met de data van Buzzcapture. Het volledige rapport kun je hieronder lezen:

The Voice of Twitter


Delen

0
0


Er zijn 1 reacties op dit artikel

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.