【虹科分享】NBA比赛收视率的背后是什么？

客户背景

• 客户名称：NBA
• 行业：职业体育赛事
• 公司规模：865名员工
• 使用的产品：Domo数据科学
• DOMO用户数：61

一般情况下，在夏季季后赛之前，还有82场常规赛，那么赛程安排就是NBA的一个重要组成部分，30支球队要进行82场比赛，每支球队市值都超过10亿美元。仅电视转播收入每年就超过20亿美元，见证这些出色运动员所带来的扣篮和戏剧时刻。NBA需要准确估计每场比赛的收视率，并利用这些信息做出关键决策，决定哪些比赛在哪些网络上播出，哪些比赛可以提前宣传。

NBA有几十年的数据，这些数据来源丰富，有助于预估收视率。但是，他们需要一个更加智能的数据处理工具。这就是为什么NBA与Domo合作，将他们的收视率预估流程从手动计算转变为自动化管道，可以使用更广泛的变量即时评估预估的观众人数。

一、NBA：革新收视率预估

1、挑战：

在与Domo合作之前，Jonathan的团队必须使用手动流程来比较Nielsen电视收视率的历史数据，寄希望这些数据能提供可用于预测未来比赛的洞察力。尽管数据来自于一个数据源，但手动流程的工作量大，而且根本达不到NBA所需的准确性。

如果一支球队连胜，观众人数会发生什么变化？

如果球队的超级巨星受伤了，会发生什么？

是否有一些忠诚的球迷，即使知道球队可能不会获胜，仍然会观看他们最喜欢的球队比赛？

NBA需要更多的数据，更快速和灵活地整合这些数据，以获得洞察力，帮助NBA在竞争日趋激烈的媒体环境中取得成功。

Jonathan：“我们希望我们的流程更加稳健，并且拥有比以往更多的数据。我们选择与Domo合作，作为我们的数据科学解决方案，通过自动化和提高速度，使我们在评估过程中更加智能。”

2、解决方案：

1）Domo分析模型

借助Domo，Jonathan的团队深入研究了各种各样的数据集。在众多洞察中，他们发现NBA比赛的播放网络是估计收视率的一个关键变量。此外，上场球员也是一个重要的预测因素。因此，Jonathan团队借助Domo建立模型，每个球员、球队和网络性能数据都会自动更新，借此评估连胜的球队以及季后赛中重要的对决。

Jonathan：“超级巨星对观众人数有很大影响，我们现在已经在模型中考虑了我们的超级巨星球员因受伤或其他原因而缺席的情况，因此可以手动或自动调整估计值。”

Jonathan：“有很多因素会影响特定比赛的收视率。而且其中很多因素可能相互依赖。借助Domo，我们能够以很高的准确性提供估计值，因为Domo利用了大量数据，并帮助我们找到了最具影响力的变量。”

2）全团队的数字工具

分析影响收视率的变量有了显著效果，除此之外，Jonathan的团队还与Domo合作，开发了一个全组织范围的数字素养工具，提高了各个层级的决策能力。

Jonathan：“我们已经能够实施比以前更详细的细节，或者我们以前不知道要考虑的细节，或者我们以前没有资源来考虑的细节，这对每个人都有所帮助。整个组织都可以访问最新的数据，因此我们能够做出最佳的基于数据的决策。”

二、球迷：观赛体验改善

与Domo合作使NBA能够更好地预测任何一场比赛的收视率。这些预测能够从根本上改善全球球迷的体验。

Jonathan：“借助Domo，我们能够快速应对赛程变动，并灵活地观察当前安排的比赛，考虑哪些比赛将吸引最多的观众，让我们的球迷感到最兴奋。”

除了拥有实时数据的灵活性外，自动化流程使Jonathan的团队能够专注于改进全球球迷的整体体验的新方法。

Jonathan：“我们现在的评估速度是非常快的。我们可以上传整个常规赛NBA比赛的赛程，并能够自动估计在特定日期和特定开始时间的每场比赛的收视率。过去，这是一个需要针对每场比赛手动进行的过程。现在我们能够快速进行预估，这对于更快地回答问题非常有益。”

三、深入挖掘：NBA如何继续利用Domo获得新的洞察

1、但与Domo的合作帮助NBA整个组织止改善了决策能力。Jonathan的团队已经成为人们可以信赖的数据来源。

Jonathan：“我们能够成为真相的唯一来源，同时又灵活到可以按照人们的需求提供数据。我们现在为整个组织提供数据洞察力，并且在Domo中建立了一个结构，因为通过Domo，我们可以通过不同的方式观察数据并找到有趣的洞察。”

2、据Jonathan介绍，与Domo合作的一个重要方面是非技术员工能够利用Domo生成关键洞察力。

Jonathan：“我们团队中从事这个项目的人并不是数据科学家。即使作为一个非数据科学家，Domo团队很擅长向我解释一切，并向我展示细节，以便我如果需要进行更改，我也能够进入系统进行关键调整。”

最初与Domo合作的项目是为了整合现有数据，但现在已经发展成一个细致入微的自动化模型，使NBA能够为全球球迷做出有关其产品的关键决策。现在，Jonathan和他的团队来说，可以深入研究各种可能存在影响的变量。他们最近进行的一次讨论是：“球队穿什么球衣是否会影响收视率？我们的球队有几种不同类型的球衣，这是我们可以调整的数据类型，以查看其是否有影响。在未来，我们将继续挖掘数据，以获得更多的洞察力，进一步改善所有利益相关者的体验。”