Автоматизированное рабочее место оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах

Полезная модель относится к области рекламы и вычислительной техники, в частности, к автоматизированному рабочему месту оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах. Сущность полезной модели состоит в том, что в автоматизированном рабочем месте оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах, содержащем средство ввода данных в базу данных сервера системы, средство выбора параметров мониторинга данных и средство прогнозирования и вывода выходных данных о результатах прогнозирования, упомянутое средство ввода данных в базу данных сервера системы выполнено в виде субблока ввода данных для прогноза, средство выбора параметров мониторинга данных выполнено в виде блока поиска похожих объектов показа, блока поиска похожих рекламных блоков и блока поиска похожих слотов, а средство прогнозирования и вывода выходных данных о результатах прогнозирования выполнено в виде субблока обработки найденных исторических данных и выдачи прогноза рейтинга, при этом субблок ввода данных для прогноза содержит последовательно включенные блок ввода префактного значения прогноза, блок ввода данных рекламного блока, блок ввода данных выпуска и блок ввода данных объекта показа, субблок обработки найденных исторических данных и выдачи прогноза рейтинга содержит два блока найденных объектов показа, три блока найденных выпусков, три блока найденных рекламных блоков и три блока вычисления и выдачи рейтингов, являющиеся выходными блоками автоматизированного рабочего места, причем выход блока ввода данных объекта показа подключен к входу блока поиска похожих объектов показа, чей выход подключен к входам блоков найденных объектов показа, выход первого из которых через соответствующие последовательно включенные блоки найденных выпусков и блоки найденных рекламных блоков подключен к трем блокам вычисления и выдачи рейтингов, второй выход блока ввода данных рекламного блока через блок поиска похожих рекламных блоков подключен ко второму входу третьего блока найденных рекламных блоков, а через блок поиска похожих слотов - ко второму входу третьего блока вычисления и выдачи рейтингов. Предложенной полезной моделью обеспечено достижение технического результата, которым является повышение точности прогнозирования за счет обеспечения оперативного дифференцирования уровня прогнозирования в зависимости от характерных особенностей входных данных и их классификации, а также сокращения времени прогнозирования за счет обеспечения выбора длительности во времени базы данных для сравнения.

Полезная модель относится к области рекламы и вычислительной техники, в частности, к автоматизированному рабочему месту оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах.

Используемые в описании термины и сокращения:

1. Sales House (селлер) - компания, осуществляющая продажи рекламных возможностей рекламных носителей.

2. Целевая аудитория (группа) - набор респондентов, объединенных по одному или нескольким признакам. Целевая группа состоит из всех респондентов, подходящих по этим признакам. При этом каждый респондент имеет свой вес, необходимый для репрезентативности выборки.

3. Базовая целевая аудитория - это целевая аудитория, на которую рекламоноситель ориентирован в качестве программного наполнения, наиболее представленная в потреблении рекламоносителя и определяемая самим рекламоносителем в качестве базовой для установления цен.

4. Рекламный контакт - единичная порция информации рекламного характера, однократно доставленная до представителя целевой аудитории.

5. GRP (Gross Rating Point) - суммарное количество пунктов рейтингов эфирных событий. Количество человек в выбранной целевой аудитории, которые смотрели эфирное событие не менее одной минуты.

6. Рейтинг (TVR) - процентное отношение целевой аудитории, видевшей какое-либо эфирное событие (передачу, рекламный блок, отдельный ролик в рекламном блоке) в данный момент времени, по отношению ко всей целевой аудитории, которая имела возможность его видеть.

7. Фактический рейтинг (факт) - рейтинг эфирного события, рассчитанный по данным измерительной компании, после выхода события в эфир. При этом выход эфирного события в эфир в регионе целевой аудитории подтвержден по данным мониторинговой компании.

8. Префактический рейтинг (префакт) - рейтинг эфирного события, рассчитанный по данным измерительной компании, после выхода события в эфир. При этом выход эфирного события в эфир в регионе целевой аудитории не подтвержден по данным мониторинговой компании. И рейтинг рассчитывается по плановому времени выхода эфирного события.

9. Прогнозный рейтинг (прогноз, план) - предполагаемый рейтинг рекламного блока, рассчитанный до выхода рекламного блока в эфир методом экспертной оценки или посредством математических алгоритмов на основании фактических рейтингов других эфирных событий в прошлом.

10. Прогнозный машинный рейтинг - это прогнозный рейтинг рекламного блока, вычисленный автоматически программным образом с помощью специального алгоритма на основании фактических рейтингов других эфирных событий в прошлом.

11. Прогнозный рейтинг эксперта - это прогнозный рейтинг рекламного блока, вычисленный социологом. При этом учитываются фактические рейтинги других эфирных событий в прошлом, прогнозные рейтинги других эфирных событий на других каналах во время выхода данного рекламного блока, сезонность телесмотрения целевой аудитории, праздники и переносы дней, общественно-политические и спортивные события, и т.д.

12. Share (доля) - отношение рейтинга определенного временного интервала к общему телесмотрению (Total TV) этого же временного интервала. Share отражает распределение аудитории между каналами.

13. Total TV (общее телесмотрение) - сумма рейтингов определенного временного интервала по всем каналам. Total TV отражает общий уровень телесмотрения, независимо от канала.

14. Рекламоноситель (PH) - Сеть распространения (демонстрации) рекламного и/или информационного контента определенного типа, объединенная общим названием и имеющая, как правило, одного владельца или компанию, определяющую информационную и/или программную политику.

15. Линейка программ - это программы одного типа, выходящие в одно и тоже время в течении определенного количества дней.

16. Прайм-тайм - лучшее время на PH, характеризуемое самой большой аудиторией - эффективное и самое дорогое время для размещения PC.

17. Офф-прайм - все эфирное время РН, за исключением Прайм-тайма.

18. Рекламный блок (Break) - последовательность идущих друг за другом во времени рекламных роликов, логически объединенных в группу на уровне системы автоматизации.

19. Программа (программный объект) - это эфирное событие (телепередача, сериал, шоу и т.д.), не привязанное к определенному времени, общее для всех каналов.

20. Выпуск - эфирное событие, конкретный плановый или фактический выход в эфир программы на конкретном канале, в конкретную дату и время.

21. Приквел - Эфирный объект (как правило, художественный фильм или сериал), в котором действие происходит до событий, происходивших в анализируемом эфирном объекте

22. Сиквел - Эфирный объект (как правило, художественный фильм или сериал), который является продолжением другого эфирного объекта.

23. Объект показа - объект, являющийся дополнительным атрибутом выпуска программы типа «кинопоказ» (художественный фильм, сериал, документальный фильм). Содержит информацию о конкретном фильме или серии сериала (оригинальное название, номер серии и ряд других параметров). В одном выпуске может быть несколько показов. Например, выпуск программы, являющейся сериалом, может состоять из двух серий подряд.

24. Слот - временной интервал, выделенный для показа рекламы.

УРОВЕНЬ ТЕХНИКИ.

Размещение рекламных роликов на ТВ происходит на основании прогнозных рейтингов, которые выступают в качестве расчетной единицы для выставления финансовых счетов. В ходе рекламной кампании приходят данные по фактическим рейтингам, которые заменяют в системе прогнозные. По итогам расчета набранных фактических рейтингов и уточненного прогноза происходит коррекция и переразмещение оставшихся показов рекламных роликов. Фактическое суммарное значение рейтингов сравнивается с тем, что было прописано в контракте. В случае существенного недобора суммарного рейтинга селлер должен дополнительно поставить в эфир ролик рекламной кампании, что может оказаться для него невыгодно. В случае перебора суммарного рейтинга селлер не получает компенсацию за дополнительные пункты рейтинга. Самая большая сложность возникает при размещении коротких по времени и не очень интенсивных по рейтинговому наполнению рекламных кампаний. Короткий промежуток времени не позволяет скорректировать прогноз по мере поступления фактических данных, а малое количество рейтингов при высокой ошибке может привести к значительному изменению суммарно набранных GRP. Таким образом, возникает задача прогнозирования рейтингов с достаточно высокой точностью. Повышение точности прогноза приводит к повышению эффективности использования и продажи инвентаря. Общую задачу прогнозирования (не только рейтингов блоков) решает большое количества компаний в мире. Известны такие математические пакеты, как SPSS, Statistica, prognoz.ru, Forecast Expert, Forecast Pro, ForecastX, MatLab, Logility, SAS, Pointlogic и т.д.

Основным преимуществом и одновременно недостатком таких систем прогнозирования является их универсальность. Например, ПО компании SAS (США) может прогнозировать практически все, по всем отраслям промышленности и областям знаний. В таком ПО недостаточно учитываются специфические особенности каждой частной задачи прогнозирования в отдельности, что ведет к снижению точности решения задач. В частности, совершенно недостаточно подбирать и настраивать метод прогнозирования на случайно сгенерированных данных. Необходимо использовать только реальные фактические данные причем достаточно большого объема. Так для точного прогнозирования циклических спортивных событий нужны данные за 12 прошлых лет. Это огромный неподъемный объем данных, если брать все фактические события за этот период. Но эксперт в области медиааналитики понимает, что на практике весь массив данных за 12 лет не нужен, нужны разные срезы этих данных для разных эфирных событий. Так для прогноза циклических спортивных событий нужны данные за 12 лет, но только по данному виду событий, а для прогноза выпусков линеек программ достаточно 4-х последних месяцев. Другим недостатком универсальных систем прогноза является слабая структурированность предметной области. В частности, в задаче прогноза рейтинга блоков для ТВ необходимо выделять такие сущности как прайм/непрайм, выпуск и линейка программ, рубрика и сиквел, объекты показа с цикличностью 1-4 года и т.д. И для каждой сущности в отдельности необходим свой алгоритм отбора исторических данных и свой метод прогноза. Только в этом случае можно достаточно точно решить задачу.

В области рекламирования прогноз рейтингов в настоящий момент обеспечивают инструменты Sales House и специализированное аналитическое ПО. На российском медиа-рынке можно выделить прогнозы Видео Интернешнл, NTV Media, AdBreak, "Алькасар". В открытых источниках нет информации о том, как сейчас прогнозируют рейтинги блоков компании NTV Media, "Алькасар" и AdBreak. По состоянию на 2009 год они прогнозировали не рейтинги блоков, а рейтинги программ. Это означает, что различные рекламные блоки в одной программе имеют один средний рейтинг. Подобный подход не всегда является корректным, поскольку рейтинги блоков внутри программы часто различаются достаточно сильно.

Из патентных источников известны технические решения, которые могли бы быть использованы для решения поставленной задачи.

Первое из известных технических решений содержит блоки приема и хранения данных, соединенные с блоками управления и обработки данных, блоки поиска и селекции, подключенные к блокам хранения данных и отображения, синхронизирующие входы которых соединены с выходами блока управления (Международная заявка WO 2005/036420, 21.04.2005).

Существенный недостаток данного технического решения состоит в невозможности решения задачи обновления данных, хранимых в памяти в виде соответствующих документов одновременно с решением задачи выдачи содержания этих документов пользователям в реальном масштабе времени.

Известно и другое техническое решение, содержащее блок приема запросов пользователей, блок селекции адреса записей в базе данных сервера, блок идентификации числа циклов считывания записей базы данных, блок селекции временных границ выборки записей данных, блок формирования сигналов считывания записей базы данных, блок идентификации записей базы данных, блок определения глубины выборки данных, блок накапливающего суммирования аналитических данных, блок выдачи данных (Патент РФ 77065, G06F 17/30, 05.08.2008).

Его недостаток заключается в невысоком быстродействии, обусловленном тем, что выполнение процедур аналитической обработки данных реализуется через поиск данных по всей базе данных, что при больших объемах данных неизбежно приведет к неоправданно большим затратам времени на получение аналитических оценок.

Наиболее близким техническим решением является автоматизированное рабочее место учета и прогнозирования профессиональных рисков работников, содержащее модуль селекции опорного адреса считывания базы данных сервера системы, модуль задания параметров мониторинга базы данных профессиональных рисков работников, модуль селекции записей с заданными признаками данных, модуль формирования общего количества работников в текущем году, модуль формирования нарастающего итога общего числа считанных записей, модуль формирования числовых рядов значений выборки данных мониторинга, модуль идентификации числовых значений параметров мониторинга и модуль формирования сигналов считывания базы данных сервера системы (Патент РФ 123191, МПК G06F 17/00, 18.06.2012).

В этом техническом решении достигаемым техническим результатом указано повышение быстродействия автоматизированного рабочего места путем исключения поиска данных мониторинга по всей базе данных сервера системы.

Однако недостатком такой системы является невысокая точность прогнозирования из-за невозможности оперативного дифференцирования уровня прогнозирования в зависимости от характерных особенностей входных данных и их классификации.

Техническим результатом предлагаемой полезной модели является повышение точности прогнозирования за счет обеспечения оперативного дифференцирования уровня прогнозирования в зависимости от характерных особенностей входных данных и их классификации, а также сокращения времени прогнозирования за счет обеспечения выбора длительности во времени базы данных для сравнения.

Дополнительно можно указать особенности предлагаемого технического решения прогнозирования рейтингов блоков для ТВ, которые обеспечивают преимущество в точности прогноза над стандартными процедурами авторегрессии и другими универсальными способами прогнозирования:

- сглаженные сезонные коэффициенты телесмотрения

- значения префакта и степени доверия к нему

- разбиение на кластеры дней недели и частей дня

- использование уровней прогноза: по объекту показа, по сиквелу, по рубрике, по линейке, по классификатору, по блокам, по слотам.

- улучшение прогноза за счет четкой классификации программ, включая циклические объекты показа,

- длина исторической базы подбирается отдельно для разных каналов и разных объектов показа, при необходимости выполняется исключение части исторического периода.

Таким образом при прогнозировании рейтингов блоков Видео Интернешнл использует техническое решение, реализованное в виде программируемого автомата - автоматизированного рабочего места оператора системы прогнозирования. Рейтинги, спрогнозированные таким образом, называются машинными.

Указанный выше технический результат достигается в автоматизированном рабочем месте оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах, содержащем средство ввода данных в базу данных сервера системы, средство выбора параметров мониторинга данных и средство прогнозирования и вывода выходных данных о результатах прогнозирования, тем, что средство ввода данных в базу данных сервера системы выполнено в виде субблока ввода данных для прогноза, средство выбора параметров мониторинга данных выполнено в виде блока поиска похожих объектов показа, блока поиска похожих рекламных блоков и блока поиска похожих слотов, а средство прогнозирования и вывода выходных данных о результатах прогнозирования выполнено в виде субблока обработки найденных исторических данных и выдачи прогноза рейтинга, при этом субблок ввода данных для прогноза содержит последовательно включенные блок ввода префактного значения прогноза, блок ввода данных рекламного блока, блок ввода данных выпуска и блок ввода данных объекта показа, субблок обработки найденных исторических данных и выдачи прогноза рейтинга содержит два блока найденных объектов показа, три блока найденных выпусков, три блока найденных рекламных блоков и три блока вычисления и выдачи рейтингов, являющиеся выходными блоками автоматизированного рабочего места, причем выход блока ввода данных объекта показа подключен к входу блока поиска похожих объектов показа, чей выход подключен к входам блоков найденных объектов показа, выход первого из которых через соответствующие последовательно включенные блоки найденных выпусков и блоки найденных рекламных блоков подключен к трем блокам вычисления и выдачи рейтингов, второй выход блока ввода данных рекламного блока через блок поиска похожих рекламных блоков подключен ко второму входу третьего блока найденных рекламных блоков, а через блок поиска похожих слотов - ко второму входу третьего блока вычисления и выдачи рейтингов. Полезная модель иллюстрируется чертежами.

Фиг.1 - принципиальная схема автоматизированного рабочего места оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах.

Фиг.2 - показана последовательность функционирования при поиске исторических объектов показа, похожих на прогнозный объект показа.

Фиг.3 - пример экранной формы ввода данных в субблок ввода данных для прогноза и вывода прогноза из субблока обработки найденных исторических данных и выдачи прогноза рейтинга (приведен скриншот автоматизированного рабочего места оператора (Руководителя Агентства) с рассчитанными в системе фактическими рейтингами блоков на Первом канале в июне).

Фиг.4 - пример экранной формы ввода данных в субблок ввода данных для прогноза и вывода прогноза из субблока обработки найденных исторических данных и выдачи прогноза рейтинга (приведен скриншот автоматизированного рабочего места оператора (Руководителя Агентства) с рассчитанными в системе прогнозными (плановыми) рейтингами блоков на Первом канале в июне).

Автоматизированное рабочее место оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах, содержит средство ввода данных 1 в базу данных сервера системы, средство выбора параметров мониторинга данных 2 и средство прогнозирования и вывода выходных данных о результатах прогнозирования 3. Средство ввода данных в базу данных сервера системы выполнено в виде субблока 1 ввода данных для прогноза, средство выбора параметров мониторинга данных 2 выполнено в виде блока поиска похожих объектов показа 4, блока поиска похожих рекламных блоков 5 и блока поиска похожих слотов 6, а средство прогнозирования и вывода выходных данных о результатах прогнозирования выполнено в виде субблока 3 обработки найденных исторических данных и выдачи прогноза рейтинга, при этом субблок 1 ввода данных для прогноза содержит последовательно включенные блок ввода префактного значения прогноза 7, блок ввода данных рекламного блока 8, блок ввода данных выпуска 9 и блок ввода данных объекта показа 10, субблок 3 обработки найденных исторических данных и выдачи прогноза рейтинга содержит два блока найденных объектов показа 11 и 12, три блока найденных выпусков 13, 14 и 15, три блока найденных рекламных блоков 16, 17 и 18 и три блока вычисления и выдачи рейтингов 19, 20 и 21, являющиеся выходными блоками автоматизированного рабочего места, причем выход блока ввода данных объекта показа 10 подключен к входу блока поиска похожих объектов показа 4, чей выход подключен к входам блоков найденных объектов показа 11 и 12, выход первого из которых через соответствующие последовательно включенные блоки найденных выпусков 13, 14 и 15 и блоки найденных рекламных блоков 16, 17 и 18 подключен к трем блокам вычисления и выдачи рейтингов 19, 20 и 21, второй выход блока ввода данных рекламного блока 8 через блок поиска похожих рекламных блоков 5 подключен ко второму входу третьего блока найденных рекламных блоков 18, а через блок поиска похожих слотов 6 - ко второму входу третьего блока вычисления и выдачи рейтингов 21.

Ниже описывается подготовка системы к функционированию, которая включает в себя формирование входных данных на конкретном примере, описание выходных данных на конкретном примере, и далее порядок работы оператора на автоматизированном рабочем месте системы по формированию и выдаче прогноза и функционирование отдельных блоков.

Описание входных данных для блока ввода префактного значения прогноза, блока ввода данных рекламного блока, блока ввода данных выпуска и блока ввода данных объекта показа

Описание выходных данных для блоков вычисления и выдачи рейтингов.

Функционирование блока поиска похожих объектов показа, блока поиска похожих рекламных блоков и блока поиска похожих слотов.

Для описания процедуры поиска исторических РБ введем обозначения некоторых атрибутов описания РБ:

1) ExpertRate - рейтинг РБ, вычисленный экспертом;

2) PrgObject - объект показа, в котором выходит РБ;

3) OriginalObject - приквел объекта показа PrgObject;

4) Program - программа, к которой относится объект показа PrgObject;

5) PrgDef - линейка, в которой выходит объект показа PrgObject;

6) Classif(PrgObject) - позиция объекта показа PrgObject в классификаторе (в данном случае используется классификатор, имеющий древовидную структуру).

Исторические РБ принимаются в обработку, если попадают во временной интервал [-2, +2] часа от времени выхода прогнозируемого РБ. Если время выхода прогнозного РБ значительно (более 1,5 часов) отличается от времени выхода его исторической базы (рекламного блока), то это учитывается с помощью средних значений получасовых слотов, предварительно посчитанных по исторической базе.

Номер выпуска исторического РБ должен совпадать с номером выпуска прогнозного РБ. В том случае, если максимальное число выпусков у прогнозного и исторического РБ не равны, производится усреднение по выпускам. Кроме того, у исторического и прогнозного РБ должны совпадать тип РБ и флаг региона.

Для увеличения точности прогноза используется разбиение: будни/выходные и прайм/непрайм. Прогноз строится отдельно для каждого из этих разбиений. То есть для прогноза рейтинга блока, выходящего в прайм-тайм в будний день, в истории находятся блоки, выходившие так же в прайм-тайм в будний день. Праздничные дни обрабатываются по историческим выходным. Рейтинги новогодних РБ, т.е. РБ выходящие 31 декабря и 1 января, прогнозируются по слотам предшествующих 3-х лет новогодних передач.

Предварительно, по более длинному периоду истории (предыдущие 3 года) отыскиваются программы, выходившие на канале до начала рассматриваемого исторического периода, у которых PrgObject=PrgObject прогнозируемых РБ, и по ним вычисляется прогнозное значение рейтингов этих РБ - рейтинг по старым программам - prog_old[PrgObject]. Также рассчитывается среднее значение рейтинга линейки PrgDef по четырехмесячному историческому периоду - prog_prg[PrgDef].

Последовательность прогноза и выбор исторических блоков определяются иерархией уровней прогноза блоков:

Прогноз по объекту показа - PrgObject. В расчет принимаются только такие исторические РБ, у которых PrgObject=PrgObject прогнозного РБ.

1. Прогноз по приквелу - OriginalObject. В расчет принимаются только такие исторические РБ, у которых PrgObject=OriginalObject прогнозного РБ. Если для заданного прогнозного РБ не найдено ни одного такого исторического РБ, то в расчет принимаются только такие исторические РБ, у которых OriginalObject=OriginalObject прогнозного РБ, или такие, у которых PrgObject=OriginalObject прогнозного РБ.

2. Прогноз по рубрике (программе) - Program. В расчет принимаются только такие исторические РБ у которых Program=Program прогнозного РБ.

3. Прогноз по линейке (программа на канале) - PrgDef. В расчет принимаются только такие исторические РБ, у которых PrgDef=PrgDef прогнозного РБ. Результаты прогноза взвешиваются с prog_old[PrgObject], если prog_old[PrgObject]>0.

4. Прогноз по классификатору. В расчет принимаются только такие исторические РБ у которых Classif(PrgObject)=Classif(PrgObject) прогнозного РБ. При этом, исторические РБ принимаются в обработку, если попадают во временной интервал [-1, +1] час от времени выхода прогнозируемого РБ.

Результаты прогноза взвешиваются с prog_old[PrgObject], если prog_old[PrgObject]>0, и с прогнозом эксперта ExpertRate для данного РБ.

5. Прогноз по РБ, выходившим в эфир в том же временном интервале. В расчет принимаются только такие исторические РБ, которые максимально близко по времени отстоят от прогнозного РБ, без учета программ в которых они выходили. Исторические РБ принимаются в обработку, если попадают во временной интервал [-30, +30] минут от времени выхода прогнозируемого РБ. Результаты прогноза взвешиваются с prog_old[PrgObject], если prog_old[PrgObject]>0, и с прогнозом эксперта ExpertRate для данного РБ.

6. Прогноз по слотам, выходившим в эфир в том же временном интервале. Если для заданного прогнозного РБ не найдено ни одного исторического РБ, то в расчет принимаются только такие исторические слоты, время выхода которых совпадает со временем выхода прогнозного РБ. Исторические слоты принимаются в обработку, если попадают во временной интервал [-5, +5] минут от времени выхода прогнозируемого РБ. Результаты прогноза взвешиваются с prog_old[PrgObject], если prog_old[PrgObject]>0, и с прогнозом эксперта ExpertRate для данного РБ.

В случае если на одном из уровней было найдено достаточное количество значений (для уровней 1-3 достаточно 1 исторического РБ, для остальных уровней нужно не менее 2-3 исторических РБ), прогноз будет строиться по этим значениям и по значениям, найденным на предыдущих уровнях. В этом случае более низкие уровни иерархии рассматриваться не будут.

Если по верхнему уровню прогноза в истории найдено лишь 1-2 значения, то оно запоминается и взвешивается с прогнозом с prog_prg[PrgDef]. Кроме того, прогнозные рейтинги РБ, попавшие в один выпуск и значительно различающиеся по значениям, сглаживаются.

На Фиг.2 - показана последовательность функционирования при поиске исторических объектов показа, похожих на прогнозный объект показа.

Функционирование блоков вычисления и выдачи рейтингов.

Для расчета сезонных коэффициентов используются рейтинги получасовых слотов по базовой целевой группе канала за три предшествующих года. Для k-го месяца сезонный коэффициент вычисляется по следующей формуле:

,

где SlotRate[year, month, day, slot] - рейтинг получасового слота с номером slot в год под номером year и день под номером day месяца month; nslots - число получасовых слотов с посчитанным рейтингом.

Сумма берется по 3-м годам, по всем дням месяца - с 1 по 30 (31, 28, 29) и по всем получасовым слотам дня - с 1 по 48.

Для сглаживания сезонных коэффициентов на стыке месяцев используется недельная интерполяция.

В основе вычисления прогноза рейтингов лежит авторегрессия временного ряда с экспоненциальным сглаживанием.

Прогноз вычисляется по историческому (четырех месячному) временному ряду фактических значений рейтингов РБ с учетом сезонных коэффициентов. Для j-го РБ прогноз рейтинга вычисляется следующим образом:

,

где forecast[j] - прогнозное значение рейтинга j-го РБ;

ksez[j] - сезонный коэффициент j-го РБ;

k[j,i] - весовой коэффициент i-го исторического РБ;

RRate[i] - фактическое (если нет фактического, то префактное) значение рейтинга i-го исторического РБ;

ksez[I] - сезонный коэффициент i-го исторического РБ;

Сумма берется по всем найденным историческим РБ, похожим на прогнозируемый РБ.

Предварительно вычисляется коэффициент доверия префакту - среднее отклонение префактного значения рейтинга от фактического, вычисленное по историческим данным на период либо в 1 квартал, либо в 1 год. Если она ниже заданной величины (коэффициент доверия префакту <=K=0.8), то префакт не принимается в расчет.

Для расчета сезонных коэффициентов используются рейтинги получасовых слотов по базовой целевой группе канала за три предшествующих года. Для k-го месяца сезонный коэффициент вычисляется по следующей формуле:

,

где SlotRate[year, month, day, slot] - рейтинг получасового слота с номером slot в год под номером year и день под номером day месяца month; nslots - число получасовых слотов с посчитанным рейтингом.

Сумма берется по 3-м годам, по всем дням месяца - с 1 по 30 (31, 28, 29) и по всем получасовым слотам дня - с 1 по 48.

Для сглаживания сезонных коэффициентов на стыке месяцев используется недельная интерполяция.

Весовой коэффициент учитывает влияние удаления исторического i-го РБ от прогнозного j-го РБ и высчитывается следующим образом:

k[j,i]=e ^{(WeekNum[j]-WeekNum[i])·ln(1-ksm)},

где WeekNum[j] - номер недели прогнозного РБ;

WeekNum[i] - номер недели исторического РБ;

ksm - параметр алгоритма.

Параметр ksm может принимать значения от 0 до 1. Если ksm=0.1, то практически весь исторический период дает вклад в прогноз, если ksm=0.9, то учитывается лишь последняя неделя. Наиболее точным прогноз получается при значении ksm от 0.7 до 0.8.

На Фиг.3 и Фиг.4 показаны примеры экранной формы ввода данных в субблок ввода данных для прогноза и вывода прогноза из субблока обработки найденных исторических данных и выдачи прогноза рейтинга (приведены скриншоты автоматизированного рабочего места оператора (Руководителя Агентства) с рассчитанными в системе фактическими или прогнозными (плановыми) рейтингами блоков на Первом канале в июне).

Руководитель агентства (оператор) при использовании разработанного рабочего места прогнозирования рейтингов может выбирать различные параметры расчета рейтингов. Параметры расчета видны в верхней части скриншотов.

Таким образом, предложенной полезной моделью обеспечено достижение технического результата, которым является повышение точности прогнозирования за счет обеспечения оперативного дифференцирования уровня прогнозирования в зависимости от характерных особенностей входных данных и их классификации, а также сокращения времени прогнозирования за счет обеспечения выбора длительности во времени базы данных для сравнения.

Автоматизированное рабочее место оператора системы прогнозирования рейтингов рекламных блоков на телевизионных каналах, содержащее средство ввода данных в базу данных сервера системы, средство выбора параметров мониторинга данных и средство прогнозирования и вывода выходных данных о результатах прогнозирования, отличающееся тем, что средство ввода данных в базу данных сервера системы выполнено в виде субблока ввода данных для прогноза, средство выбора параметров мониторинга данных выполнено в виде блока поиска похожих объектов показа, блока поиска похожих рекламных блоков и блока поиска похожих слотов, а средство прогнозирования и вывода выходных данных о результатах прогнозирования выполнено в виде субблока обработки найденных исторических данных и выдачи прогноза рейтинга, при этом субблок ввода данных для прогноза содержит последовательно включенные блок ввода префактного значения прогноза, блок ввода данных рекламного блока, блок ввода данных выпуска и блок ввода данных объекта показа, субблок обработки найденных исторических данных и выдачи прогноза рейтинга содержит два блока найденных объектов показа, три блока найденных выпусков, три блока найденных рекламных блоков и три блока вычисления и выдачи рейтингов, являющиеся выходными блоками автоматизированного рабочего места, причем выход блока ввода данных объекта показа подключен к входу блока поиска похожих объектов показа, чей выход подключен к входам блоков найденных объектов показа, выход первого из которых через соответствующие последовательно включенные блоки найденных выпусков и блоки найденных рекламных блоков подключен к трем блокам вычисления и выдачи рейтингов, второй выход блока ввода данных рекламного блока через блок поиска похожих рекламных блоков подключен ко второму входу третьего блока найденных рекламных блоков, а через блок поиска похожих слотов - ко второму входу третьего блока вычисления и выдачи рейтингов.