Uma análise exploratória para predição de acessos à televisão por assinatura no contexto brasileiro: investigando o impacto dos serviços de vídeo sob demanda por assinatura

• Autor(a) principal: Nascimento, Amanda Louise Costa
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/31745
• topic: TV por assinatura; Plataformas de streaming; Análise preditiva; Análise de dados; Séries temporais; Seriados de televisão; Televisão por assinatura; Tecnologia streaming (Telecomunicação); Análise multivariada de dados; Streaming platforms; Data analysis;; Predictive analysis; Pay TV

Diante da evolução do mercado de entretenimento, verifica-se a necessidade de antecipar e prever as mudanças na indústria da Televisão por Assinatura (TVA). A quantidade de acessos à TVA vem diminuindo ao longo do tempo e compreender o comportamento desses acessos permite a tomada de decisões que foquem em mitigar o impacto dessa redução. O ganho de popularidade das plataformas de streaming sob demanda, por exemplo, pode ser um fator importante na redução da quantidade de acessos. O objetivo deste trabalho é apresentar uma análise exploratória com foco na previsão dos acessos à TVA no contexto brasileiro. Para tanto, utilizam-se cinco algoritmos preditivos ARIMA (AutoRegressive Integrated Moving Average), SARIMA (Seasonal AutoRegressive Integrated Moving Average), Prophet, LSTM (Long Short Term Memory) e Holt Winters. Também investiga-se se há influência da popularização de serviços de streaming sob demanda na quantidade de acessos observada para a TVA. Os algoritmos são aplicados a séries temporais de dados históricos, a fim de identificar possı́veis tendências, sazonalidades e padrões relacionados à quantidade de acessos. Os modelos obtidos são comparados por meio de métricas de erro comuns, como MSE (Mean Square Error ), MAE (Mean Absolute Error ), RMSE (Root Mean Square Error ) e MAPE (Mean Absolute Percentage Error ). Os resultados mostram que o modelo preditivo ARIMA apresenta desempenho superior quando comparado aos demais. Ademais, confirma-se por meio de um teste de hipótese, que há influência da popularização do serviço de streaming sob demanda na quantidade de acessos à TVA.