Frohe Weihnachten! 🎅 🎄 Es ist die Saison der OTT-Binges/Marathons.
TL;DR: Wenn TV-Sendungen anhand des Fortschritts und nicht anhand der Episodenzahl normalisiert werden, folgt der Zuschauerrückgang auf allen Plattformen einem ähnlichen Muster von frühem Rückgang, mittlerem Plateau und spätem Anstieg – mit erheblicher Unsicherheit.
Das Diagramm zeigt den Zuschauerrückgang in einer Fernsehserie, gemessen an wo Sie in der Show sind und nicht nach Episodennummer.
Jede Reihe wird normalisiert aus:
- 0% → erste Folge
- 100 % → letzte Folge („final“ bezieht sich hier auf die letzte verfügbare Folge für eine bestimmte Sendung im Datensatz)
Episoden werden in 20 Fortschrittsklassen gruppiert und die durchschnittliche Abbruchwahrscheinlichkeit wird innerhalb jeder Klasse berechnet. Linien stellen die vier häufigsten Streaming-Plattformen in diesem Datensatz dar (Netflix, Hulu, Prime Video, Disney+). Die schattierten Bereiche zeigen Konfidenzintervalle von ~95 % (auf Standardfehlerbasis).
Warum normalisieren?
Weil Episode 5 in einer Miniserie mit 6 Episoden ganz andere Bedeutungen hat als in einer Prozedur mit 30 Episoden. Durch die Normalisierung können wir Muster des Zuschauerverhaltens vergleichen, nicht die Kataloglänge.
Was auffällt:
- Die Abwanderung früherer Serien („Pilot Cliff“) tritt auf allen Plattformen auf.
- Die Stabilität der mittleren Serie variiert.
- In der Nähe des Finales steigt der Drop-off oft wieder an, was eher auf einen selektiven Abschluss als auf ein allgemeines Durcheinander schließen lässt.
Wichtiger Hinweis:
Dieses Diagramm ist nicht ein Grinse sein – sagen, Plattform X sei „besser“ oder „schlechter“. Es spiegelt nur das Verhalten auf Episodenebene in diesem Datensatz wider. Episoden innerhalb derselben Sendung sind korreliert und die Konfidenzbänder zeigen die Schätzstabilität an – keine kausalen Unterschiede oder Beurteilungen der Plattformqualität.
Daten 📊: https://www.kaggle.com/datasets/eklavya16/ott-viewer-drop-off-and-retention-risk-dataset
Hergestellt mit ⚒️: pandas + numpy + Matplotlib
Von VegetableSense