[論文レビュー] Will This Video Go Viral? Explaining and Predicting the Popularity of Youtube Videos

Quyu Kong, Marian-Andrei Rizoiu+2 more|arXiv (Cornell University)|Jan 12, 2018

Complex Network Analysis Techniques参考文献 7被引用数 4

ひとこと要約

HIPie は、YouTube 動画の拡散をモデル化・可視化・予測するためにハーケス強度過程（HIP）を用いる、オープンソースでインタラクティブなウェブアプリケーションです。視聴パターンと外部プロモーション効果を分析することで、ユーザーが動画を比較し、内生的・外生的要因のマップを通じて拡散の可能性を特定し、プロモーションの影響をシミュレートできます。これは、コンテンツ作成者、広告担当者、消費者がリアルタイムでオンライン人気の仕組みを理解するための実用的ツールを提供します。

ABSTRACT

What makes content go viral? Which videos become popular and why others don't? Such questions have elicited significant attention from both researchers and industry, particularly in the context of online media. A range of models have been recently proposed to explain and predict popularity; however, there is a short supply of practical tools, accessible for regular users, that leverage these theoretical results. HIPie -- an interactive visualization system -- is created to fill this gap, by enabling users to reason about the virality and the popularity of online videos. It retrieves the metadata and the past popularity series of Youtube videos, it employs Hawkes Intensity Process, a state-of-the-art online popularity model for explaining and predicting video popularity, and it presents videos comparatively in a series of interactive plots. This system will help both content consumers and content producers in a range of data-driven inquiries, such as to comparatively analyze videos and channels, to explain and predict future popularity, to identify viral videos, and to estimate response to online promotion.

研究の動機と目的

• YouTube 動画の拡散に最新の人気モデルを適用する、アクセスしやすくインタラクティブなツールが不足しているという問題に対処すること。
• コンテンツ制作者や広告担当者が拡散の度合いを定量的に評価し、オンラインプロモーションの影響をシミュレートできるシステムを提供すること。
• コンテンツ消費者が推薦アルゴリズムの透明性に欠ける仕組みに依存せずに、動画やチャンネルを透明に比較できるようにすること。
• 理論的な人気モデルと、非専門家が使いやすい実用的アプリケーションの間のギャップを埋めること。

提案手法

• HIPie は、内生的口コミと、SNS共有などの外生的要因（例：SNS共有）を組み合わせた動画人気のモデルとして、ハーケス強度過程（HIP）を採用している。
• パラメータの適合には、youtube-insight パッケージを介して YouTube 動画のメタデータと 90 日分の視聴時間系列データを取得している。
• システムは、内生的増幅と外生的感受性の両面で定義される 2 次元空間に動画をプロットする「内生的・外生的マップ」を用い、拡散の可能性を明らかにしている。
• R を用いた Shiny と Plotly によるインタラクティブな可視化により、ユーザーはリアルタイムで適合済みおよび予測された人気曲線を探索できる。
• ユーザーは任意の YouTube 動画 ID やリンクを入力することで、システムが自動的に HIP パラメータを適合させ、可視化を即座に更新する。
• 人工的な外生的入力を注入することで、プロモーションキャンペーンのシミュレーションが可能となり、予測される視聴数の急増を観察できる。

実験結果

リサーチクエスチョン

• RQ1 ハーケス強度過程を、一般ユーザーがアクセス可能な形で YouTube 動画の人気を説明・予測するためにどのように活用できるか？
• RQ2 非専門家ユーザーが動画の拡散とプロモーションの影響を理解するために、最も効果的な視覚的・インタラクティブな機能は何か？
• RQ3 異なる動画やチャンネルにおいて、内生的および外生的要因が人気に与える影響を、定量的にどのように比較できるか？
• RQ4 インタラクティブなシステムは、人気が高くなる前段階で、潜在的な拡散動画を効果的に特定できるか？
• RQ5 シミュレートされたプロモーションイベントは、実世界の YouTube コンテンツにおける視聴数の急増をどの程度正確に予測できるか？

主な発見

• HIPie は、ウェブベースでインタラクティブな環境にハーケス強度過程を成功裏に実装し、リアルタイムの人気予測と説明を可能にした。
• 内生的・外生的マップは、異なる動画の人気の可能性を効果的に可視化・比較でき、相対的な位置が自己持続的または外部要因による拡散への感受性を示している。
• システムは、プロモーションキャンペーンのシミュレーションと予測される視聴数の増加を観察できるため、コンテンツ戦略において実用的価値を示している。
• 外生的感受性が高く、内生的増幅が中程度以上である動画が最も拡散しやすく、テストデータに対するモデルの予測精度からもその傾向が裏付けられている。
• 複数の動画やチャンネルの比較分析が可能となり、さまざまなクリエイター間でのコンテンツパフォーマンスのパターンが明らかになった。
• HIPie はオープンソースとして公開されており、ライブデモも提供されており、コミュニティによる拡張や他の人気モデルとの統合を支援している。