[논문 리뷰] Trending Videos: Measurement and Analysis

Iman Barjasteh, Ying Liu외 1명|arXiv (Cornell University)|2014. 09. 26.

Complex Network Analysis Techniques참고 문헌 12인용 수 8

한 줄 요약

이 논문은 9개월 동안 수집한 8,000개 이상의 영상에서 고해상도 시계열 데이터를 사용하여 유튜브 트렌딩 영상의 특성을 측정하고 분석한다. 트렌딩 영상가 가진 특징적인 통계적 성질과 그레저 인과관계를 통해 비대칭적인 방향성 관계를 드러내며, 이는 시청자 수가 인기 있는 카테고리로 강하게 유입됨을 보여주고 일부 카테고리는 고립되어 있음을 시사한다.

ABSTRACT

Unlike popular videos, which would have already achieved high viewership numbers by the time they are declared popular, YouTube trending videos represent content that targets viewers attention over a relatively short time, and has the potential of becoming popular. Despite their importance and visibility, YouTube trending videos have not been studied or analyzed thoroughly. In this paper, we present our findings for measuring, analyzing, and comparing key aspects of YouTube trending videos. Our study is based on collecting and monitoring high-resolution time-series of the viewership and related statistics of more than 8,000 YouTube videos over an aggregate period of nine months. Since trending videos are declared as such just several hours after they are uploaded, we are able to analyze trending videos time-series across critical and sufficiently-long durations of their lifecycle. In addition, we analyze the profile of users who upload trending videos, to potentially identify the role that these users profile plays in getting their uploaded videos trending. Furthermore, we conduct a directional-relationship analysis among all pairs of trending videos time-series that we have monitored. We employ Granger Causality (GC) with significance testing to conduct this analysis. Unlike traditional correlation measures, our directional-relationship analysis provides a deeper insight onto the viewership pattern of different categories of trending videos. Trending videos and their channels have clear distinct statistical attributes when compared to other YouTube content that has not been labeled as trending. Our results also reveal a highly asymmetric directional-relationship among different categories of trending videos. Our directionality analysis also shows a clear pattern of viewership toward popular categories, whereas some categories tend to be isolated.

연구 동기 및 목표

• 트렌딩 영상의 수명 주기 역학을 측정하고 분석함으로써, 짧은 기간 동안의 폭발적 인기로 인해 일반 인기 영상과 구별되는 특성을 규명하고자 한다.
• 시청 패턴과 사용자 행동 측면에서 트렌딩 영상와 비트렌딩 콘텐츠 간의 통계적 차이를 규명하고자 한다.
• 업로더 프로필이 영상가 트렌딩 가능성에 미치는 영향을 조사하고자 한다.
• 그레저 인과관계를 사용하여 트렌딩 영상 간의 방향성 관계를 모델링하고, 시청자 수 흐름 패턴을 밝혀내고자 한다.
• 다양한 콘텐츠 카테고리 간의 시청 역학을 비교하고 주도적 또는 고립된 트렌드를 식별하고자 한다.

제안 방법

• 9개월 동안 8,000개 이상의 유튜브 영상에 대해 시청자 수 및 관련 통계 자료의 고해상도 시계열 데이터를 수집하였다.
• 영상이 트렌딩으로 선정된 순간부터 모니터링하여 핵심 수명 주기 기간 동안의 분석이 가능하도록 하였다.
• 업로더 프로필을 분석하여 특정 사용자 특성이 트렌딩 성공과 관련이 있는지 평가하였다.
• 유의성 검정을 통한 그레저 인과관계를 적용하여 트렌딩 영상 시계열 간의 쌍별 방향성 관계를 탐지하였다.
• 트렌딩 영상을 카테고리로 분류하여 콘텐츠 유형 간의 시청 역학을 비교하였다.
• 통계적 유의성 검정을 사용하여 인과관계의 타당성을 검증하고, 허위 상관관계를 방지하였다.

실험 결과

연구 질문

• RQ1 트렌딩 영상와 비트렌딩 콘텐츠 간의 구별되는 통계적 특성은 무엇인가?
• RQ2 업로더 프로필은 영상가 트렌딩 가능성에 어떤 영향을 미치는가?
• RQ3 트렌딩 영상 시계열 간의 방향성 관계는 무엇이며, 콘텐츠 카테고리에 따라 어떻게 다를까?
• RQ4 일부 카테고리가 다른 카테고리를 지속적으로 이끄는 비대칭적 시청자 수 흐름이 존재하는가?
• RQ5 일부 트렌딩 영상 카테고리는 다른 카테고리와의 영향을 거의 받지 않거나 주는 영향이 적은 고립된 상태에 있는가?

주요 결과

• 트렌딩 영상에는 시청자 수 급증과 짧은 수명 주기 등 특징적인 통계적 특성이 나타나며, 이는 일반 인기 영상과 구별된다.
• 그레저 인과관계 분석을 통해 매우 비대칭적인 방향성 관계가 드러났으며, 이는 시청자 수가 주로 인기 있는 콘텐츠 카테고리로 강하게 유입됨을 보여준다.
• 일부 트렌딩 영상 카테고리는 핵심 허브 역할을 하여 다른 카테고리로 시청자 수를 이끌어내지만, 일부는 영향력이 미미하여 고립된 상태에 머무른다.
• 연구 결과, 트렌딩 영상을 업로드한 사용자들은 일반적으로 특별한 프로필 특성을 지니며, 이는 확산성에 기여할 가능성이 있음을 시사한다.
• 방향성 관계 분석을 통해 콘텐츠 확산의 명확한 패tern이 드러났으며, 이는 시청자 수 트렌드가 무작위가 아니라 체계적인 흐름을 따른다는 것을 의미한다.
• 결과적으로 트렌딩 영상가 단순히 높은 시청자 수를 가진 콘텐츠가 아니라, 짧은 수명 주기와 주목력에 기반한 독립된 현상임을 입증한다.