[논문 리뷰] Who Watches (and Shares) What on YouTube? And When? Using Twitter to Understand YouTube Viewership

Adiya Abisheva, Venkata Rama Kiran Garimella외 2명|arXiv (Cornell University)|2013. 12. 16.

Complex Network Analysis Techniques참고 문헌 26인용 수 13

한 줄 요약

이 연구는 트위터와 유튜브 데이터를 결합하여 누가, 언제, 어떤 유튜브 영상을 공유하는지 분석한다. 연구 결과, 초기 트위터 공유 행동—특히 제2차 노출과 재트윗 비율—이 팔로워 수보다 영상 인기 예측에 더 효과적임을 밝혀냈으며, 홍보 목적 외의 사용자들이 초기에 보이는 활동이 최종 시청 수의 변동성 약 20%를 설명한다.

ABSTRACT

We combine user-centric Twitter data with video-centric YouTube data to analyze who watches and shares what on YouTube. Combination of two data sets, with 87k Twitter users, 5.6mln YouTube videos and 15mln video sharing events, allows rich analysis going beyond what could be obtained with either of the two data sets individually. For Twitter, we generate user features relating to activity, interests and demographics. For YouTube, we obtain video features for topic, popularity and polarization. These two feature sets are combined through sharing events for YouTube URLs on Twitter. This combination is done both in a user-, a video- and a sharing-event-centric manner. For the user-centric analysis, we show how Twitter user features correlate both with YouTube features and with sharing-related features. As two examples, we show urban users are quicker to share than rural users and for some notions of "influence" influential users on Twitter share videos with a higher number of views. For the video-centric analysis, we find a superlinear relation between initial Twitter shares and the final amounts of views, showing the correlated behavior of Twitter. On user impact, we find the total amount of followers of users that shared the video in the first week does not affect its final popularity. However, aggregated user retweet rates serve as a better predictor for YouTube video popularity. For the sharing-centric analysis, we reveal existence of correlated behavior concerning the time between video creation and sharing within certain timescales, showing the time onset for a coherent response, and the time limit after which collective responses are extremely unlikely. We show that response times depend on video category, revealing that Twitter sharing of a video is highly dependent on its content. To the best of our knowledge this is the first large-scale study combining YouTube and Twitter data.

연구 동기 및 목표

• 트위터 공유 행동을 통해 유튜브 시청의 인구통계적 특성과 행동 패턴을 이해하기 위해.
• 트위터 사용자 특성(예: 위치, 정치적 성향, 관심사)이 유튜브 영상 소비 및 공유와 어떻게 관련되어 있는지 조사하기 위해.
• 유튜브 데이터 없이도 초기 트위터 참여 지표를 이용해 유튜브 영상 인기를 모델링하고 예측하기 위해.
• 공동 반응의 시간 패턴, 즉 반응 속도와 시간 창 등을 파악하기 위해.
• 홍보 목적과 비홍보 목적의 트위터 사용자를 구분하고, 각각의 영상 퍼포먼스에 미치는 역할을 평가하기 위해.

제안 방법

• 공개된 트위터 데이터(87,000명의 사용자로부터 1,700만 건의 트윗)와 유튜브 영상 데이터(560만 건의 영상, 1,500만 건의 공유 이벤트)를 융합하여 다중 플랫폼 데이터셋을 구축하였다.
• 휴리스틱 기법을 활용해 트위터 프로필과 팔로잉 계정 정보에서 사용자의 성별, 거주지, 정치적 성향, 관심사를 유추하였다.
• 회귀 모델 개발: log(V) = α + β₁·Sᵥ^γ + β₂·Eᵥ^δ + β₃·Iᵥ^κ + β₄·ℰᵥ^λ + β₅·Aᵥ^μ, 여기서 V는 최종 영상 시청 수이며 예측 변수로는 제1차 노출, 참여도, 영향력, 제2차 노출, 재트윗 비율이 포함된다.
• 10겹 교차검증을 적용하여 첫 주 트위터 활동을 기반으로 영상이 '인기'(10,000뷰 이상)인지 분류하였으며, 이때 회귀 모델을 예측 변수로 사용하였다.
• 군집화 및 상관관계 분석을 통해 사용자 집단과 영상 카테고리 간 주제 선호도 및 공유 행동 패턴을 비교하였다.
• 자신의 채널에서 영상을 공유하는 사용자를 홍보 목적 사용자로 정의하고, 공유 속도 및 행동 패턴을 비교하였다.

실험 결과

연구 질문

• RQ1 트위터 사용자의 인구통계적 및 행동적 특성(예: 거주지, 정치적 성향)이 유튜브 영상 공유 및 시청과 어떻게 관련되어 있는가?
• RQ2 초기 트위터 공유 활동과 유튜브 영상의 최종 인기 간의 관계는 무엇인가?
• RQ3 다양한 영상 카테고리와 사용자 유형에 따라 영상 생성 후 반응 시간은 어떻게 달라지는가?
• RQ4 팔로워 수, 재트윗 비율, 제2차 노출 등의 트위터 지표가 유튜브 영상 인기 예측에 얼마나 기여하는가?
• RQ5 홍보 목적과 비홍보 목적의 트위터 계정은 영상 공유 행동과 시기에서 어떻게 다를까?

주요 결과

• 트위터에서의 제2차 노출과 재트윗 비율은 원래 팔로워 수보다 유튜브 영상 인기 예측에 훨씬 더 강력한 예측력이 있으며, 비홍보 사용자에 대해 R² = 0.199를 기록하였다.
• 도시 거주자들이 농촌 거주자보다 유튜브 영상을 더 빨리 공유함을 확인하여, 반응 속도에 지리적 격차가 있음을 시사한다.
• 초기 트위터 공유 수와 최종 유튜브 시청 수 사이에 초과선형 관계가 존재함을 확인하여, 초기 운동량이 장기적 인기 확산에 강력히 기여함을 밝혀냈다.
• 유튜브 데이터 없이 트위터 데이터만을 사용한 모델이 10,000뷰 이상의 영상 인기를 71.5% 정밀도와 53.4% 재현율로 예측하였으며, 이는 무작위 기준(49.2% 정밀도)보다 유의미하게 높은 성능을 보였다.
• 정치적으로 오른쪽 성향을 가진 사용자는 왼쪽 성향 사용자보다 정치적 중심에서 더 멀리 떨어져 있으며, 뉴스 및 정치 카테고리는 공유 행동과 가장 강한 상관관계를 보였다.
• 뉴스 및 정치 카테고리 영상가 가장 빠른 집단 반응을 보였으며, 반응 시간은 콘텐츠 카테고리에 따라 유의미하게 다름을 확인하여 콘텐츠에 따라 달라지는 퍼포먼스 역학을 규명하였다.