[논문 리뷰] Will This Video Go Viral? Explaining and Predicting the Popularity of Youtube Videos

Quyu Kong, Marian-Andrei Rizoiu외 2명|arXiv (Cornell University)|2018. 01. 12.

Complex Network Analysis Techniques참고 문헌 7인용 수 4

한 줄 요약

HIPie는 YouTube 영상의 유행성을 모델링하고 시각화하며 예측하기 위해 허크스 강도 과정(Hawkes Intensity Process, HIP)을 사용하는 오픈소스로, 상호작용 가능한 웹 애플리케이션입니다. 시청 패턴과 외부 홍보 효과를 분석함으로써 사용자가 영상을 비교하고, 내재적·외재적 영향을 기반으로 한 엔도-에크스오 맵을 통해 유행 잠재력을 식별하며, 홍보 영향을 시뮬레이션할 수 있습니다. 이는 콘텐츠 제작자, 광고주, 소비자들이 실시간으로 온라인 인기 현상에 대해 추론할 수 있도록 실용적인 도구를 제공합니다.

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.

연구 동기 및 목표

• 유튜브 영상 유행성에 최신 인기 모델을 적용하는 접근 가능하고 상호작용 가능한 도구의 부족을 해결하기 위해.
• 콘텐츠 제작자와 광고주가 유행성의 정도를 정량화하고 온라인 홍보의 영향을 시뮬레이션할 수 있도록 지원하기 위해.
• 콘텐츠 소비자가 추천 알고리즘의 투명하지 않은 작동 방식을 넘어서, 영상과 채널을 투명하게 비교할 수 있도록 하기 위해.
• 이론적 인기 모델과 비전문가 사용자를 대상으로 한 실용적이고 사용자 友好的 응용 간 격차를 메우기 위해.

제안 방법

• HIPie는 내재적 입소문과 소셜 미디어 공유와 같은 외재적 입력을 고려해 영상 인기를 모델링하기 위해 허크스 강도 과정(Hawkes Intensity Process, HIP)을 활용합니다.
• 파rameter 피팅을 위해 youtube-insight 패키지를 통해 YouTube 영상 메타데이터와 90일 간의 시청 시간 시리즈를 추출합니다.
• 시스템은 내재적 증폭과 외재적 민감도로 정의된 2차원 공간에 영상을 투영하는 엔도-에크스오 맵을 사용하여 유행 잠재력을 드러냅니다.
• R에서 Shiny와 Plotly를 활용한 상호작용 가능한 시각화 도구를 통해 사용자는 실시간으로 적합된 및 예측된 인기 곡선을 탐색할 수 있습니다.
• 사용자는 영상 ID 또는 링크를 입력하여 어떤 YouTube 영상이든 추가할 수 있으며, 시스템은 동적으로 HIP 파라미터를 적합하고 시각화를 즉시 업데이트합니다.
• 인위적인 외재적 입력을 주입하여 홍보 캠페인을 시뮬레이션하고 예측된 시청 수 증가를 관찰할 수 있도록 플랫폼이 지원합니다.

실험 결과

연구 질문

• RQ1 허크스 강도 과정은 어떻게 사용자가 접근 가능한 방식으로 YouTube 영상의 유행성을 설명하고 예측하는 데 활용될 수 있는가?
• RQ2 비전문가 사용자가 영상 유행성과 홍보 영향을 추론하는 데 가장 효과적인 시각적 및 상호작용 기능은 무엇인가?
• RQ3 다양한 영상과 채널 간에 내재적 및 외재적 영향이 영상 인기에 미치는 영향을 정량적으로 비교할 수 있는 방법은 무엇인가?
• RQ4 상호작용 기반 시스템은 높은 인기를 얻기 전에 잠재적으로 유행할 영상을 더 잘 식별할 수 있는가?
• RQ5 모의 홍보 이벤트는 실제 유튜브 콘텐츠의 시청 수 급증을 어느 정도 정확하게 예측할 수 있는가?

주요 결과

• HIPie는 웹 기반의 상호작용 가능한 환경에서 허크스 강도 과정을 성공적으로 구현하여 실시간 인기 예측 및 해석 기능을 제공합니다.
• 엔도-에크스오 맵은 다양한 영상의 유행 잠재력을 효과적으로 시각화하고 비교할 수 있으며, 상대적 위치는 자율적 유행성 또는 외부 유도 유행성에 대한 민감도를 나타냅니다.
• 시스템은 사용자가 홍보 캠페인을 시뮬레이션하고 예측된 시청 수 증가를 관찰할 수 있도록 하여 콘텐츠 전략 수립에 실용적 유용성을 입증합니다.
• 외재적 민감도가 높고 내재적 증폭이 중간 이상인 영상가 가장 유행할 가능성이 높으며, 이는 테스트 데이터에 대한 모델의 예측 정확도로 확인되었습니다.
• 이 도구는 여러 영상 및 채널 간 비교 분석을 가능하게 하여 다양한 제작자들 간 콘텐츠 성과 패턴을 드러냅니다.
• HIPie는 오픈소스 소프트웨어로 공개되어 있으며, 실시간 데모를 제공하여 커뮤니티의 확장과 다른 인기 모델과의 통합을 지원합니다.