[论文解读] Engagement dynamics and sensitivity analysis of YouTube videos

William Hoiles, Anup Aprem+1 more|arXiv (Cornell University)|Nov 2, 2016

Complex Network Analysis Techniques参考文献 33被引用 9

一句话总结

本研究基于BBTV提供的600万条视频数据集，分析YouTube视频的互动表现，识别出若干关键元特征——如首日播放量、缩略图对比度和关键词数量——这些特征显著影响视频的受欢迎程度。研究发现，发布后的元数据优化可显著提升播放量，并揭示了频道播放量与订阅数增长之间的因果动态关系，为内容策略制定与病毒式传播建模提供了依据，采用广义Gompertz模型实现。

ABSTRACT

YouTube, with millions of content creators, has become the preferred destination for watching videos online. Through the Partner program, YouTube allows content creators to monetize their popular videos. Of significant importance for content creators is which meta-level features (e.g. title, tag, thumbnail) are most sensitive for promoting video popularity. The popularity of videos also depends on the social dynamics, i.e. the interaction of the content creators (or channels) with YouTube users. Using real-world data consisting of about 6 million videos spread over 25 thousand channels, we empirically examine the sensitivity of YouTube meta-level features and social dynamics. The key meta-level features that impact the view counts of a video include: first day view count , number of subscribers, contrast of the video thumbnail, Google hits, number of keywords, video category, title length, and number of upper-case letters in the title respectively and illustrate that these meta-level features can be used to estimate the popularity of a video. In addition, optimizing the meta-level features after a video is posted increases the popularity of videos. In the context of social dynamics, we discover that there is a causal relationship between views to a channel and the associated number of subscribers. Additionally, insights into the effects of scheduling and video playthrough in a channel are also provided. Our findings provide a useful understanding of user engagement in YouTube.

研究动机与目标

• 识别影响YouTube视频受欢迎程度的最重要元特征。
• 探究频道播放量与订阅数增长之间的因果关系。
• 分析上传时间安排与播放列表动态对视频互动表现的影响。
• 构建广义Gompertz模型，以区分来自订阅者、用户迁移和外部事件的观看来源。
• 评估发布后元数据优化对视频表现的有效性。

提出的方法

• 对2007年4月至2015年5月期间覆盖25,000个YouTube频道的600万条视频数据集进行实证分析。
• 应用敏感性分析，量化元特征（如标题长度、大写字母数量、缩略图对比度）对播放量的影响。
• 使用格兰杰因果检验分析频道播放量与订阅数之间的方向性关系。
• 拟合改进的Gompertz模型，将播放量动态分解为来自订阅者、用户迁移和外部事件的贡献。
• 分析视频播放流程与游戏类频道的上传时间安排，评估时间安排对受欢迎程度的影响。
• 评估元特征优化事件（如标题、缩略图、关键词更改）对发布后互动表现的影响。

实验结果

研究问题

• RQ1 哪些元特征对YouTube视频播放量的敏感性最强？
• RQ2 YouTube频道的播放量与订阅数之间是否存在因果关系？
• RQ3 游戏类频道偏离常规上传时间表对视频受欢迎程度有何影响？
• RQ4 广义Gompertz模型在多大程度上能够区分来自订阅者、非订阅者（用户迁移）和外部事件的观看量？
• RQ5 视频播放流程中早期的播放量动态如何与长期的观众迁移相关？

主要发现

• 对视频受欢迎程度影响最大的五个元特征为：首日播放量、订阅数、缩略图对比度、Google搜索结果数和关键词数量。
• 发布后对元数据（尤其是标题、缩略图和关键词）进行优化，可显著提升视频受欢迎程度，主要通过增加来自搜索、相关视频和推广内容的流量。
• 频道播放量与订阅数之间存在因果关系，播放量驱动热门频道的订阅增长。
• 游戏类频道偏离常规上传时间表可提升频道整体受欢迎程度，表明战略性地偏离常规时间表可增强可见性。
• 广义Gompertz模型成功将观看动态分解为来自订阅者、用户迁移和外部事件的贡献，从而实现更精准的预测与分析。
• 在游戏播放流程播放列表中，早期视频的观看量显著高于后期视频，且订阅数仅影响此类播放列表中早期视频的观看量动态。