Shopify独立站 Youtube营销必须了解信息

十几年前，视频共享网站YouTube推出后，媒体格局发生了翻天覆地的变化。网站上发布的内容的数量和种类令人震惊。该网站的受欢迎程度使其成为表演者，企业和评论员就每个可能想到的主题的启动板。就像现代数字生态系统中的许多平台一样，YouTube近年来已成为有关在线骚扰，错误信息以及技术对儿童的影响等问题的持续辩论的热点。

在人们日益关注的焦点中，为了继续使这一受欢迎的信息源的内容变得神秘，皮尤研究中心（Pew Research Center）使用其自己的自定义映射技术，整理了一个自2000年起已存在的受欢迎的YouTube频道（至少有25万名订阅者）的列表。在2018年下半年，然后对这些频道在2019年第一周制作的视频进行了大规模分析。中心使用与我们对YouTube进行研究的过程类似的过程，识别出总共43,770个这些高订阅者频道推荐算法。该数据收集对平台内容的性质产生了多种见解：

YouTube生态系统产生了大量内容。在2019年的前7天中，仅这些受欢迎的频道就发布了将近25万个视频，总共48,486小时的内容。以此为背景，一个人每天观看视频八个小时（不休息或休息几天）将需要16年以上的时间才能观看平台上最受欢迎的频道发布的所有内容。 。这些频道在这段时间内发布的平均视频时长约为12分钟，在网站的第一周内获得了58,358次观看。

在平台上的前七天，这些视频总共被查看了142亿次。^1个

YouTube是一种全球现象，其最受欢迎的频道以英语以外的其他语言发布了大量内容。中心结合了手工标记和机器学习功能，根据视频是否包含英语以外的其他语言或文字对视频进行了分类。分析结果说明了YouTube平台的全球性。这些频道中有超过一半（56％）在2019年第一周发布了视频，而大多数活跃频道（72％）则发布了至少一个部分或完全使用英语以外的语言的视频。总体而言，此分析中包含的近25万部视频中，只有17％完全是英语。

一小部分活跃的创作者制作了这些热门频道发布的大部分内容。与许多在线平台（例如Twitter）一样，在研究期间，发布的大部分内容所占的渠道比例相对较小。中心地图中确定的热门频道中只有10％制作了这些频道在2019年第一周发布的所有视频中的70％。同样，在此期间观看次数最多的热门频道视频中有10％负责这些频道发布的新内容的所有观看次数中，有79％来自该频道。

在2018年下半年，高订户频道总数急剧增加。中心的映射过程确定了9,689个频道，该频道在2018年7月（该中心上次对YouTube数据进行分析）至2018年12月之间超过了250,000个订户门槛。为该分析更新数据的时间。在此期间，流行频道总数增加了32％。同样，截至2018年7月，已经确定的现有热门频道的订户数量平均同期增长了27％。

除了进行更广泛的数据收集外，皮尤研究中心还对这些热门频道在2019年第一周发布的英语视频进行了单独的内容分析（总共37,079个视频满足了此描述）。该中心使用人工编码人员来确定每个视频的主要类别或主题（例如视频游戏，消费者技术或时事和政治），还检查了视频标题和说明中使用的关键字，以识别被广泛使用和关联的单词与其他视频相比，观看次数更高。此分析的一些主要发现包括：

针对儿童的视频非常受欢迎，与那些针对13岁以下儿童的视频一样，无论目标受众是什么。在研究期间，这些受欢迎的频道发布的英语视频中只有一小部分明确地面向儿童（根据人类编码者的共识）。但是相对于普通观众视频，那些往往更长，收到更多观看次数并且来自订阅者人​​数较多的频道的视频。从更广泛的角度来看，包含一个或多个13岁以下儿童的视频（无论该视频是否专门针对儿童），其观看次数平均是其他类型视频的三倍。还有一小部分直接针对年轻观众的视频此外，根据观看次数来衡量，年龄在13岁以下的孩子比本分析中发现的任何其他类型的内容都受欢迎。

应该注意的是，YouTube明确声明该平台不适用于13岁以下的儿童。YouTube为YouTube儿童平台提供了增强的家长控制和精选的视频播放列表，但此报告中的分析重点是整个YouTube。

这些受欢迎的频道发布的与时事或政治相关的英语视频倾向于以国际（而非美国）为重点。与时事或政治明确相关的视频相对较为普遍，占研究期间上传的所有英语视频的16％。但是，这些视频大部分都是国际关注的，没有提及与美国有关的事件，问题或意见。虽然发布一个或多个美国时事或政治视频的频道特别活跃-本周平均发布了总共63个视频，但美国时事或政治视频仅占整个热门频道发布的所有视频的4％ 。

涉及视频游戏的内容是YouTube上热门频道的固定装置。同时，在研究期间，热门频道发布的英语视频中约有18％与视频游戏或游戏有关。以研究期间的7天内的总观看次数来衡量，视频游戏的内容是最受欢迎的内容类型之一，而且这些视频也往往比其他类型的视频更长。

某些视频标题关键字与增加的观看次数相关联。 对英语视频标题的分析发现，相对于其他视频，在学习期间，某些关键字的观看次数要高得多。其中一些指向该平台面向娱乐的方向。例如，提及“ Fortnite”，“恶作剧”或“最差”等单词的视频在中位数的观看次数是未提及这些单词的视频的五倍多。其他性质上更具实质性。例如，在视频标题中使用“特朗普”一词与有关美国时事或政治的视频中位数观看次数的显着增加相关。确实，在研究期间，这些受欢迎的频道发布的有关美国时事或政治的视频中，约有36％的标题中提到了“总统”或“特朗普”一词。

视频与其他社交媒体渠道的交叉推广不仅广泛存在，而且与观看次数的增加有关。这些视频中有十分之七在描述中提到了其他著名的社交媒体平台，例如Instagram或Twitter（在链接中或在文本本身中），与未链接到其他平台的视频相比，它们获得了更多的观看次数。

以上调查结果基于对中心至少有25万订阅者的YouTube频道及其在2019年1月1日至7日这一周发布的视频的分析，其依据是该中心先前对YouTube推荐算法的研究。我们使用多种递归和随机方法遍历了YouTube API提供的数百万条视频推荐，并确定了尽可能多的独特频道。截至2019年1月，共发现1,525,690个频道，其中43,770个拥有至少250,000个订阅者。为了本研究的目的，这些被定义为“流行渠道”。研究人员使用此受欢迎的频道列表，收集了2019年第一周在这些频道上发布的每个视频，并在发布后的七天内跟踪了每个视频。

本报告中的分析基于对2019年第一周在YouTube频道上发布的，至少拥有25万订阅者的视频的检查。由于YouTube上没有所有视频或频道（任何大小）的详尽列表或官方批准的清单，因此Pew研究中心制定了自己的自定义列表，其中包含至少250,000个订阅者的43,770个频道。

我们如何映射渠道

皮尤研究中心的这项分析是基于先前的研究YouTube。通过几种递归和随机方法，我们遍历了YouTube API提供的数百万条视频推荐，搜索了以前无法识别的频道。截至2018年7月，已发现915,122个频道，其中30,481个具有至少250,000个订阅者，在本研究中，这些订阅者被定义为“受欢迎的频道”。在2018年7月至2018年12月之间，我们继续寻找新的频道，到2018年12月25日，总共确定了1,525,690个频道，根据本研究的标准，其中43,770个被认为很受欢迎。在确定的13289个新的流行频道中，以前没有发现过3600个，而在7月已经确定了9689个，但尚未超过250,000个订阅者。换一种说法，在此期间，通过额外的地图制作工作，受欢迎的频道列表增加了12％，而通过增加频道订阅率自然增加了32％。再加上六个月的地图绘制，覆盖率仅增加了12％，这表明该中心已经成功地在YouTube上找到了绝大多数受欢迎的频道。¹¹

从2019年1月1日开始，我们开始扫描43,770个受欢迎的频道，以识别每个频道在前一天发布的所有视频。由于发布视频和确定视频的时间有所不同，因此在首次发布后的0到48小时内会观察到每个视频；平均视频在上传后22小时被观察到。确定视频后，我们将其跟踪一周，每天在原始发行的同一小时捕获其参与度统计信息。

收集的视频数据包括：

• 影片编号
• 标题和说明
• 查看次数
• 评论数
• 十大评论
• 喜欢和不喜欢的次数
• YouTube类别和主题
• 持续时间
• 发布日期/时间（UTC）
• 频道编号
• 频道订户数

过滤到英文视频

视频收集过程完成后，我们检查了英语的视频子集并对其进行了分类。YouTube API可以提供有关与任何给定频道和/或视频相关的语言和国家/地区的信息，但是通常会丢失此信息。在2019年第一周上载视频的24,632个频道中，有73％拥有其原籍国的可用信息，而8％则具有该频道的主要语言的信息。在本周流行频道发布的243,254个视频中，有61％的人了解其默认音轨的语言信息，只有26％的人具有其默认语言的信息。（YouTube的API文档并未明确说明这些值之间的区别，但其中一个可以自行报告，而另一个可以由YouTube自动检测到。

首先，中心对视频样本进行了编码，用于（a）视频标题是否为英语，以及（b）音频是否为英语，有英语字幕或完全没有口语。两名不同的中心编码人员观看了102个视频，并获得0.94的Krippendorf的alpha值，这表明双方达成了共识。然后，一个编码人员对3900个视频的样本进行了分类，然后使用这个较大的样本来训练语言分类模型。

我们对XGBoost分类器进行了培训，使其可以在整个视频数据库中运行，以使用以下参数对每个人的语言进行分类：

• 最大深度为7
• 250个估计量
• 最小儿童体重为0.5
• 平衡的班级权重（不用于评分）
• 评估指标：二进制分类错误

进行预测时，分类器基于每个视频的标题，描述，频道属性和其他元数据使用了多种功能。

语言检测功能

中心使用langdetect Python包来预测与每个视频相关的不同文本属性的语言，每个视频表示为每种可能语言的概率列表。这些概率是根据以下文本属性计算的：

• 频道标题
• 频道说明
• 影片标题
• 影片说明
• 频道和视频的标题和说明全部合并为一个文档
• 视频前10条评论的串联文字

国家和语言代码

根据YouTube API返回的元数据，为视频分配了二进制虚拟变量，这些变量代表以下国家和语言代码：

• 与视频频道关联的国家/地区代码
• 与视频频道关联的语言代码
• 视频的“语言”代码
• 视频的“ audioLanguage”代码

添加了其他功能，以表示该频道在2019年第一周制作的所有视频中带有每种语言代码的视频的总体比例。每种视频的语言均以可用的视频“ audioLanguage”代码表示；否则，将使用“语言”代码。这是基于这样的假设：有关给定频道产生的其他视频的信息可能有助于通过缺少语言信息来预测来自该频道的视频的语言（例如，如果某个频道产生了100个视频，其中90个被标记为在亚美尼亚语中，其中10个缺少语言信息，这10个视频很可能也是亚美尼亚人。）

英文单词特征

我们还根据是否可以在已知英语单词列表中找到与每个视频相关的文本中出现的单词来计算其他语言功能。使用了六种不同的文本表示形式：

• 频道标题
• 频道说明
• 影片标题
• 影片说明
• 频道和视频的标题和说明全部合并为一个文档
• 视频的前10条评论的串联文本¹²

对于每种文本表示形式，将文本在空白处分开（即，单词被识别为由类似空白的空格和制表符包围的字符集），并计算出以下三个特征：

• 在WordNet的英语词典中找到的单词比例
• 在NLTK的语料库中找到的词的比例
• 在WordNet或NLTK中找到的单词比例

文字功能

其他特征以TF-IDF（项频率，文档反频率）矩阵的形式提取。每个视频均由其标题和描述以及其频道的标题和描述串联而成。

使用以下参数提取两个矩阵，一个矩阵由单字组和双字母组组成，另一个代表1-6个字符的ngram。

• 最小文件频率为5
• 最大文件比例为50％
• L2归一化
• 最多75,000个功能

出版时间

最后，研究人员增加了一个附加功能，即代表视频发布时间（UTC）的整数，假设英语视频在一天中的某些时间段内由于地理位置的差异而更有可能发布。英文和非英文YouTube发布者。

该分类器在10％的保留集上达到98％的准确度，0.96的精度和0.92的查全率，并使用10倍交叉验证平均获得97％的准确度，0.91的精度和0.93的查全率。为了在精度和召回率之间达到更好的平衡，使用40％的预测概率阈值确定视频是否为英语，而不是默认的50％。

密码本

为了评估热门频道上传的视频的内容，我们开发了一个密码本，以按视频的主要主题和其他属性对其进行分类。完整的密码本可在附录D [LINK]中找到。首先要求编码人员指出他们是否可以观看视频。然后，为了从监督分类模型中滤除任何误报，要求编码人员指出视频中是否包含任何突出的外语音频或文本。如果视频是全英语的，则编码人员然后记录该视频的主要主题，无论它是否似乎专门针对儿童，是否似乎都针对13岁以下的儿童，以及新闻内容，视频提到了美国时事。克里彭多夫的alpha值。所有密码本项目均超过最低协议阈值0.7。

然后，中心在Amazon Mechanical Turk上对相同的250个视频进行了试点测试，其中要求三名单独的Mechanical Turk工作人员对每个视频进行编码。然后使用最大化与内部编码人员一致的阈值，将他们的回答协调为每个项目的单个值。¹³家内部编码人员解决了他们的分歧，以产生一个与Mechanical Turk进行比较的基准。

每个项目的协议阈值各不相同，具体取决于任务的难度。例如，识别带有另一种语言内容的视频需要密切关注，因为自动分类遗漏的视频通常很长，而且似乎是英语。编码人员必须仔细搜索非英语内容，而且与Mechanical Turk工作者相比，内部编码人员更可能注意到此内容。因此，如果视频被标记为包含另一种语言的内容（如果只有三名土耳其工人中的一位）将其标记为机械土耳其人的结果，则该结果与内部结果最为吻合。相比之下，识别儿童的内容涉及许多主观判断，而内部研究人员只会标记清晰明了的视频。机械土耳其人的工人不太敏感，因此在这种情况下，仅当三位Mechanical Turk工作者都将视频标记为儿童内容时，内部判断才最接近。在所有项目中，此过程产生了很高的一致性。

在确定产生与内部编码人员非常接近的结果的阈值之后，我们选择了所有被归类为英语内容的视频，过滤掉了已删除的那些视频，并将其余的42558个视频发送给Mechanical Turk进行编码。¹⁴编码发生在2019年4月12日至14日之间。

数据处理

在收集到的全部243,254个视频中，我们打算捕获七个快照，其中包括每个视频的参与度统计信息（及其创作频道的参与度统计信息）。七个快照中的第一个快照是在每个视频首次被识别时拍摄的，另外六个快照是在接下来的六天内首次发布的时间内拍摄的。在此数据集中，我们还添加了代表每个视频发布时间的行，并将参与度统计信息设置为零。我们总共希望每个视频产生八行数据，总计1,946,032个时间戳。但是，由于偶发的API错误和视频被删除，因此未能成功捕获78,273个时间戳（4％）。在243,254个独特的视频中，有17％（41,883）在一周内丢失了单个时间戳记，而6％（13，

幸运的是，许多丢失的时间戳记发生在一周的第一天和最后一天之间，因此我们可以对丢失的值进行插值。在缺少时间戳前后有可用数据的情况下，使用线性逼近对连续变量的缺失值（例如时间和视图计数）进行插值。完成此过程后，所有视频中只有不到2％（4,262）丢失任何时间戳记，很可能是因为它们在一周内被删除了。使用相同的方法来填写缺少视频频道统计信息的354个时间戳，以及YouTube API错误返回了零值频道视频，观看次数和订阅者计数的13、22和26,351行。

关键字分析

为了专注于代表广泛且笼统的主题的单词，而不是特定于特定频道的名称或术语，中心审查了至少10个不同频道发行的至少100个不同视频的标题中提到的353个单词。在一组标准的318个停用词中，研究人员添加了一些其他要忽略的词-其中一些与链接有关（“ YouTube”，“ www”，“ http”，“ https”，“ com”），而另一些则模糊地代表了名称包括多个内容创建者和/或公众人物（“詹姆斯”，“凯利”，“约翰”）和“获取”一词，相对而言，这些信息不多。剩余的353个单词集在所有视频中以及视频的主题子集中进行了检查。

中心将标题中提到每个单词的视频的观看次数中位数与未提及单词的视频的观看次数中位数进行比较，然后确定与观看次数中位数呈正相关的视频。为了确认这些差异，中心使用视频标题中每个单词的存在与否作为自变量，对每个子集中的视频的已记录观看次数进行线性回归。这组独立变量中包含了每个子集中至少100个视频的标题中出现的所有单词（并由至少10个唯一频道发布）。所有报告的关键字观看次数差异在p <= 0.05时均显着。

中心还检查了视频描述中与外部社交媒体平台链接相关的单词。研究人员检查了视频的几个随机样本，并开发了与社交平台相关的关键字列表，这些关键字通常出现在视频的说明中。然后，此列表用于构建正则表达式，以匹配包含一个或多个关键字的任何描述：

facebook |（fbW）| twitter | tweet |（tww）| instagram |（igW）|（instaW）| snapchat |（snapW）| twitch | discord | tiktok |（tik tok）| pinterest | linkedin | tumblr |（google + ）|（google +）|（g +）

然后，两名中心编码人员检查了200个随机视频描述的样本，并根据每个视频是否链接到以下社交媒体平台之一进行了编码：Facebook，Twitter，Instagram，Snapchat，Twitch，Discord，TikTok，Pinterest，LinkedIn， Tumblr和Google+。两位中心编码员之间（在Krippendorf的alpha值为0.85）以及正则表达式模式（在Krippendorf的alphas为0.76和0.92）之间达成了很高的一致性。