Математические методы количественной оценки характеристик полезности YouTube канала

Опросный лист создавался в сервисе Google Forms. Сверху необходимо заполнить строку с названием опросного листа, а так же описание, с инструкциями к требованию заполнения опроса. Левое поле, подписанное как «ссылки на каналы» - это вопросы формы, в данном случае эти поля заполнялись ссылками на каналы, которые были сокращены, для удобства просмотра формы. Слева выбирается метод внесения ответов в опрос. В данном случае для получения ранжированных результатов, необходимо выбрать метод «сетка (множественный выбор)» и сделать столько столбцов с ответами, сколько каналов участвует в каждом опросе, для форм «Film/animation» их двенадцать, для категории «How to/style» их восемь, для категории «Games» их двадцать четыре. Сами столбцы помечаются числом, которое указывает, какой канал респондент считает наиболее привлекательным, а какой наименее, где, например, в категории «How to/style» - «1» - самый понравившийся канал и «8» - самый непонравившийся. Так же необходимо включить требования обязательного заполнения всех строк внизу формы, и в выпадающем меню в виде троеточия поставить галочку, напротив «по одному ответу на столбец» чтобы исключить повторы в ранжировании. Таким образом, достигается соответствие опросного листа, требованиям совместного анализа. Так же внизу формы был создан дополнительный вопрос, о возрасте респондента.

Опрос проводился не по совсем традиционной схеме, в которой респондентам предлагается оценить набор объектов, или их муляжей (рисунков), с точки зрения привлекательности, после чего выбранный респондентом объект удалялся, с отметкой о выборе и опрашиваемый повторял процедуру, до тех пор, пока не кончались варианты объектов.

В данном случае в качестве карточек объектов выступали прямые ссылки на каналы, которые респонденты и оценивали с точки зрения личной привлекательности, но карточки не удалялись, как это делается в традиционном опросе, поскольку инструмент Google Form не дает такой возможности, поэтому респондентам необходимо было самим расставить очередность выбора.

Однако данные опроса в конечном виде переносятся в Google таблицу и имеют удобный вид, где в строках находятся значения результата выбора о постановке того или иного канала, на конкретное место с точки зрения привлекательности, отдельно взятого респондента.

Третий этап совместного анализа. Обработка результатов опроса

В первую очередь данные переносятся из Google Таблиц в более удобный, для просмотра и редактирования файл Microsoft Excel. В категории «Film/animation» было получено 310 ответов, в категории «How to/style» 330 ответов, в категории «Gaming» 340 ответов. В опросе участвовали лица обоего пола от 16 до 42 лет. Не все данные годятся для обработки, например, некоторые формы, были заполнены по восходящему порядку, иные через строчку, такие закономерности должны быть удалены из выборки. После удаления испорченных форм ответов осталось 329 результатов в категории «Gaming», 319 результат в категории «how to/style» и 237 результатов в категории «Film/animation».

Эти данные переносятся в новый файл SPSS, где в первом столбце содержится информация об опрашиваемом, в данном случае лишь номер респондента, а все остальные нумеруются по порядку представленных в опросе карточек YouTube каналов и содержат результаты опроса.

Если рассмотреть первую строчку файла с результатами опроса категории «Film/animation», можно увидеть что первый опрошенный поставил первый канал на 11 место, второй на третье, третий на седьмое и так далее.

Пятый и основной этап заключается в выполнении процедуры совместного анализа в пакете SPSS. Для этого в SPSS существует собственный язык программирования и встроенный редактор и компилятор.

Для вызова этого средства необходимо нажать кнопку «Файл» на верхней панели, далее меню «Создать» и выбрать «Редактор синтаксиса». Откроется окно редактора синтаксиса, в котором пишется код исполняемой программы, для обработки данных. Стандартная программа для обработки данных выглядит следующим образом:

CONJOINT PLAN = “PATH”

/DATA = “PATH”

/SUBJECT = VARNAME

/RANK = VAR1 TO VARN

/PLOT = ALL

/PRINT = ALL

/UTILITY = “PATH”.

Данные операторы означают следующее:

CONJOINT - название процедуры.

PLAN = “путь к файлу с планом эксперимента \ имя файла плана эксперимента.sav”. Путь обязательно заключается в кавычки, так же необходимо указать расширение файла данных (.sav). Файл с планом эксперимента - это тот файл, который создавался на втором этапе, в нем содержится план с карточками объектов и их характеристики и их уровни.

/DATA = “путь к файлу с данными \ имя файла с данными.sav”. Здесь указывается адрес файла с данными результатов опроса, обязательно заключать его в кавычки и так же указывать расширение файла.

/SUBJECT = имя переменной с информацией об опрошенных. Имя этой переменной может быть любым.

/RANK = имя первой переменной карточки to имя переменной последней карточки. Имена переменных (столбцов) в которых содержится информация об ответах респондентов. Имя переменной может быть любым.

/PLOT = ALL. Эта процедура выводит все графики связанные с результатами конечной обработки данных

/PRINT =ALL. Эта процедура выводит все результаты, связанные с конечной обработкой данных в окно вывода результатов.

/UTILITY = “PATH”. В кавычках указывается путь к файлу, в котором будут храниться все результаты анализа, так же необходимо заключить в кавычки и поставить расширение файла (.sav).

В конце программы обязательно ставится точка (Рис 2.5. 2.6 2.7).

Рис. 2.5 Пример программы для обработки данных категории «How to/style».

Рис. 2.6 Пример программы для обработки данных категории «Film/Animation».

Рис. 2.7 Пример программы для обработки данных категории «Gaming».

Программу можно сохранить, для последующего использования, или изменения, для обработки других файлов с данными. Для этого на верхней панели необходимо нажать кнопку «Файл» и выбрать кнопку «Сохранить как». Для каждой отдельной категории создаются свои отдельные программы.

После написания всех трех программ, их необходимо запустить, чтобы получить результат обработки данных опросов. Для этого в окне редактора синтаксиса последовательно выполняется «Запуск\Все».



3. РАЗРАБОТКА РЕКОМЕНДАЦИЙ НА ОСНОВАНИИ РЕЗУЛЬТАТОВ СОВМЕСТНОГО АНАЛИЗА

3.1 Анализ результатов совместного анализа по категориям каналов

Результаты совместного анализа категории «Film/Animation»

После обработки данных пакет SPSS выводит результаты в специальное окно вывода. В этом окне можно посмотреть отчет как о каждом респонденте в отдельности, так и общие результаты работы.

Результаты анализа в первой категории каналов «Film/Animation» по скорректированным данным результатов опроса (без учета испорченных форм) следующие.

Среди всех характеристик наиболее важной оказалась направленность на конкретную аудиторию. (Рис. 3.1).

Рис. 3.1 Сводка важности всех характеристик категории «Film/Animation»

Наиболее полезным уровнем этой характеристики оказалась направленность на подростковую аудиторию (Рис. 3.2.)

Рис. 3.2. Утилиты сводок категории «Film/Animation» характеристика «направленность на аудиторию».

Отрицательное значение полезности носят условный характер, поскольку процедура совместного анализа настроена так, чтобы полезности уровней одной характеристики в сумме были равны нулю.

Для респондентов короткая длительность роликов оказалось предпочтительнее, чем длинная (Рис. 3.3).



Рис. 3.3 Утилиты сводок категории «Film/Animation» характеристика «длительность».

И последняя характеристика - тип контента фильм или анимация имеет следующие оценки полезности (Рис. 3.4).



Рис. 3.4. Утилиты сводок категории «Film/Animation» характеристика «тип контента».

Из диаграммы видно, что мультипликация и анимация для респондентов оказались более предпочтительны, чем фильмы, однако стоит учитывать, что оценки полезностей характеристик «тип контента» и «длительность роликов» крайне низки и исчисляются сотыми долями, но характеристика направленности на аудиторию уже исчисляется десятыми долями, а значит имеет наибольшую важность, можно сделать вывод, что для респондентов характеристика «аудитория» оказался наиболее важным при выборе, чем все остальные, что согласуется с первой диаграммой 3.1. Значения полезностей характеристик представлены на рисунке 3.5.



Рис. 3.5. Оценки полезностей и значения важностей исследуемых характеристик категории «Film/Animation»

Результаты совместного анализа категории «How to/Style»

Среди всех характеристик в категории «How to/Style» для респондентов наиболее важными оказались количество рубрик на канале и направление. Закадровый голос респонденты оценили как наименее значимую характеристику (Рис. 3.6.).



Рис. 3.6 Сводка важности всех характеристик категории «How to/Style»

Среди всех предложенных каналов, с разным количеством рубрик, наиболее привлекательными оказались каналы с одной рубрикой, вероятно, это можно трактовать как уровень доверия к мастерству - если автор занимается чем-то одним, значит, он в этом разбирается, поскольку характеристика множества рубрик имеет самую низку оценку полезности среди опрошенных (Рис. 3.7).



Рис. 3.7 Утилиты сводок категории «How to/Style» характеристика «количество рубрик».

Наиболее привлекательным оказались каналы работающие в направлении «Appearance», то есть посвященные внешнему виду и всему что с этим связанно (Рис. 3.8).

Рис. 3.8 Утилиты сводок категории «How to/Style» характеристика «направление».

Так же для респондентов крайне важным оказалось наличие закадрового голоса, поясняющего, что происходит в момент времени (Рис. 3.9).

Рис. 3.9 Утилиты сводок категории «How to/Style» характеристика «закадровый голос».

Сравнение оценок полезностей приводит к тому, что в целом, все характеристики в этой категории имеют существенное влияние на привлекательность канала, однако наименее важным оказался закадровый голос, затем направление канала, а самым важным оказалось количество рубрик на канале (Рис. 3.10).



Рис. 3.10. Оценки полезностей и значения важностей исследуемых характеристик категории «How to/Style»

Результаты совместного анализа категории «Gaming»

Среди всех предложенных каналов, работающих в разных игровых жанрах, больше всего респонденты оценили характеристику смысловой нагрузки, иначе говоря, тип создаваемого авторами контента. (Рис. 3.11).

Рис. 3.11 Сводка важности всех характеристик категории «Gaming».

Среди всего многообразия предложенных вариантов, респонденты оценили каналы посвященные проведению прямых трансляций и менее всего каналы, создающие развлекательные ролики (Рис 3.12).



Рис. 3.12 Утилиты сводок категории «Gaming» характеристика «Смысловая нагрузка».

Предложенные респондентам на оценку каналы работали в четырех различных жанрах, и наиболее привлекательными оказались каналы производящие ролики посвященные множеству игровых жанров сразу, а так же каналы, посвященные мобильным играм (Рис. 3.13).

Рис. 3.13 Утилиты сводок категории «Gaming» характеристика «Жанр».

Самой последней по значимости характеристикой для опрошенных, оказалась манера повествования, но самым значимым уровнем этой характеристики оказалась агрессивная (серьезная) манера повествования (Рис. 3.14).

Рис. 3.14 Утилиты сводок категории «Gaming» характеристика «Манера повествования».

Сравнение оценок полезностей приводит к тому, что в целом, все характеристики в этой категории имеют существенное влияние на привлекательность канала, однако жанр и манера повествования имею сравнимо одинаковые значения, а больше всего выделяется характеристика смысловой нагрузки. (Рис. 3.15).



Рис. 3.15. Оценки полезностей и значения важностей исследуемых характеристик категории «How to/Style»

3.2 Построение рекомендаций для помощи принятия управленческого решения менеджерам партнерской сети

Менеджер при подключении канала пытается дать ответ на вопрос: «будет ли расти аудитория конкретного канала, как следствие будет ли расти выручка партнерской сети?».

В данном исследовании был проведен анализ зависимости, привлекательности YouTube канала в конкретной категории, от выявленного набора характеристик. Была выдвинута гипотеза, что канал, обладающий той или иной характеристикой, будет наращивать свою аудиторию быстрее, а значит, партнерская сеть быстрее увеличит свою выручку, за счет подключения этого канала, и компенсирует расходы ресурсов на его подключение и обслуживание. Эта гипотеза проверялась совместным анализом, и измеренная полезность характеристики как раз и показала влияние этой характеристики на привлекательность канала, а значит и на его потенциальный рост. Ниже рекомендации структурированы по категориям.



«Film/Animation»

Действительно, по результатам совместного анализа видно, что каналы, работающие в категории «Film/Animation», ориентированные на подростковую аудиторию, и выпускающие короткие ролики, могут быть исследованы менеджером по подключению более пристально, с учетом своего личного опыта работы, однако фактор типа контента в этой категории, фильмы это или анимация, не является столь значимым, хотя по результатам совместного анализа видно, что предпочтения респондентов ушли в сторону анимации, но, тем не менее, на этом факторе не стоит заострять внимание при принятии решения о подключении.

Конечно, по результатам данного исследования «идеальным» будет являться канал выпускающий короткие анимированные ролики, направленные на подростковую аудиторию.

«How to/Style»

При подключении каналов из категории «How to/Style» менеджерам следует обращать внимание на направление работы этого канала, и если канал посвящен внешнему виду, т.н. «бьюти-блог», то, возможно, стоит задуматься о подключении этого канала к сети, так же необходимо учитывать количество рубрик, которые выпускают каналы этой категории, если их больше чем две (две рубрики получили почти нулевую оценку полезности), то этот канал может оказаться менее привлекательным для потенциальной аудитории. Предпочтения отдается специализированным каналам.

Однако закадровый голос почти не имеет значения, пусть и его наличие оказалось наиболее привлекательным для опрошенных, хотя «идеальным» каналом в этой категории будет канал посвященный внешнему виду, с одной единственной рубрикой, и наличием закадрового голоса.

«Gaming»

При подключении наиболее часто встречающихся каналов (за последний год) каналов категории «Gaming», менеджерам стоит обращать особое внимание на смысловую нагрузку этих каналов, если они посвящены прямым трансляциям, скорее всего эти каналы окажутся наиболее привлекательными для потенциальной аудитории. Так же следует учитывать манеру повествования автора канала, если она соответствует агрессивной (серьезной), возможно на этот канал так же стоит обратить внимание.

Не менее важен жанр, в котором работает канал. Совместный анализ выявил два наиболее привлекательных - это «multi» и «mobile», каналы не сосредоточенные на конкретной игре или жанре и посвященные мобильным игровым платформам соответственно.

Конечно, нужно учитывать, что эти рекомендации носят условный характер, поскольку модель, как и любая другая, допускает некоторые упрощения. Например, описанные ранее два фактора предельного значения аудитории и интенсивности роста не учитываются, поскольку их выявление и расчет тема для отдельного исследования. А так же не дает ответа на вопрос о росте аудитории в цифрах, то есть не является прогнозной.

Однако построенная модель доказывает, что метод экспертной оценки и последующего применения совместного анализа может применяться для анализа составных характеристик YouTube канала, как выражение потенциального роста аудитории этого канала.

И по результатам проведенного исследования с конкретным выделенным списком факторов, для каждой категории каналов, были составлены именно такие рекомендации.



ЗАКЛЮЧЕНИЕ

В работе было исследовано функционирование и взаимодействие партнерских сетей с владельцами YouTube каналов и компанией Google, в этом взаимодействии обнаружилась проблема принятия решения менеджерами по подключению каналов к партнерской сети, поскольку не существует инструмента оценки аудитории канала, на момент принятия этого решения. Эта проблема во многом связана со сбором и предоставлением данных со стороны авторов, поскольку большая часть из них является конфиденциальной, либо сбор этих данных потребует длительных наблюдений.

Поскольку функционирование партнерских сетей подразумевает некоторый штат сотрудников, а так же есть обязательные к исполнению правила составленные компанией Google, партнерские сети не могут бесконечно расширяться и просто подключать всех подряд, ввиду этих ограничений: по трудовым ресурсам и правилам составленных компанией Google.

На текущий момент существует два инструмента способные помочь в принятии подобного решения - «SocialBlade» и «VidIQ». Но оба этих инструмента не являются исчерпывающими, даже в случае одновременного применения, поскольку первый сервис хоть и предоставляет возможность построения некоторых прогнозов, их достоверность вызывает сильное сомнение. Второй же сервис способен предоставить какие-то дополнительные сведения о канале, но его прогнозы и вычисленные средние так же вызывают сомнения.

Попытка создать собственный инструмент построения прогнозных значений числа подписчиков провалилась ввиду невозможности сбора необходимого объема исходных данных.

В результате чего был сделан выбор в пользу метода совместного (conjoint) анализа, который позволяет работать с данными предоставленными партнерской сетью, а именно список подключенных к этой сети каналов за последний год.

Эти данные были разделены по категориям, определенными сервисом YouTube и партнерской сетью, сгруппированы и выстроены по убывающей характеристике числа подписчиков (от большего к меньшему).

Из всех категорий на анализ были отобраны три:

1. «Gaming»;

2. «How to/Style»;

3. «Film/Animation»;

В исходных данных уже имелось два параметра - число подписчиков канала, на момент запроса данных, и время подключения его к партнерской сети. Была построена парная регрессия, для каждой выделенной группы, для проверки сформулированной гипотезы: «фактор времени работы внутри партнерской сети влияет на число подписчиков каналов».

Гипотеза в частном случае верна, любой канал, функционируя в нормальном режиме работы всегда будет иметь положительную динамику подписчиков.

Однако в этом исследовании не учитывалось две важных характеристики - предельная аудитория канала и период интенсивного роста.

Эти два фактора взаимосвязаны, однако, их выделение и определение это тема для дальнейших исследований.

Гипотеза была отвергнута, поскольку коэффициент детерминации для всех трех исследуемых групп оказался крайне мал, меньше одной десятой. Это показывает не значительное влияние параметра времени работы, на число подписчиков, что косвенно подтверждает эмпирические наблюдения о росте аудитории у работающих каналов, однако не может являться исчерпывающим ответом для принятия решения о подключении канала к сети.

Все это привело к созданию экспертной группы из менеджеров по подключению партнерской сети и владельцев YouTube каналов, которым на оценку было предложено несколько десятков крупнейших каналов из каждой категории, для выявления составных характеристик, влияющих, по мнению экспертов на общую полезность работы этого канала, что выражается приростом аудитории.

После выявления экспертами характеристик, были составлены планы, для каждой исследуемой категории отдельно, куда вошли каналы, обладающие тем или иным набором выделенных экспертами характеристик. По этому плану проводился опрос, для проведения совместного анализа.

Данные опросов были обработаны, и на выходе получилось оцененная полезность выявленных экспертами характеристик YouTube каналов, на основании этих вычислений были построены рекомендации для принятия решения о подключении канала к партнерской сети. Эта оценка полезностей характеристик означает привлекательность каналов для потенциальной аудитории, а значит, может использоваться для построения примерных прогнозов об успехе конкретного канала, если он обладает этими характеристиками.

Таким образом все поставленные в начале исследования задачи были успешно выполнены.

По итогу - цель исследования - создание инструмента помощи принятия решения для менеджеров партнерской сети, по вопросу подключения новых владельцев каналов, была полностью достигнута

Основной трудностью проведения такого анализа является выявление характеристик, и составление плана анализа для конкретной категории, однако данный метод можно без проблем использовать и для других категорий YouTube каналов, чтобы выявить значимые факторы и строить новые рекомендации для новых характеристик, или других групп каналов.



СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Аббакумов В.Л. Бизнес-анализ информации. Статистические методы: Учебник // В.Л. Аббакумов, Т.А. Лёзина. - М.:ЗАО «Издательство «Эконометрика»», 2009. - 374 с. - (Учебники экономического факультета СПБГУ).

2. Айвазян С.А. Мхитарян В.С. Прикладная статистика и основы эконометрики: Учебник для вузов // Айвазян С.А. Мхитарян В.С. Москва: Юнити-Дана, 2001. - 656 с.

3. Бююль А. Цефель П. SPSS искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей. Учебник // Бююль А. Цефель П. СПБ.:ДиаСофтЮп, 2002 - 608 с.

4. Козинова А.Т. ПРАКТИКУМ ПО ЭКОНОМЕТРИКЕ: Учебное пособие // Козинова А.Т. Нижний Новгород: Нижегородский госуниверситет, 2011. - 96 с.

5. Балабанов А.С. Анализ данных в экономических приложениях. Учебное пособие // А.С. Балабанов, Н.Р. Строгина - Н.Новгород: Издательство Нижегородского госуниверситета им. Н.И. Лобачевского, 2004, - 135.

6. Караев В.Ю. Совместный анализ в практике исследований рынка // В.Ю. Караев, А.С. Балабанов // Маркетинг в России и за рубежом - №2. - 2008. С. 7-15.

7. Yoola - Creators Nation | Развлекательный контет в YouTube [Электронный ресурс]. - Режим доступа: https://yoola.com/ru (Дата обращения 14.04.2017).

8. YouTube - Википедия [Электронный ресурс]. - Режим доступа: https://ru.wikipedia.org/wiki/YouTube - (Дата обращения 02.05.2017).

9. Алгоритм оценки полезности в рамках совместного анализа [Электронный ресурс] - Режим доступа: http://analisi-dei-dati.narod.ru/ConjointSimple.pdf - (Дата обращения 17.04.2017).

10. Справка - YouTube [Электронный ресурс] - Режим доступа: https://support.google.com/youtube (Дата обращения 06.05.2017).

11. Справка - AdSense [Электронный ресурс] - Режим доступа https://support.google.com/adsense/ (Дата обращения 06.05.2017).

12. YouTube, история его создания и развития [Электронный ресурс] - Режим доступа: http://www.seoded.ru/istoriya/internet-history/youtube.html - (Дата обращения 03.05.2017).

13. How does Google Adsense Works [Электронный ресурс] - Режим доступа: https://www.digitalmarketingpro.net/how-does-google-adsense-works-253/ (Дата обращения 06.05.2017).

14. vidIQ [Электронный ресурс] - Режим доступа: https://app.vidiq.com/ (Дата обращения 07.05.2017).

15. YouTube, Twitch, Twitter, & Instagram Statistics - SocialBlade.com [Электронный ресурс] - Режим доступа: https://socialblade.com/ (Дата обращения 07.05.2017).

Размещено на Allbest.ru

...