트리기반 머신러닝을 이용한 새로운 동영상 조회수 예측 영향성 인자 분석 (Analysis of Influential Factors for the Prediction of YouTube Views Using Tree-based Machine Learning)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 26권 / 1호 / 175 ~ 182페이지
· 저자명 : 최승호, 김진웅, 서지원, 손창호

초록

유튜브는 최근 몇 년 간 전 세계에서 가장 인기 있는 미디어 공유 플랫폼으로 자리 잡았다. 유튜브 조회수는 콘텐츠 성공의 중요한 지표로, 정확한 예측이 콘텐츠 전략 개발에 큰 도움이 된다. 그러나 유튜브 조회수를 예측하는데 어떠한 요인이 영향성을 끼치는지에 대해서 알려져 있지 않아 새로운 콘텐츠에 대해서 조회수를 예측하는 것은 어렵다. 새로운 동영상 조회수 예측하는데 미치는 영향 인자를 찾아 도움을 주고자, 우리는 모든 카테고리를 포함하는 유튜브 영상의 메타데이터와 파생 변수를 이용해 새로운 동영상 조회수를 예측하는 프로그램을 제안한다. 우리는 트리 기반 머신러닝 모델 5개를 사용하여 조회수 예측 성능을 검증했고, SHAP 분석을 통해 조회수 예측에 주요 영향을 미치는 특성을 분석했다. 우리는 제안된 방법을 통해 좋아요 수, 동영상 길이, 카테고리 ID 등 여러 특성이 유튜브 조회수 예측에 중요한 영향을 미치는 요인임을 확인했다.

영어초록

In recent years, YouTube has become the most popular media sharing platform worldwide. The number of views of YouTube videos is a crucial indicator of content success, and its accurate prediction can significantly help in the development of content strategies. However, the factors influencing YouTube view predictions are not well understood, making it difficult to predict the views of new content. To address this, we propose a method to predict the views of new videos using metadata and derived variables from YouTube videos across all categories. We validated the prediction performance using five tree-based machine learning models and analyzed the key features influencing view prediction through SHapley Additive exPlanations (SHAP) analysis. Through the proposed method, we confirmed that several factors, such as the number of likes, video length, and category ID, have a significant impact on the prediction of YouTube views.

참고자료

· 없음