Аналитика Ютуб трендов
Описание проекта
Проект посвящен анализу трендов и вовлеченности аудитории на платформе YouTube. Я исследовала, какие факторы влияют на успех видео: количество просмотров, лайков, время публикации и эффективность разных каналов. ля исследования я использовала датасет Trending YouTube Video Statistics с платформы Kaggle, содержащий информацию о популярных видео из разных регионов, включая Россию.
Вся обработка данных и создание визуализаций выполнялись в Google Colab. Мне было интересно понять, почему одни видео становятся вирусными, а другие остаются незамеченными, и как создатели контента могут повысить вовлеченность своей аудитории.
Основная цель проекта — выявить закономерности в поведении зрителей и дать практические рекомендации для создания более успешного контента. Все графики выполнены в едином стиле с темной темой и красными акцентами для наглядного представления результатов анализа.
Вид графиков
В проекте я использовала четыре вида графиков. Первый график совмещает две визуализации: слева показано, как распределяются просмотры по видео, а справа — как связаны просмотры и лайки. Это помогает сразу увидеть общую картину.
Второй график — это столбчатая диаграмма, которая показывает, какой процент зрителей ставит лайки. На нем отмечены среднее значение и середина распределения, чтобы было понятно, что считается нормой.
Третий график — горизонтальные столбцы, которые ранжируют каналы по вовлеченности аудитории. Он помогает сравнить, у каких каналов зрители активнее всего выражают одобрение.
Четвертый график — линия, которая показывает, в какое время суток публикации получают больше всего лайков. Это помогает определить лучшее время для выхода новых видео.
Подбор визуального стиля
Цветовая палитра, сгенерированная в Gradients.app
Итоговые графики
График 1
Большинство видео набирают мало просмотров, и обычно чем больше просмотров, тем больше лайков. Но есть исключения. Некоторые видео при средних просмотрах получают необычно много лайков. Это значит, что для успеха недостаточно просто набрать много просмотров. Важно создавать контент, который действительно нравится зрителям и заставляет их ставить лайки.
График 2
Большинство видео получает от 4% до 7% лайков от просмотров — это обычный уровень. Но есть немного роликов, которые получают гораздо больше лайков, и они поднимают средний показатель. Сделать видео с вовлеченностью выше 7% трудно, но именно такие успешные ролики помогают каналу расти.
График 3
Анализ показывает, что самые успешные каналы получают намного больше лайков относительно просмотров. В среднем 7-9% против обычных 4-6%. Это значит, что их зрители не просто смотрят видео, а активно выражают одобрение. Такой высокий процент лайков говорит о том, что у этих каналов есть особый подход к контенту, который нравится аудитории и заставляет её чаще нажимать «нравится».
График 4
Время публикации видео сильно влияет на количество лайков. Есть часы, когда зрители активнее ставят лайки, и часы, когда они делают это реже. Разница может быть существенной. В хорошее время видео получает заметно больше лайков. Это значит, что можно просто публиковать видео в правильное время, чтобы увеличить вовлеченность аудитории без изменения самого контента.
Выводы
В ходе работы над проектом я провела анализ данных о популярных видео на YouTube и сделала несколько важных наблюдений.
Во-первых, я заметила, что обычно больше просмотров означает и больше лайков. Это логично: чем больше людей посмотрело видео, тем больше среди них тех, кому оно понравилось. Но особенно интересно, что нашлись видео, которые при не самом высоком количестве просмотров получили очень много лайков. Похоже, это особенный контент, который сильно задевает зрителей.
Во-вторых, посчитав процент лайков от просмотров, я увидела, что у большинства видео этот показатель колеблется между 4% и 7%. Видео, где лайков больше 7% — это уже выше среднего. Их не так много, но именно они показывают, что возможно создавать контент с высокой вовлеченностью.
В-третьих, сравнив разные каналы, я обнаружила заметные различия в том, как аудитория реагирует на их контент. Некоторые каналы стабильно получают больше лайков относительно просмотров, что говорит о том, что они нашли подход к своей аудитории.
Наконец, я посмотрела, как время публикации влияет на реакцию зрителей. Оказалось, что в определённые часы люди охотнее ставят лайки. Это полезное знание для тех, кто хочет максимизировать вовлечённость.
Главный вывод, который я сделала: чтобы быть успешным на YouTube, важно не просто набирать просмотры, а создавать контент, который вызывает у людей желание поставить лайк. Иногда несколько особенно удачных видео могут существенно повлиять на общие показатели канала.
Описание применения генеративной модели
Я пользовалась нейросетями, чтобы сделать обложку проекта и получить помощь в написании и оптимизации кода для анализа данных, когда сталкивалась с техническими сложностями.
DeepSeek: улучшение кода, помощь с поиском ошибок
Ideogram: генерация обложки
Gradients.app: создание цветовой палитры
