YouTube 영상에 대한 카테고리별 특성 및 사용자 반응성 분석에 관한 연구

Ⅰ. 서 론

인터넷과 디지털 기술의 발달로 인해 개인이 콘텐츠를 기획하고 제작하여 유통까지 하는 1인 미디어 개념이 등장하였다. 이러한 1인 미디어의 확산에는 촬영 장비의 보급과 쉽게 영상 편집이 가능해져 제작 환경 차원에서 진입장벽이 낮아졌다[1]. 이와 더불어 실시간 방송을 하거나 동영상 콘텐츠를 공유하는 플랫폼의 등장 및 발달이 편리하게 콘텐츠를 제작하고 송출할 수 있는 환경을 마련하였다[2]. 전 세계적으로 동영상 공유 플랫폼은 YouTube로 대표되는데, 2018년 집계된 자료에 의하면, YouTube 누적 사용자 수는 약 130억 명이고, 하루 방문자 수는 약 3천만 명, 분당 300시간 분량의 동영상이 YouTube에 업로드되는 것으로 집계되었다[3].

최근 YouTube는 단순한 온라인 동영상 서비스를 지나 정보 검색 채널로도 활용이 되고 있으며, 이 외에도 SNS, 음원 스트리밍 역할까지 그 영향력을 넓히고 있다[4]. 이와 더불어 영상 콘텐츠를 통해 이루어지는 광고 효과는 저비용으로 24시간 광고 효과를 볼 수 있어 YouTube를 이용한 광고 시장도 성장하고 있다[5][6]. 이러한 YouTube와 1인 제작자의 행보는 단순 미디어 산업에 영향을 끼치는 수준을 넘어 전 산업 분야에 시사하는 바가 있어 사회 전반에 큰 영향을 미칠 것으로 전망되고 있다[7].

한편, YouTube에서 사용하는 콘텐츠 카테고리에는 음악, 엔터테인먼트, 코미디, 사람/블로그, 여행/이벤트, 게임, 노하우 등 15가지가 있으며 채널 및 조회 수 분포, 채널의 성장 속도 등은 카테고리별로 다른 양상을 나타내었다[8]. 그러나 YouTube를 중심으로 콘텐츠에 관한 기존 연구는 이러한 카테고리별 특성에 대하여 포괄적이면서 심층적인 분석이 충분히 이루어지지 못하였다.

따라서 본 연구는 이렇듯 1인 미디어와 온라인 동영상 서비스의 중심에 있는 YouTube를 대상으로 그 채널과 영상 콘텐츠 데이터를 분석하여 카테고리별 특성에 관한 연구를 진행하고자 한다. 먼저 2절에서는 YouTube 플랫폼에 관한 선행 연구에 대해 알아본다. 3절에서는 데이터 수집 및 전처리 과정을 설명하고, 4절에서는 카테고리별 채널 및 영상 특성을 분석한다. 나아가, 5절에서는 이러한 특성을 기반으로 단순 구독자 수 혹은 조회 수를 통한 채널과 관련한 평가를 넘어 반응성이라는 새로운 평가 요소를 정의하고, 사용자의 콘텐츠에 대한 반응성을 카테고리별로 비교 분석한다. 마지막 6절에서는 분석 결과의 의미와 본 연구의 의의를 제시하고자 한다.

Ⅱ. 선행 연구

기존 미디어 산업과 더불어 다양한 영역에 이르기까지 YouTube의 영향력이 커지고 있는 가운데, YouTube에 관한 사전 연구는 다음과 같다. X. Cheng et al.은 3백만 자료를 수집하여 영상 카테고리, 영상 길이, 영상 파일 크기 등의 비디오 영상 데이터를 활용한 통계적 및 소셜 네트워크 분석을 진행하였고, 영상의 트래픽, 생명 주기, 순위 및 댓글 등의 통계 데이터를 통해 기존 영상 스트리밍 플랫폼과 YouTube 플랫폼의 비교하였다[9][10]. X. Che et al.은 비디오 영상 길이 및 영상 파일 크기 등의 데이터를 통해 2007년과 2013년의 플랫폼 트래픽 및 비디오 특성에 대한 비교 분석을 진행하였다[11]. M. Ba¨rtl은 2006년부터 2016년의 5백만 비디오 영상의 통계 데이터를 활용하여 시계 열적인 분석을 진행하였다[8]. G. Chatzopoulou은 37만 영상 데이터를 수집하여 영상의 인기도 평가 분석을 통해 영상의 순위 및 인기도와 높은 연관성을 갖는 지표를 분석하였다[12].

한편 국내 YouTube 채널을 대상으로 이루어진 연구는 다음과 같다. 한석희는 국내 인기 YouTube 채널 분석을 진행하였다. 국내 YouTube 채널 중 구독자 수 상위 100개 채널과 시청 항목 인기 채널을 조사하여 채널들의 특징을 파악하였다[13]. 또한, 변현진은 인기 채널 200여 개를 선정하여 YouTube 콘텐츠 제작과 이용 환경의 최신 변화의 흐름과 특성, 인기 채널 카테고리 분석 및 사례 정리 등과 함께 성공 요인을 고찰하였다[14]. 김정현 외.는 YouTube를 중심으로 1인 미디어가 문화 전파 및 수용에 미치는 영향을 연구하였다. 최근 2년 동안의 누적 조회 수를 기준으로 문화 매개 전달 방식, 언어 특징 등 디지털 문화 매개자로서의 1인 미디어 역할을 연구하였다[15].

이러한 연구 외에도 YouTube와 관련된 선행 연구의 경우 광고 및 수익과 관련된 산업적 측면의 연구, 영상 콘텐츠와 관련된 연구 혹은 한 가지 카테고리에 국한된 연구가 주를 이루었다. 그러나 이는 전체의 흐름을 파악하는 데 한계가 있다. 결국, 현재의 YouTube를 포괄적으로 살펴봄으로 플랫폼 이용 현황 및 카테고리별 특성을 파악할 수 있는 거시적 연구가 부족하다. YouTube가 최근 보여주고 있는 성장세와 더불어 미디어 산업을 포함한 산업 분야에 미치는 영향력을 고려했을 때, 카테고리별 특성을 반영할 수 있는 새로운 분석 관점이 필요한 시점이라 할 수 있다.

Ⅲ. 데이터 수집 및 전처리

데이터 수집의 전 과정은 그림 1과 같은 단계로 진행한다. 카테고리별 상위 YouTube 채널 리스트 수집을 위해 소셜 미디어 통계 집계 및 분석 사이트인 소셜 블레이드(Social Blade)를 참고하였다[16]. 웹 스크래핑을 통해 사이트에서 제공하는 16가지의 카테고리 각각에 대하여 상위 250위의 채널 리스트를 수집하였다. 수집한 각 채널에 대하여 구독자 수, 조회 수 총합, 채널 국적, 채널 타입 및 최고 인기 영상 리스트 10개씩 수집하였다.

Fig. 1.

Data collection & preprocessing work flow

1차 전처리 과정으로, 수집한 채널 리스트 중 구독자 수가 10만 명 미만이거나 총 영상 수가 10개 미만인 채널은 제거하였다. 구독자 수 10만 명의 기준은 YouTube에서 공인하는 YouTube Creator Awards의 가장 최소 단계인 Silver button의 심사 기준인 구독자 수 10만 명을 따른다. 또한, 각 영상의 특성을 반영하기에 유효한 데이터를 취하기 위해 각 채널의 최고 인기 영상 10개씩을 수집한다. 전처리 및 중복 제거 후 수집한 채널 리스트는 총 3,844개이다.

다음으로 YouTube API를 통해 각 채널의 최고 인기 영상의 통계 데이터를 수집한다. 수집한 영상 데이터에는 영상의 조회 수, Likes 수, Dislikes 수, 댓글 수, 영상 업로드 시간 및 영상 길이가 있다.

2차 전처리 과정으로, API 수집 단계에서 속성이 누락되는 표본은 모두 데이터 세트에서 제거한다. 표 1은 YouTube API 기준으로 나눈 카테고리별 영상 개수를 나타낸다. Shows와 Trailers는 다른 카테고리 대비 영상 개수가 현저히 낮아 그 특성을 반영하기에 충분하지 못하다. 따라서 이를 제거한 15개의 카테고리만을 취하여 최종적으로 총 36,336의 영상 데이터를 분석한다.

Table 1.

Sample counts after 2nd processing

구독자 수, 영상 조회 수 등의 통계 데이터 기준은 데이터 수집일인 2019년 7월 20일을 기준으로 한다. 최종적으로 수집한 통계 데이터에는 채널 수준에서 채널의 게시일, 구독자 수, 채널 총조회 수 합, 영상 개수가 있다. 영상 수준에서의 데이터는 영상 카테고리 (YouTube API 기준), 영상 조회 수, Likes 수, Dislikes 수, 댓글 수, 영상 길이 등이 있다. 영상의 카테고리는 YouTube API의 기준인 영화/애니메이션, 자동차, 음악, 동물, 스포츠, 여행/이벤트, 게임, 사람/블로그, 코미디, 엔터테인먼트, 뉴스/정치, 노하우/스타일, 교육, 과학/기술, 비영리 활동의 15가지 카테고리를 따른다. 최종 데이터 세트의 영상은 2006년 5월 16일에서 2019년 7월 16일 동안 업로드되었다. 카테고리별 분포도는 그림 2와 같이 엔터테인먼트(12%)가 가장 많이 차지하며 비영리 활동(4.13%) 카테고리가 가장 적은 분포도를 가진다. 데이터 수집과 분석에 사용한 프로그램은 파이썬 3.7이며 웹 스크래핑에는 셀레니옴(Selenium) 프레임워크 3.14버전을 사용하였다.

Fig. 2.

The distribution of the samples by the categories

Ⅳ. 채널 및 영상 특성 분석

4-1 카테고리별 채널 특성 분석

1) 채널 구독자 수

카테고리별 채널 구독자 수는 T-Series(음악, 105,508,747명)가 가장 많으며 전체적인 분포도는 그림 3과 같다. 중간값 기준으로 볼 때, 음악(9,789,580.0명)과 엔터테인먼트(7,078,561.0명), 코미디(3,881,167.0명) 카테고리 순으로 많다. 가장 적은 구독자 수를 보이는 카테고리는 비영리 활동(298,362.0명), 여행/이벤트(540,243.0명), 동물(558,392.0명) 카테고리이다.

Fig. 3.

The channel characteristics by category

2) 채널 조회 수

채널 조회 수는 각 채널에 대하여 모든 영상의 조회 수를 더한 총합이다. 카테고리별 채널 조회 수는 T-Series(음악, 76,686,143,339회)가 가장 많으며 전체적인 분포도는 그림 3과 같다. 중간값 기준으로 볼 때, 음악(약 321,363만 회)과 엔터테인먼트(약 133,174만 회), 코미디(약 693,787만 회) 카테고리가 가장 많다. 가장 적은 채널 총조회 수를 가지는 카테고리는 비영리 활동(약 562,663만 회), 여행/이벤트(약 556,202만 회), 동물(약 669,230만 회) 카테고리이다.

3) 채널 영상 수

카테고리별 채널 영상 수는 AP Archive(뉴스/정치, 456,454개)가 월등히 많으며 전체적인 분포도는 그림 3과 같다. 중간값 기준으로 볼 때, 뉴스/정치(14781.0개)와 게임(1095.0명), 엔터테인먼트(650.0개) 카테고리가 많다. 이는 다른 카테고리 대비, 다수의 콘텐츠를 제작하기에 상대적으로 쉬운 콘텐츠라 제작하기에 쉬운 콘텐츠라 추정할 수 있다. 가장 적은 영상 개수를 가지는 카테고리는 음악(194.0개), 코미디(262.0개), 동물(322.5개) 카테고리이다.

4-2 카테고리별 영상 특성 분석

1) 영상 조회 수

카테고리별 영상 조회 수는 채널 LuisFonsiVEVO의 “Luis Fonsi - Despacito ft. Daddy Yankee” (6,332,885,169회)가 가장 많으며 전체적인 분포도는 그림 4(첫 번째)와 같다. 중간값 기준으로는 음악(90,717,822.0회), 영화/애니메이션(22,308,629.0회), 엔터테인먼트(15,975,063.0회) 카테고리가 높다. 반면, 낮은 영상 조회 수를 보이는 카테고리는 비영리 활동(1,366,399.0회), 여행/이벤트(2,312,017.5명), 자동차(2,763,284.0회) 카테고리이다.

Fig. 4.

The video characteristics by category

2) 영상 Likes 수, Dislikes 수, 댓글 수

Likes 수의 분포도는 그림 4(두 번째)와 같으며, 가장 많은 Likes 수를 받은 영상은 채널 LuisFonsiVEVO의 “Luis Fonsi - Despacito ft. Daddy Yankee” (34,092,960회)이다. 중앙값 기준으로 음악(515,797.5회), 코미디(210,637.0회), 엔터테인먼트(126,914.5회) 카테고리가 높은 값을 보인다. 반면, Likes 수가 낮은 카테고리에는 비영리 활동(4,955.75회), 뉴스(17,792.5회), 여행/이벤트(18,673.0회) 카테고리가 있다.

Dislikes 수의 분포도는 그림 4(세 번째)와 같으며 가장 많은 Dislikes 수를 받은 영상은 채널 YouTube의 “YouTube Rewind 2018: Everyone Controls Rewind | #YouTuberewind”(16,444,080회)이다. 중앙값으로 음악(28,945.0회), 코미디(6,676.0회), 엔터테인먼트(10,269.5회) 카테고리에서 높게 나타난다. 반면 Dislikes 수가 낮은 카테고리에는 비영리 활동(885.0회)과 뉴스/정치(2,400.5회), 여행/이벤트(1,466.0회)가 있다.

댓글 수의 분포도 또한 그림 4(네 번째)와 같으며 가장 많은 댓글 수를 받은 영상은 채널 officialpsy의 “PSY - GANGNAM STYLE(강남스타일) M/V” (4,965,855회)이다. 중앙값으로 음악(22,165.5개), 코미디(10,060.0개), 엔터테인먼트(5,017.0회)에서 높으며 댓글 수가 낮은 카테고리는 비영리 활동(742.0회)과 여행/이벤트(1,384.0회), 동물(1,770.0회) 카테고리가 있다.

3) 영상 길이

카테고리별 영상 길이는 채널 SAMAA TV의 “SAMAA NEWS LIVE” (22시간 42분)이 가장 높으며 전체 분포도는 그림 4(다섯 번째)와 같다. 중간값 기준으로 자동차, 게임, 여행/이벤트(10분) 카테고리가 높고, 음악(3분), 동물(5분) 카테고리가 가장 낮으나 카테고리별 차이는 크지 않다.

Ⅴ. 반응성 분석

5-2 카테고리별 반응성 비교

1) 구독자 반응성

구독자 수 대비 영상의 조회 수 비율이 높을수록 채널과 해당 채널의 영상에 관한 구독자의 반응성이 높다는 것을 의미하며 이를 구독자 반응성(Subscriber Reactivity)이라 명명한다.

$\[ \text{구독자반응성 }\left(\text{회/명}\right)\text{=}\frac{\text{영상조회수}}{\text{구독자수}} \]$

(1)

카테고리별 분포는 그림 5(첫 번째)와 같으며 가장 높은 구독자 반응성을 보인 채널은 QueenHouse85 (891.8 회/명)이다. 중간값 기준으로 동물(16.5회/명), 음악(13.6회/명), 영화/애니메이션(10.4회/명) 카테고리이다. 반면 낮은 비율을 보인 카테고리에는 게임(2.4회/명)과 사람/블로그(3.3회/명), 노하우/스타일(3.6회/명) 카테고리가 있다.

Fig. 5.

The distribution of reactivity factors

주목할 만한 점은 앞에서 살펴본 바와 같이 조회 수 및 구독자 수는 동물 채널이 비교적 가장 낮은 분포도를 보였으나 구독자 대비 조회 수로 비교할 시, 가장 높은 반응성을 보였다는 점이다.

2) 참여도 반응성

앞서 설명한 것과 같이 영상의 Likes 수, Dislikes 수, 댓글 수는 사용자가 영상을 단순히 시청하는 것 이상의 반응을 표시하는 행위라 할 수 있다. 영상의 Likes 수, Dislikes 수, 댓글 수의 합을 참여도로 정의하면, 참여도가 높다는 의미는 해당 영상과 관련하여 긍/부정의 의미를 차치하고 영상에 대한 사용자의 기본 조회 이상의 더 높은 관심과 참여로 해석할 수 있다. 따라서 조회 수 대비 참여도를 참여 반응성(Participation Reactivity)이라고 명명한다.

$\[ \text{영상참여도}\left(\text{개}\right)\text{=}Likes\text{수+}Dislikes\text{수+댓글수} \]$

(2)

$\[ \text{참여반응성 }\left(\text{개/회}\right)\text{=}\frac{\text{영상참여도}}{\text{영상조회수}} \]$

(3)

카테고리별 분포는 그림 5(두 번째)와 같으며 가장 높은 참여 반응성을 보인 영상은 JoaoGaming 채널의 “BOMBA!! CÓDIGO DO FREE FIRE PARA GANHAR OVOS VERDES INFINITOS NO FREE FIRE!!” (0.52개/회)이다. 중앙값 기준으로 코미디(0.019개/회), 게임(0.016개/회), 노하우(0.016개/회) 카테고리에서 높게 나타난다. 반면 낮은 비율을 보인 카테고리는 영화/애니메이션(0.004개/회)과 뉴스/정치(0.006개/회), 음악(0.007개/회) 카테고리이다.

3) 콘텐츠 반응성

앞에서 살펴본 바와 같이 YouTube에서 주로 10분 안팎의 영상이 제작 및 소비되고 있는 특성을 고려할 때, 영상의 길이에 대하여 나타나는 반응성에 대해 생각해볼 필요가 있다. YouTube는 영상의 길이에 대하여 YouTube 자체 기준을 초과할 시 조회 수로 집계한다. 따라서 영상의 길이가 길어도 영상을 시청한다는 것은 해당 영상의 콘텐츠에 대한 사용자의 반응성이 높다고 할 수 있다. 따라서 조회 수 대비 영상 길이의 제곱을 콘텐츠 반응성(Contents Reactivity)이라 명명하며, 그 값이 클수록 채널의 콘텐츠 자체에 대하여 높은 반응성을 갖는다.

$\[ \text{콘텐츠반응성 }\left(\text{회/}{\text{초}}^{\text{2}}\right)\text{=}{\left(\frac{\text{영상조회수}}{{\text{영상길이}}^{\text{2}}}\right)}^{\text{-1}} \]$

(4)

가장 높은 콘텐츠 반응성을 보인 영상은 Haramas 채널의 “It's Mamix vs Влад A4 КТО ЖЕ ПОБЕДИТ?” (30355.2회/초²) 이며 전체 분포도는 그림 5(세 번째)와 같다. 중앙값으로 비영리 활동(0.181회/초²), 여행/이벤트(0.17회/초²), 자동차(0.11회/초²) 카테고리에서 높게 나타난다. 낮은 비율은 보인 카테고리는 음악(0.0004회/분)과 코미디(0.013회/분), 엔터테인먼트(0.013회/분) 카테고리이다.

4) 반응성 종합 비교

구독자 반응성에서 높은 값을 보인 카테고리는 음악, 영화/애니메이션과 엔터테인먼트이고, 참여도 반응성에서 가장 높은 값을 보인 카테고리에는 동물, 음악, 영화/애니메이션이다. 마지막으로 콘텐츠 반응성에서 가장 높은 값을 보인 카테고리는 비영리 활동, 여행/이벤트, 자동차이다. 이처럼 3가지 부분에 대하여 카테고리별로 다른 반응성을 확인할 수 있으며 이를 카테고리별 순위로 비교하면 더욱 분명히 나타난다. 그림 6은 3가지 특성에 대해 순위를 나타낸 그림으로 조회 수만을 기준으로 평가한 결과와 비교하여 다른 양상을 확인할 수 있다.

Fig. 6.

The comparison of ranking by views and reactivity factors

그림 7은 이를 종합적으로 보여주는 그림으로 x축을 구독자 반응성, y축을 참여도 반응성, 원의 크기는 콘텐츠 반응성을 나타낸다. x값이 클수록 채널의 구독자 수 대비 조회 수가 높음을 뜻하고, y 값이 클수록 영상 조회 수 대비 참여도가 높음을 뜻한다. 또한, 원의 크기가 클수록 영상 길이에 대한 반응성이 크다고 해석할 수 있다.

Fig. 7.

Reactivity comparison by category

그림 7의 2 사분면에 있는 코미디와 게임 카테고리는 구독자 수 대비 시 참여도가 높다. 4 사분면에 있는 영화/애니메이션 카테고리를 비롯한 2가지 카테고리는 구독자 대비 조회 수가 높다. 비영리 활동을 비롯하여 3 사분면에 있는 7가지 카테고리는 구독자 수 대비 조회 수, 조회 수 대비 참여도가 낮음을 보인다. 하지만 비영리 활동, 여행/이벤트, 자동차 카테고리는 영상 길이 대비 조회 수가 높음을 보인다.

Ⅵ. 결 론

Acknowledgments

이 논문은 국토교통부의 스마트시티 혁신인재 육성사업으로 지원되었으며, 2019년도 연세대학교 미래융합연구원(ICONS)의 지원을 받아 수행되었습니다. 관계부처에 감사드립니다.

참고문헌

• DMC Media, "Current trend and outlook of 1-person media," DMC report, Seoul, 2016
• J. H. Park, "The trends and growth potential of domestic market of one-person media," KIET, 2017
• S. J. Kang, "The Growth and Changes of Youtube, the biggest video sharing platform," KB Finance Group Research, 17, 2017
• J. S. Kim, "A Study on Transition of Youtube Platform," Korea Culture Technology, 24, 61-91, 2018
• M. R. Kim & J. E. Jeon, "The Effects of Video-sharing Platform Activities on Brand Equity: Focusing on YouTube Channel," Journal of Distribution and Management Research, 22(2), 25-33, 2019
• W. H. Lee, "Analyzing the Trend of Online Video Advertising on YouTube," Korea Design Forum, 54(51), 95-103, 2016 [https://doi.org/10.21326/ksdt.2016..51.008]
• H. J. Seo, "The assessment and prospect of the era of creators," Korea Press Foundation, 2018
• M. Bä rtl, "YouTube Channels Uploads and Views: A Statistical Analysis of the past 10 years," SAGE Journals, 24, 16-32, 2018 [https://doi.org/10.1177/1354856517736979]
• X. Cheng, C. Dale & J. Liu., "Statistics and Social Network of YouTube Videos," IEEE Xplore, 2008 [https://doi.org/10.1109/IWQOS.2008.32]
• X. Cheng, C. Dale & J. Liu., "Understanding the Characteristics of Internet Short Video Sharing: A YouTube-Based Measurement Study," IEEE MultiMedia, 15(5), 2013 [https://doi.org/10.1109/TMM.2013.2265531]
• X. Che, B. Lp & L. Lin, "A Survey of Current YouTube Video Characteristics," IEEE MultiMedia, 22(2), 2015 [https://doi.org/10.1109/MMUL.2015.34]
• G. Chatzopoulou, C. Sheng & M. Faloutsos, "A First Step Towards Understanding Popularity in YouTube," IEEE, 2010 [https://doi.org/10.1109/INFCOMW.2010.5466701]
• S. H. Han, "Analysis of Popular - 12 -YouTube Channels Created in South Korea, The Journal of The Institute of Internet," Broadcasting and Communication, 18(2), 11-17, 2018
• H. J. Byun, "Analysis of the Characteristics in the Contents Production and Usage Environment of YouTube and its Popular Channels; and Examination of its Implications," A Treatise on The Plastic Media, 21(4), 2018
• J. H. Kim & B. Y. Kim, "Personal Media as Cultural Intermediaries, YouTube Channel Korean Englishman," Journal of The Korea Contents Association, 18(6), 2018
• SocialBlade, Available: https://socialblade.com/youtube/top/category/shows, .