Точность демографических данных youtuber в SocialBook.
Я получил много запросов о том, как мы прогнозируем демографические данные для влиятельных лиц YouTube и насколько они точны. И я заметил, что есть некоторые другие платформы, утверждающие, что они также могут предсказывать демографические данные. Итак, позвольте мне сделать здесь некоторое объяснение / сравнение.
Мы знаем, что с разрешения YouTube мы можем получить официальные демографические данные из API данных YouTube, и эти данные должны быть точными. Давайте сначала сравним гендерное распределение: (я вынужден скрыть аккаунт YouTube в целях конфиденциальности). На изображении ниже слева показаны данные, возвращенные API YouTube, а справа - данные, которые мы рассчитали.
Я специально выбрал некоторых youtuber, аудитория которых в основном мужская (≥80%), некоторых youtuber, чья аудитория в основном женская (≥90%), и некоторых youtuber, у которых почти равное разделение между мужчинами и женщинами. Как видно из вышеизложенного, оценка пола довольно точна. Средняя точность составляет около 95%.
А теперь давайте проверим распределение по странам.
Страна:
Фактическое: AR: 18,01%, CO: 7,12%, MX: 39,61%, ES 6,43%, CL 10,1%
Прогноз: AR: 20%, CO: 11%, MX 31%, ES, 3%, CL: 11%
Как видите, некоторые страны довольно точны, в некоторых могут быть ошибки, но рейтинг остается точным: MX ›AR› CL ≥ CO ›ES, что важно, потому что, когда вы пытаетесь найти YouTube для работы, вы хотите знать, где в основном находится их аудитория. Давайте просто проверим другую группу:
Фактический: 47,14% США, Германия: 7,65%, Великобритания 5,06%
Прогноз: США: 50%, Германия: 9%: ГБ: 5%
Опять же, есть небольшие ошибки, но относительное ранжирование является точным.
Теперь самое сложное: возрастное распределение. Оценить возраст по НЛП сложно. Итак, нам нужно взять изображения лиц из видео / аватара. Но опять же, оценить возраст по вашему красивому лицу тоже сложно, особенно для дам с макияжем (P.S. вот такие причудливые слова, как TensorFlow, AI, Deep Learning и т. Д.). В ходе наших экспериментов мы обнаружили, что постоянно имеем менее точное число в группе «возраст 13–17» и ошибочно относим возраст 13–17 к возрастной группе 18–24 лет:
Но в остальном он все равно выглядит потрясающе точным, не так ли? Вот еще один:
Кажется, что мы можем почти сразу исправить группу 13–17 лет, но это не так просто, как кажется. Но опять же, если мы объединим две группы в 13–24, это станет очень и очень точным.
Я случайным образом проверил другую платформу, которая утверждает, что также может предсказывать демографические данные YouTube. Но я должен сказать, что мы намного их опередили. Я подумал о том, чтобы поместить сюда их данные, но решил не делать этого. Если тебе интересно, просто напиши мне сообщение.
Кроме того, у нас также есть много интересных данных, таких как распределение интересов аудитории, гендерное распределение в каждой возрастной группе, эффективность спонсируемого видео, упомянутые бренды и т. Д. Если вы хотите попробовать, ознакомьтесь с первым в мире механизмом анализа эффективности влиятельных лиц в режиме реального времени по адресу SocialBook .
