ניתחתי ארבעה מתחרים ללא גישה לנתונים פרטיים שלהם תוך שימוש בנתונים ציבוריים בלבד

ההנחה שניתוח תחרות משמעותי דורש גישה לנתונים פרטיים היא אחד המיתוסים הקשישים ביותר בקהילת יוצרי YouTube. יוצרים מסתכלים בדשבורדים YouTube Studio שלהם, רואים את המטריקות הפרטיות העשירות הזמינות שם (הכנסה לכל וידאו, שיעורי קליק, דמוגרפיה קהל, פירוטים מקור תנועה), ומניחים שללא גישה דומה לדשבורד של מתחרה, כל ניתוח תחרות יהיה שטחי לכל היותר. הנחה זו שגויה. כמות התובנות שניתן להוציא מנתונים ציבוריים של YouTube היא יוצאת דופן, והיא יותר מספיקה כדי לקבל החלטות אסטרטגיות מושכלות לגבי תוכן, לוח זמנים, ומיצוב. הניתוח המתואר כאן בוצע על ארבעה מתחרים ישירים באותו נישה, תוך שימוש בשום דבר מלבד הנתונים הגלויים בערוץ הציבורי שלהם ודפי וידאו, מעובדים דרך ה-ניתוח ערוץ וה-תגיות וידאו APIs.

ארבעת המתחרים נבחרו בהתאם לקריטריון פשוט: הם היו הערוצים שהופיעו בתדירות הגבוהה ביותר בסרגל הצד "מומלץ" כשצפו בווידיאו מערוצים באותה נישה. אלגוריתם ההמלצה של YouTube משדר ערוצים החולקים חפיפת קהל, מה שהופך את סרגל הצד למדד אמין של מי המתחרים האמיתיים, בניגוד לערוצים שנראים כמו מתחרים בהתאם לנושא בלבד אך למעשה משרתים קטע קהל שונה. שניים מהארבעה היו ערוצים גדולים יותר עם מספרי מנויים מעל 500,000. אחד היה בערך בגודל דומה לערוצים המופעלים. הרביעי היה ערוץ קטן יותר שגדל במהירות והופיע ברור כחומד אסטרטגיה שראה בה הנחמד.

מה שהשתקבל היה ניתוח שיטתי על פני ארבע מימדים: דפוסי העלאה, מטריקות השתתפות, אסטרטגיות תגיות וביטוי מפתח, וזיהוי חסכונות תוכן. כל מימד נותחה באמצעות נתונים ציבוריים שכל אחד יכול לגשת אליהם, מעובדים דרך APIs שמחשבים מטריקות נגזרות באופן אוטומטי. כל הניתוח, על פני ארבעת הערוצים, הושלם תוך פחות משעה. ביצוע אותה עבודה ידנית, על ידי ביקור בכל עמוד ערוץ, לחיצה דרך כל וידאו, וציון מטריקות בגיליון אלקטרוני, היה דורש חלק טוב משתי ימים.

דפוסי העלאה וחושפים על יכולת ייצור

המימד הראשון של הניתוח היה תדירות העלאה וקביעות. ה-channel audit API משחזר את תאריכי הפרסום של וידיאו אחרונים, ומנתונים אלה, הוא מחשב תדירות העלאה ממוצעת, חלוקת יום בשבוע, דפוסי שעה ביום, ומטריקות קביעות (כמה לוח הזמנים של ההעלאה משתנה שבוע לשבוע). מטריקות אלה הן הרבה יותר חושפות ממה שהן עשויות להיראות בתחילה, מכיוון שדפוסי ההעלאה הם השתקפות ישירה של יכולת ייצור של ערוץ, אסטרטגיית תוכן, והשקעה משאבים.

מתחרה A, הגדול מבין הארבעה עם יותר מ-800,000 מנויים, פרסם עם קביעות מטרונומית: שלוש וידיאו בשבוע, כל שני, רביעי וערב, בערך באותה שעה ביום. דפוס זה נשמר למשך יותר משמונה עשר חודשים ללא פער יחיד. רמת קביעות זו מרמזת על צוות ייצור ולא על יוצר סולו, לוח זמנים תוכן מתוכנן שבועות או חודשים מראש, והשקעה משמעותית בשמירה על לוח הזמנים של ההעלאה. התחרות בערוץ זה בתדירות העלאה תדרוש התאמת יכולת הייצור שלהם, מה שלא היה אפשרי או אפילו רצוי. במקום זאת, התובנה הייתה להימנע מהעלאה באותם ימים, מכיוון שהאלגוריתם היה משרת תוכן טרי ממתחרה גדול יותר לקטע הקהל השיתוף בימים ספציפיים אלה.

מתחרה B הראה דפוס שונה לחלוטין: קטבורים של העלאות יומיות ואחריהם שבועות של שתיקה. ארבע וידיאו בשבוע אחד, ואז כלום למשך שנים עשר ימים, ואחר כך שש וידיאו בעשרה ימים, ואחר כך הפסקה של שלוש שבועות. דפוס זה מצביע על יוצר סולו העובד בעצירות, כנראה הקלטה ועריכה של וידיאו מרובים בהפעלה אחת ותזמון שלהם על ימים עוקבים. ההשלכה האסטרטגית הייתה שונה ממתחרה A. הפערים של מתחרה B ייצגו חלונות שבהם קהל משותף לא היה מוגן מספיק, והתזמון של העלאות כדי להיזכר עם הפערים הללו יכול היה ללכוד תשומת לב שהיתה אחרת הולכת ללא מענה. הויזואליזציה של הציר הזמני של ה-API הפכה את הפערים הללו לגלוים מיד, בעוד שניתוח ידני היה דורש גלילה דרך רשימת הווידיאו של הערוץ ותמפוני מזהים תאריכים.

מתחרה C שמר על לוח זמנים יציב של שניים בשבוע אך האיץ לאחרונה לארבעה בשבוע. התאוצה זו, גלויה בנתונים מהשמונה שבועות האחרונים בהשוואה לשנים עשר החודשים הקודמים, האותות על משמרת אסטרטגית. או שהם שכרו עזרה נוספת, שינו את פורמט התוכן שלהם למשהו מהיר יותר לייצור, או בדקו האם תדירות העלאה מוגברת תאיץ את הצמיחה. ניטור השינוי הזה במהלך השבועות הבאים הייתה חושפת האם האסטרטגיה עבדה (מעידות שמירה או שיפור צפיות לכל וידאו) או שחק (מעידות צפיות יורדות המציעות עייפות קהל או ירידות איכות). מתחרה D, קטן אך גדל במהירות, פרסם פעם בשבוע אך עם וידיאו ארוך בצורה מדהימה (בממוצע שלוש עשרה דקות בהשוואה לממוצע הנישה של שנים עשר). זה הציע "עומק על פני תדירות" אסטרטגיה שעדיפות לשעת שעה לכל וידאו על מספר וידאו סה"כ, שהיא גישה תקפה בהתחשב בעומק זמן צפייה של אלגוריתם YouTube.

שיעורי השתתפות וההונאה בגודל

מספרים גולמיים של מנויים וצפיות הם המטריקות הגלויות ביותר ב-YouTube וגם המטעה ביותר לניתוח תחרות. ערוץ עם מיליון מנויים שמקבל 20,000 צפיות לכל וידאו נמצא בעמדה בעקרון חלשה יותר מערוץ עם 50,000 מנויים שמקבל 15,000 צפיות לכל וידאו, למרות שהערוץ הראשון "נראה" גדול יותר בכל מטריקה ברמה פני השטח. ה-channel statistics API מחשבת שיעורי השתתפות שנורמליות ביצוע לפי גודל ערוץ, חושפות את הבריאות והתנופה בעלות של כל ערוץ ללא קשר לספירת המנויים שלו.

חישוב שיעור ההשתתפות מחלק צפיות אחרונות ממוצעות על ידי מספר מנויים, ומייצר אחוז המציין איזה חלק מבסיס המנויים של הערוץ למעשה צופה בתוכן חדש. ממוצעי התעשייה משתנים לפי נישה אך בדרך כלל נופלים בין 2% ל-10% לערוצים קבועים. שיעורים גבוהים יותר מציעים קהל פעיל, מעורב שמגיב להעלאות חדשות. שיעורים נמוכים יותר מציעים בסיס מנויים שברובו כבר התחייב, אולי רכוש במהלך רגע וירלי או דרך אסטרטגיה (כמו כוללות או sub4sub) שייצרה מנויים ללא עניין אמיתי.

בין ארבעת המתחרים, למתחרה D (הערוץ הקטן ביותר) היה שיעור ההשתתפות הגבוה ביותר ב-18.7%. כמעט אחד מחמישה של המנויים שלהם צפה בכל וידאו חדש, שזה אות יוצאת דופן של עניין קהל. מתחרה A, למרות להיות הגדול ביותר בהרבה, היה בעל שיעור השתתפות של רק 3.2%. זה לא בצורה אסון נמוך כל כך לפי תקנים בתעשייה, אך זה אומר ש-96.8% מבסיס המנויים שלהם מתעלמים מכל העלאה. שיעור ההשתתפות של מתחרה B עם תנודה במוד בין 5% ל-25%, קשור אם הנושא וידאו התאים לנישת הליבה שלהם או ייצג יציאה נסיונית. מתחרה C החזיקה יציבה סביב 8%, בריאה ועקבית.

ההשלכות האסטרטגיות היו משמעותיות. מתחרה D היה האיום האמיתי למרות להיות הערוץ הקטן ביותר. שיעור ההשתתפות הגבוה שלהם אומר שאלגוריתם YouTube היה בחיזוק אגרסיבית את התוכן שלהם למי שאינם מנויים, דוגר את הצמיחה המהירה הגלויה בשורת מגמת המנויים שלהם. "עומק על פני תדירות" אסטרטגיה שלהם הייתה בבירור הד עם הקהל. מתחרה A, למרות לגודלם, היה על גבי בסיס מנויים גדול אך חסר עניין. העלאות העקביות שלהם שמרו על קו בסיסי של צפיות דרך נתונים מונעים תנועה ולא קידום אלגוריתמי. זה אומר שתחרות עם מתחרה A על המלצות אלגוריתמיות היה למעשה קל יותר ממה שספירת המנויים שלהם תציע, מכיוון שהאלגוריתם קידום השתתפות, לא מספרים היסטוריים של מנויים.

אסטרטגיות תגיות והביטוי הרלוונטי שבעצם עובד

תגיות וידאו YouTube סמויות מממשק דפי וידאו סטנדרטי. צופים לא יכולים לראות אותם. אך הם ניתנים לגישה ציבורית דרך YouTube's data API, והן video tags API משחזר אותם מכל וידאו ציבורי. תגיות משפיעות על איך YouTube מסווג ומקדם תוכן, וניתוח האסטרטגיות של תגיות של מתחרים מוצלחים מספק חלון ישיר לגישת SEO שלהם. זה לא ספקולציה על מה ביטוי מפתח הם עשויים להיות בתיעוד. זה מספר עובדתי של התנאים המדויקים שהם אומרים ל-YouTube להשיח עם התוכן שלהם.

הניתוח כיסה את עשרים הווידיאו האחרונים מכל אחד מארבעת המתחרים, סך הכל שמונים וידיאו. כל מערך התגיות השלם של הוידאו חולץ והתגיות תוספות זיהוי דפוסים חוזרים. מתחרה A השתמש בממוצע של 28 תגיות לכל וידאו, תמיד כולל תגיות קטגוריה רחבה (שם הנישה, ביטוי נושא כללי), תגיות נושא ספציפיות (הנושא המדויק של הוידאו), ותגיות חניויות (שם ערוץ שלהם, שמות סדרה). אסטרטגיית התגיות שלהם הייתה לספר ישיר וממוצע, בבירור מנוהלת על ידי מישהו שהבין יסודות YouTube SEO. מתחרה B השתמש בתגיות הרבה יותר פחותות, בממוצע רק 8 לכל וידאו, והם היו לעתים קרובות מונחים ביטויים גנריים בודדים ולא הביטוי המפתח הארוך וזנב שנוטים לבצע טוב יותר בחיפוש. זה היה חולשה ברורה באסטרטגיה שלהם, והוא הסביר מדוע הווידיאו שלהם מבוצעים טוב דרך מנויים (שנמצאו תוכן דרך הודעות) אך לא טוב בגילוי חיפוש.

מתחרה C השתמש גישה ייחודית: התגיות שלהם כללו שמות ערוץ מתחרים וכותרות וידאו מתחרים כמו ביטויי מפתח. זה טקטיקה שנוי במחלוקת אך אפקטיבית המצביע על הווידיאו שלהם להופיע בסרגל הצד "המציע" כשצופים צפייה בתוכן מתחרים. ה-API חשף דפוס זה על פני 90% מהווידיאו האחרון של מתחרה C, מה שהופך את זה ברור שאסטרטגיית הצמיחה שלהם הסתמכה כבד על תפיסת תנועה מערוצים אחרים בנישה. מתחרה D השתמש בביטויים תגיות הארוך והספציפי ביותר, בממוצע 35 תגיות לכל וידאו עם רבים מהם משפטים שלמים או ביטויים אורך משפט שהתאמה איך משתמשים מקלידים שאילתות חיפוש. אסטרטגיה זנב ארוך זו יושרה עם גישת התוכן שלהם של יצירת וידיאו יתוך מעמיק וקיף המשיבים על שאלות ספציפיות. ביחד, ארבע אסטרטגיות תגיות אלה צייר דמות שלמה של איך כל מתחרה היה מיצוב התוכן שלהם במערכת הגילוי של YouTube, את כל מנתונים ציבוריים meta-data.

חסכונות תוכן וההזדמנויות מתחרים עלול להחמיץ

הפלט הפעיל ביותר של כל הניתוח היה זיהוי חסכון התוכן. על ידי מיפוי של הנושאים המכוסים על ידי כל ארבעת המתחרים על פני וידיאו אחרונים, החסכונות שבהם אף אחד מהם לא פרסם תוכן הופכות גלויות. חסכונות אלה מייצגים נושאים שקהל משותף כנראה מעוניין (בהתאם לרלוונטיות הנישה) אך לא יכול כרגע למצוא מעובדות על ידי כל אחד מהערוצים שנוסדו. פרסום תוכן שמרה חסכונות אלה יוצר הזדמנות להדירות בחיפוש וקבל תורן ללא תחרות ישיר כנגד וידיאו קיימים מערוצים עם מוסמכות יותר.

התהליך היה פשוט. כותרות וידאו ותיאורים מ-80 וידיאו שנותחו סרוקים עבור נושאים וביטויים חוזרים. התחשבון הנושא של התוצאה הראו צבירי צפוף (נושאים כל ארבעת המתחרים היו מכוסים, לעתים קרובות פעמים מרובות) ואזורים דלים (נושאים שהופיעו בוידאו אחד או שניים לכל היותר, או לא בכלל). אשכולות צפופים סימנו קטגוריות תוכן בעלות קביעות שבהן תחרות לצפיות היה עזה. אזורים דלים סימנו או נושאים שמתחרים לא היו גילו עדיין, נושאים שהם היו בעקיפין הימנעות (אולי בשל ביקוש תפוס נמוך), או נושאים הם תכננו כדי לכסות בעתיד אך לא הגיעו עדיין.

מספר חסכונות גנואנו מובטחים צצו מן הניתוח זה. אשכול נושא אחד שהופיע שוב ושוב בניתוח התגיות (מציע ביקוש בחיפוש קהל) היה רק מכוסה על ידי מתחרה D בוידאו יחיד, וזה וידאו היה outperformed את ממוצע הערוץ שלהם ב-3x. שילוב זה של אותות (ביקוש בחיפוש גבוה בנוסף הביצוע הוכיח בנוסף תחרות מינימאלית) היה המחוון החזק ביותר האפשרי עבור הזדמנות תוכן. שלוש וידיאו בתיעוד של וריאציות של אשכול נושא זה היו מיוצר ופרסום על פני השבועות הבאים, וביצועם אושרו את הניתוח: כל שלוש עלו את הערוץ ממוצע, עם אחד הופך את הווידאו הביצוע הטוב ביותר של הרבעון.

כל הניתוח, מזיהוי מתחרים דרך אוסף נתונים, חישוב מטריקות, חילוץ תגיות, והתעתיק חסכון תוכן, היה בוצע תוך שימוש נתונים ציבוריים עיבוד דרך APIs. לא ניתוחים פרטיים נגנבו, לא כניסה בעדות היו נדרשות, לא תנאי שירות היו הפרות. המתחרים בניתוח אין דרך יודע הניתוח התרחש, והתובנות רכושות היו כפי מפורט ופעיל כמו כל סקירת ניתוח פנימית. המיתוס שניתוח תחרות דורש גישה פרטית נתונים הוא בדיוק זה: מיתוס. הנתונים ציבורים. הכלים לעבודה זה קיימים. השאלה היחידה היא האם להשתמש בהם.