4つの競合他社を公開データのみを使用してプライベート統計にアクセスせずに分析しました

プライベートデータへのアクセスが意義のある競合分析に必要であるという仮定は、YouTubeクリエイターコミュニティで最も根強い神話の1つです。クリエイターは自分のYouTubeスタジオダッシュボードを見て、そこにある豊富なプライベートメトリクス（ビデオあたりの収益、クリックスルー率、オーディエンス人口統計、トラフィックソースの内訳）を確認し、競合他社のダッシュボードへの同様のアクセスがなければ、競合分析は最善の場合でも表面的だと想定しています。この仮定は間違っています。公開されているYouTubeデータから抽出できるインサイトの量は非常に多く、コンテンツ、スケジューリング、ポジショニングに関する情報に基づいた決定を下すには十分です。ここで説明する分析は同じニッチの4つの直接的な競合他社に対して実施され、チャンネル監査とビデオタグ APIを通じて処理された、彼らの公開チャンネルとビデオページに表示されるデータのみを使用して行われました。

4つの競合他社は簡単な基準に基づいて選択されました。つまり、同じニッチのチャンネルからのビデオを視聴する際に「おすすめ」サイドバーに最も頻繁に表示されたチャンネルでした。YouTubeの推奨アルゴリズムはオーディエンスのオーバーラップを共有するチャンネルを表面化させ、これはサイドバーを実在する競合他社の信頼できる指標となり、トピックだけに基づいて競合他社のように見えるが実際には異なるオーディエンスセグメントにサービスを提供するチャンネルとは対照的です。4つのうち2つは購読者数が500,000を超える大規模チャンネルでした。1つは運営中のチャンネルとほぼ同じサイズでした。4番目は急速に成長していた小規模チャンネルで、研究する価値のある戦略を実行しているように見えました。

その後、4つのディメンション全体で体系的な分析が行われました。アップロードパターン、エンゲージメントメトリクス、タグとキーワード戦略、およびコンテンツギャップの識別です。各ディメンションは、誰でもアクセスできる公開データを使用して分析され、自動的に派生メトリクスを計算するAPIを通じて処理されました。4つのチャンネル全体での分析全体は1時間以内に完了しました。各チャンネルページにアクセスし、各ビデオをクリックして、メトリクスをスプレッドシートに記録することによって、手動で同じ作業を行うには、2日間の大部分が必要になりました。

アップロードパターンと、それが生産能力について明かすもの

分析の最初のディメンションは、アップロード頻度と一貫性でした。チャンネル監査APIは最近のビデオの公開日を取得し、そのデータから、平均アップロード頻度、曜日分布、時間帯パターン、および一貫性メトリクス（アップロードスケジュールが週ごとにどれだけ変動するか）を計算します。これらのメトリクスは、一見したところよりもはるかに情報を与えるものです。なぜなら、アップロードパターンはチャンネルの生産能力、コンテンツ戦略、および投資維持の直接的な反映だからです。

競合他社A（800,000を超える購読者を持つ4つの中で最大）は、正確さで公開しました。毎週3つのビデオ、月曜日、水曜日、金曜日、およそ同じ時刻に。このパターンは18ヶ月以上にわたって1つのギャップなく維持されてきました。その程度の一貫性は、ソロクリエイターではなく製作チームを示唆し、数週間または数ヶ月前から計画されたコンテンツカレンダー、およびアップロードスケジュールの維持への大きな投資を示唆しています。このチャンネルをアップロード頻度で競う場合、彼らの生産能力と一致する必要があり、これは実現可能でもなく、望ましくもありませんでした。代わりに、インサイトは同じ日にアップロードしないことでした。なぜなら、アルゴリズムはそれらの特定の日に共有オーディエンスセグメントに大きな競合他社からの新しいコンテンツを提供するからです。

競合他社Bはまったく異なるパターンを示しました。日々のアップロードの爆発の後に沈黙の週が続きました。1週間で4つのビデオ、その後12日間何もなし、その後10日で6つのビデオ、その後3週間のギャップ。このパターンは、1つのセッションで複数のビデオを記録および編集し、その後の日数で他のスケジュールすることが可能なバッチで作業しているソロクリエイターを示唆しています。戦略的な意味は競合他社Aとは異なりました。競合他社Bのギャップは、共有オーディエンスが不足しているウィンドウを表し、これらのギャップと一致するようにアップロードをタイミングすることで、そうでなければ未充足となる注意をキャプチャできます。APIのタイムライン可視化はこれらのギャップを直ちに明らかにし、手動分析ではチャンネルのビデオリストをスクロールし、心の中に公開日をマッピングする必要がありました。

競合他社Cは週2回の安定したスケジュールを維持しましたが、最近は週4回に加速しました。最後の8週間と前の12ヶ月と比較したデータに見えるこの加速は、戦略的な変化を示唆しています。彼らは追加の助け手を雇っていたか、彼らのコンテンツ形式をより迅速に生成できるものに変更したか、増加したアップロード頻度が成長を加速させるかどうかをテストしていました。次の数週間のこの変化を監視することで、戦略が機能しているか（ビデオあたりの表示数を維持または改善することで証拠）、または燃え尽きているか（オーディエンスの疲労または品質低下を示唆する表示の減少で証拠）が明らかになります。小規模で急速に成長している競合他社Dは週に1回投稿しましたが、非常に長いビデオ（ニッチ平均12分と比較して平均30分）を持つ。これは、ビデオあたりの総ビデオ数よりも視聴時間を優先する「深さよりも頻度」戦略を示唆しており、YouTubeのアルゴリズムはビデオあたりの総視聴時間に重みを付けるため、有効なアプローチです。

エンゲージメント率とサイズ詐欺

生の購読者数と表示数はYouTubeで最も目に見えるメトリクスであり、競合分析にも最も誤解を招く可能性があります。100万人の購読者を持つチャンネルが1つのビデオで20,000の表示を受け取ることは、50,000人の購読者を持つチャンネルが15,000の表示を受け取ることよりも基本的に弱い位置にあります。最初のチャンネルはすべての表面レベルのメトリクスで「見える」ものの。チャンネル統計APIは、チャンネルサイズを正規化し、購読者数に関係なく各チャンネルの実際の健康状態と勢いを明かすエンゲージメント率を計算します。

エンゲージメント率の計算は、平均的な最近の表示を購読者数で除算し、チャンネルの購読者ベースの何人が実際に新しいコンテンツを視聴しているかを示すパーセンテージを生成します。業界平均はニッチによって異なりますが、通常、確立されたチャンネルの場合は2％から10％の間に落ちます。高い率は、新しいアップロードに応答する活動的でエンゲージされたオーディエンスを示唆しています。低い率は、おそらくウイルス性の瞬間中または購読者なし購読者4購読者などの戦略を通じて、購読者ベースが大部分で調整を解除していることを示唆しており、本物の関心なしに購読者を生成しました。

4つの競合他社の中で、競合他社D（最小のチャンネル）は18.7%の最高エンゲージメント率を持っていました。彼らの購読者の約5分の1は各新しいビデオを視聴しており、これはオーディエンスの利息の非常に強い信号です。競合他社A（はるかに最大）は、わずか3.2%のエンゲージメント率を持っていました。これは業界標準では大惨事的に低くはありませんが、彼らの購読者ベースの96.8%はアップロードを無視することを意味しています。競合他社Bのエンゲージメント率は5％から25％の間で急激に変動し、ビデオトピックが彼らのコアニッチと一致するか、実験的な出発を表すかどうかと相関していました。競合他社Cは、健康的で一貫した約8%の周りに注射しました。

戦略的な意味は重大でした。競合他社Dは、最小のチャンネルであるにもかかわらず、実在する脅威でした。彼らの高いエンゲージメント率は、YouTubeのアルゴリズムが彼らのコンテンツを非購読者に積極的に宣伝し、購読者傾向ラインに見える急速な成長を促進していることを意味していました。彼らの「深さよりも頻度」戦略は明らかにオーディエンスに共鳴していました。競合他社Aは、彼らの規模にもかかわらず、大きいが疎外された購読者ベースに乗っていました。彼ら一貫した投稿は通知駆動型トラフィックを通じてビュー数のベースラインを維持しましたが、アルゴリズムの昇進よりもむしろ。つまり、アルゴリズムの推奨のために競合他社Aと競争することは、彼らの購読者数が示唆するので、実際には簡単でした。なぜなら、アルゴリズムは歴史的な購読者数ではなくエンゲージメントを促進するからです。

タグ戦略と実際に機能するキーワード

YouTubeビデオタグは標準的なビデオページインターフェイスから非表示になっています。視聴者は彼らを見ることができません。しかし、彼らはYouTubeのデータAPIを通じて公開アクセス可能であり、ビデオタグAPIはそれらを任意の公開ビデオから抽出します。タグはYouTubeがコンテンツをどのように分類および推奨するかに影響を与え、成功した競合他社のタグ戦略を分析することで、彼らのSEOアプローチへの直接的なウィンドウを提供します。これはキーワードをターゲットにしている可能性のある推測ではありません。これは、彼らがコンテンツと関連付けるべきYouTubeに伝えている正確な用語の実質的なインベントリです。

分析は4つの競合他社それぞれから最近の20本のビデオをカバーし、合計80本のビデオです。各ビデオの完全なタグセットが抽出され、タグが集計されて、繰り返されるパターンが識別されました。競合他社Aはビデオあたり平均28のタグを使用し、一貫して幅広いカテゴリータグ（ニッチ名、一般的なトピックキーワード）、特定のトピックタグ（ビデオの正確なサブジェクト）、およびブランドタグ（チャンネル名、シリーズ名）を含めました。彼らのタグ戦略は教科書とメソッドでした。明らかにYouTube SEO基本を理解した人によって管理されていました。競合他社Bははるかに少ないタグを使用し、ビデオあたり平均わずか8個で、彼らはしばしば検索で良く実行される傾向がある長いテールキーワードフレーズではなく、一般的な単語項目でした。これは彼らの戦略における明確な弱点でした。これは、彼らのビデオが購読者を通じて強く実行された理由を説明しています（通知を通じてコンテンツを見つけた人）が、検索発見で不十分でした。

競合他社Cはユニークなアプローチを使用しました。彼らのタグは競合他社チャンネル名と競合他社ビデオタイトルをキーワードとして含めました。これは、ビューアが競合他社のコンテンツを視聴する際に、彼らのビデオが「提案」サイドバーに表示されるように彼らのビデオを配置する議論の余地がありますが効果的な戦術です。APIは、競合他社Cの最近のビデオの90%全体でこのパターンを明かし、彼らの成長戦略がニッチ内の他のチャンネルから交通をキャプチャするために大きく頼っていることを明確にしました。競合他社Dは最長で最も具体的なタグフレーズを使用し、ビデオあたり平均35のタグを使用し、ユーザーが検索クエリをどのように入力するかと一致する完全な質問または文の長さのフレーズを持つ。このロングテール戦略は、特定の質問に答える包括的な詳細なビデオを作成するという彼らのコンテンツアプローチと一致しました。一緒に、これら4つのタグ戦略は、公開されているメタデータからすべて、各競合他社がYouTubeの発見システムでコンテンツをどのように配置しているかについて完全な写真を描きました。

コンテンツギャップと競合他社が逃した機会

分析全体の最も実用的な出力は、コンテンツギャップの識別でした。すべての4つの競合他社が彼らの最近のビデオにカバーしたトピックをマッピングすることで、それらのどれも公開していないトピックのギャップが見えるようになりました。これらのギャップは、共有オーディエンスがおそらく（ニッチの妥当性に基づいて）興味を持っているトピックを表しますが、現在、確立されたチャンネルのいずれでもアドレスすることはできません。これらのギャップを埋めるコンテンツを公開すると、より多くの権限でチャンネルからの既存のビデオと直接競争することなく、検索でランク付けされ、推奨される機会が作成されます。

プロセスは簡単でした。分析された80本のビデオすべてのビデオタイトルと説明がスキャンされて、繰り返されるトピックとキーワードが見つかりました。結果のトピックマップは、密集したクラスター（4つの競合他社すべてが、しばしば複数回カバーしたサブジェクト）と疎なリージョン（1つまたは2つ以下のビデオで表示されたサブジェクト、またはまったく表示されないサブジェクト）を示しました。密集したクラスターは、ビュー権の競争が激しい、確立されたコンテンツカテゴリーを示唆しています。疎なリージョンは、競合他社がまだ発見していないトピック、彼らが意図的に避けたトピック（おそらく知覚された低い需要のため）、またはカバーすることを計画していたが、まだ到達していないトピックを示唆しています。

この分析から、いくつかの本当に有望なギャップが浮かびました。タグ分析で繰り返し表示されたトピッククラスター（オーディエンス検索需要を示唆）は、競合他社Dのみによってカバーされ、1つのビデオで、そのビデオは彼らのチャンネル平均を3倍上回る実績を上げていました。このシグナルの組み合わせ（検索需要が高い、証明されたパフォーマンス、および最小限の競争）は、コンテンツ機会の最強の指標でした。そのトピッククラスターの変動をターゲットにした3つのビデオが作成され、その後の数週間で公開されました。彼らのパフォーマンスは分析を検証しました。3つすべてがチャンネル平均を超えており、1つが四半期の最良パフォーマンスビデオになりました。

競合他社の識別から始まり、データ収集、メトリック計算、タグ抽出、コンテンツギャップマッピングまで、分析全体はAPIを通じて処理された公開されているデータを使用して実施されました。プライベート分析にアクセスしませんでした。ログイン認証情報は必要ありませんでした。サービスの利用規約は違反しませんでした。分析されている競合他社は、分析が発生したことを知る方法がなく、得られたインサイトは、内部分析レビューと同じくらい詳細で実行可能でした。競合分析にはプライベートデータアクセスが必要であるという神話は、正確に同じです。神話。データは公開されています。それを処理するツールが存在します。唯一の質問は、それらを使用するかどうかです。