ฉันวิเคราะห์คู่แข่งสี่รายโดยไม่มีการเข้าถึงสถิติส่วนตัวของพวกเขา โดยใช้เฉพาะข้อมูลสาธารณะ

สมมติฐานที่ว่าการวิเคราะห์การแข่งขันที่มีความสำคัญต้องการการเข้าถึงข้อมูลส่วนตัวนั้นเป็นตำนานที่ยั่งยืนที่สุดประการหนึ่งในชุมชนผู้สร้างคอนเทนต์ YouTube ผู้สร้างดูแดชบอร์ด YouTube Studio ของตนเองและเห็นเมตริกส์ส่วนตัวที่หลากหลายและสมบูรณ์ (รายได้ต่อวิดีโอ อัตราการคลิก ประชากรศาสตร์ของผู้ชม การแบ่งแหล่งข้อมูล) และสมมติว่าหากไม่มีการเข้าถึงแดชบอร์ดของคู่แข่ง การวิเคราะห์การแข่งขันใดๆ ก็จะไม่ลึกซึ้งมากที่สุด สมมติฐานนี้ผิด ปริมาณความเข้าใจที่สามารถสกัดได้จากข้อมูล YouTube ที่มีให้ทั่วไปนั้นมหาศาล และเพียงพอที่จะตัดสินใจเชิงกลยุทธ์อย่างชาญฉลาดเกี่ยวกับเนื้อหา การกำหนดเวลา และตำแหน่งตลาด การวิเคราะห์ที่อธิบายไว้ที่นี่ได้ดำเนินการบนคู่แข่งโดยตรงสี่ราย โดยใช้เพียงข้อมูลที่มองเห็นได้บนช่องสาธารณะและหน้าวิดีโอของพวกเขา ประมวลผลผ่าน API การตรวจสอบช่องสัญญาณ และ API แท็กวิดีโอ

คู่แข่งสี่รายถูกเลือกจากเกณฑ์ง่ายๆ: พวกเขาเป็นช่องทางที่ปรากฏบ่อยที่สุดในแถบด้านข้าง "แนะนำ" เมื่อดูวิดีโอจากช่องทางในช่องว่างเดียวกัน อัลกอริทึมการแนะนำของ YouTube จะแสดงช่องทางที่มีการทับซ้อนของผู้ชมซึ่งทำให้แถบด้านข้างเป็นตัวบ่งชี้ที่น่าเชื่อถือของผู้ที่คู่แข่งที่แท้จริง ตรงข้ามกับช่องทางที่ดูเหมือนเป็นคู่แข่งตามหัวข้อเพียงอย่างเดียว แต่จริงๆ แล้วให้บริการส่วนกลุ่มผู้ชมที่แตกต่างกัน สองในสี่ที่มีขนาดใหญ่กว่าพร้อมจำนวนผู้ติดตามสูงกว่า 500,000 คนมีขนาดใกล้เคียงกับช่องทางที่กำลังดำเนินการ คนที่สี่เป็นช่องทางเล็กน้อยที่เพิ่มขึ้นอย่างรวดเร็วและดูเหมือนว่าจะดำเนินกลยุทธ์ที่คุ้มค่าในการศึกษา

สิ่งที่ตามมาคือการวิเคราะห์อย่างเป็นระบบในสี่มิติ: รูปแบบการอัพโหลด เมตริกการมีส่วนร่วม กลยุทธ์แท็กและคำสำคัญ และการระบุช่องว่างเนื้อหา แต่ละมิติถูกวิเคราะห์โดยใช้ข้อมูลสาธารณะที่ใครก็สามารถเข้าถึงได้ ประมวลผลผ่าน API ที่คำนวณเมตริกส์ที่ได้มาโดยอัตโนมัติ การวิเคราะห์ทั้งหมดในช่องทางทั้งสี่เสร็จสิ้นในเวลาน้อยกว่าหนึ่งชั่วโมง การทำงานเดียวกันด้วยตนเองโดยไปที่แต่ละหน้าช่องสัญญาณ คลิกผ่านแต่ละวิดีโอ และบันทึกเมตริกส์ในสเปรดชีต จะใช้เวลาสองวันหรือมากกว่านั้น

รูปแบบการอัพโหลดและสิ่งที่บ่งชี้เกี่ยวกับกำลังการผลิต

มิติแรกของการวิเคราะห์คือความถี่ในการอัพโหลดและความสม่ำเสมอ API การตรวจสอบช่องสัญญาณจะดึงข้อมูลวันที่เผยแพร่ของวิดีโอล่าสุด และจากข้อมูลนั้น จะคำนวณความถี่ในการอัพโหลดโดยเฉลี่ย การกระจายตามวันของสัปดาห์ รูปแบบตามเวลาของวัน และเมตริกความสม่ำเสมอ (ความแปรปรวนของตารางเวลาการอัพโหลดสัปดาห์ต่อสัปดาห์มากน้อยเพียงใด) เมตริกส์เหล่านี้เปิดเผยมากกว่าที่อาจดูเหมือนในตอนแรก เพราะรูปแบบการอัพโหลดเป็นการสะท้อนโดยตรงของกำลังการผลิต กลยุทธ์เนื้อหา และการลงทุนของช่องสัญญาณ

คู่แข่ง A คนที่ใหญ่ที่สุดในสี่กับผู้ติดตามกว่า 800,000 คนเผยแพร่ด้วยความสม่ำเสมออย่างหนักแน่น: สามวิดีโอต่อสัปดาห์ ทุกวันจันทร์ วันพุธ และวันศุกร์ เวลาประมาณเดียวกันของวัน รูปแบบนี้ได้รับการรักษาไว้ตลอดระยะเวลากว่าสิบแปดเดือนโดยไม่มีช่องว่างเพียงครั้งเดียว ระดับความสม่ำเสมอนั้นแสดงถึงทีมการผลิตแทนผู้สร้างเดี่ยว ปฏิทินเนื้อหาที่วางแผนไว้หลายสัปดาห์หรือหลายเดือนล่วงหน้า และการลงทุนครั้งใหญ่ในการรักษาตารางเวลาการอัพโหลด การแข่งขันกับช่องสัญญาณนี้ในความถี่ในการอัพโหลดจะต้องตรงกับกำลังการผลิตของพวกเขา ซึ่งไม่สามารถทำได้หรือไม่มีความปรารถนาด้วยซ้ำ แต่ความเข้าใจคือการหลีกเลี่ยงการอัพโหลดในวันเดียวกัน เนื่องจากอัลกอริทึมจะเสิร์ฟเนื้อหาสดใหม่จากคู่แข่งที่มีขนาดใหญ่กว่าให้กับส่วนกลุ่มผู้ชมร่วมในวันเฉพาะเหล่านั้น

คู่แข่ง B แสดงรูปแบบที่แตกต่างไปโดยสิ้นเชิง: การปะทะของการอัพโหลดรายวันตามด้วยสัปดาห์นิ่ง สี่วิดีโอในหนึ่งสัปดาห์ แล้วไม่มีอะไรเลยนานสิบสองวัน จากนั้นหกวิดีโอในสิบวัน แล้วช่องว่างสามสัปดาห์ รูปแบบนี้แสดงถึงผู้สร้างเดี่ยวที่ทำงานเป็นชุด อาจจะบันทึกและแก้ไขวิดีโอหลายรายในเซสชั่นเดียวและกำหนดเวลาออกไปในวันต่อๆ ไป นัยยะทางกลยุทธ์นั้นแตกต่างจากคู่แข่ง A ช่องว่างของคู่แข่ง B เป็นตัวแทนของหน้าต่างที่ผู้ชมร่วมขาดการให้บริการ และการจับเวลาการอัพโหลดให้ตรงกับช่องว่างเหล่านั้นจะสามารถจับความสนใจที่มิฉะนั้นจะไม่เป็นไปตามที่คาดหวัง ภาพนำเสนอของเทมไลน์ API ทำให้ช่องว่างเหล่านี้ปรากฏชัดเจนในทันที ในขณะที่การวิเคราะห์ด้วยตนเองจะต้องเลื่อนผ่านรายการวิดีโอของช่องสัญญาณและแม่นทำแผนที่วันที่เผยแพร่ทางจิต

คู่แข่ง C รักษาตารางเวลาคงที่สองครั้งต่อสัปดาห์ แต่เร่งความเร็วให้เป็นสี่ครั้งต่อสัปดาห์เมื่อเร็วๆ นี้ การเพิ่มความเร็วนี้ซึ่งมองเห็นได้ในข้อมูลจากแปดสัปดาห์สุดท้ายเมื่อเทียบกับสิบสองเดือนก่อนหน้า บ่งบอกถึงการเปลี่ยนแปลงเชิงกลยุทธ์ พวกเขาอาจเช่าความช่วยเหลือเพิ่มเติม เปลี่ยนรูปแบบเนื้อหาของพวกเขาเป็นสิ่งที่เร็วกว่าในการผลิต หรือทดสอบว่าความถี่ในการอัพโหลดที่เพิ่มขึ้นจะเร่งการเติบโตหรือไม่ การตรวจสอบการเปลี่ยนแปลงนี้ในสัปดาห์ต่อๆ ไปจะบ่งชี้ว่ากลยุทธ์กำลังทำงาน (ซึ่งเห็นได้จากการรักษาหรือปรับปรุงจำนวนมุมมองต่อวิดีโอ) หรือหมดแรง (ซึ่งเห็นได้จากมุมมองที่ลดลงแนะนำความเหนื่อยล้าของผู้ชมหรือความหล่นของคุณภาพ) คู่แข่งเล็กน้อยแต่เติบโตอย่างรวดเร็ว D โพสต์สัปดาห์ละครั้ง แต่มีวิดีโอที่ยาวนานอย่างน่าตกใจ (เฉลี่ยสามสิบนาทีเมื่อเทียบกับโดยเฉลี่ยสิบสองนาทีของช่องว่าง) สิ่งนี้แสดงถึง "ความลึกมากกว่าความถี่" กลยุทธ์ที่ให้ความสำคัญกับเวลาชมต่อวิดีโอมากกว่าจำนวนวิดีโออย่างรวมตัว ซึ่งเป็นแนวทางที่ถูกต้องเนื่องจากน้ำหนักของอัลกอริทึม YouTube บนเวลาชมทั้งหมด

อัตราการมีส่วนร่วมและการหลอกลวงของขนาด

จำนวนผู้ติดตามและจำนวนมุมมองดิบเป็นเมตริกส์ที่มองเห็นได้มากที่สุดบน YouTube และยังเป็นเมตริกส์ที่ทำให้เข้าใจผิดที่สุดสำหรับการวิเคราะห์การแข่งขัน ช่องสัญญาณที่มีผู้ติดตามหนึ่งล้านคนได้รับ 20,000 มุมมองต่อวิดีโอนั้นอยู่ในตำแหน่งที่อ่อนแอกว่าช่องสัญญาณที่มี 50,000 ผู้ติดตามได้รับ 15,000 มุมมองต่อวิดีโออย่างมูลฐาน แม้ว่าช่องทางแรกจะ "ดู" ใหญ่กว่าทุกเมตริกส์ระดับพื้นผิว API สถิติช่องสัญญาณ คำนวณอัตราการมีส่วนร่วมที่ทำให้ประสิทธิภาพปกติตามขนาดช่องสัญญาณ เปิดเผยสุขภาพที่แท้จริงและโมเมนตัมของแต่ละช่องสัญญาณโดยไม่คำนึงถึงจำนวนผู้ติดตาม

การคำนวณอัตราการมีส่วนร่วมจะหารมุมมองล่าสุดเฉลี่ยตามจำนวนผู้ติดตาม โดยสร้างเปอร์เซ็นต์ที่บ่งชี้ว่าสัดส่วนใดของผู้ติดตามช่องสัญญาณจริงๆ แล้วดูเนื้อหาใหม่ มาตรฐานอุตสาหกรรมแตกต่างกันไปตามช่องว่าง แต่โดยทั่วไปอยู่ระหว่าง 2% ถึง 10% สำหรับช่องสัญญาณที่จัดตั้งขึ้น อัตราที่สูงกว่าแสดงถึงผู้ชมที่มีส่วนร่วมอย่างแข็งขัน ซึ่งตอบสนองต่อการอัพโหลดใหม่ อัตราที่ต่ำกว่าแสดงถึงฐานผู้ติดตามที่ส่วนใหญ่ได้หลีกหนีไปแล้ว บางทีได้มาจากช่วงเวลาไวรัลหรือผ่านกลยุทธ์ (เช่นการแจกของรางวัลหรือ sub4sub) ที่สร้างผู้ติดตามโดยไม่มีความสนใจที่แท้จริง

ในบรรดาคู่แข่งสี่ราย คู่แข่ง D (ช่องสัญญาณที่เล็กที่สุด) มีอัตราการมีส่วนร่วมสูงสุดที่ 18.7% เกือบหนึ่งในห้าของผู้ติดตามของพวกเขาดูวิดีโอใหม่แต่ละรายการ ซึ่งเป็นสัญญาณที่ยิ่งใหญ่ของความสนใจของผู้ชมอย่างยิ่ง คู่แข่ง A แม้จะใหญ่ที่สุด แต่มีอัตราการมีส่วนร่วมเพียง 3.2% นี่ไม่ใช่ต่ำอย่างไม่คาดหมายตามมาตรฐานอุตสาหกรรม แต่หมายความว่า 96.8% ของฐานผู้ติดตามของพวกเขาละเลยการอัพโหลด อัตราการมีส่วนร่วมของคู่แข่ง B ผันผวนอย่างป่าเถื่อนระหว่าง 5% ถึง 25% สัมพันธ์กับว่าหัวข้อวิดีโอตรงกับช่องว่างหลักของพวกเขาหรือเป็นการออกจากการทดลอง คู่แข่ง C ถือเป็น 8% ที่สม่ำเสมอ สุขภาพและสม่ำเสมอ

นัยยะทางกลยุทธ์นั้นมีความสำคัญอย่างยิ่ง คู่แข่ง D เป็นภัยคุกคามที่แท้จริงแม้จะมีขนาดช่องสัญญาณที่เล็กที่สุด อัตราการมีส่วนร่วมที่สูงของพวกเขาหมายความว่าอัลกอริทึม YouTube กำลังเพิ่มระดับเนื้อหาของพวกเขาให้กับผู้ที่ไม่ใช่ผู้ติดตาม ขับเคลื่อนการเติบโตอย่างรวดเร็วที่มองเห็นได้ในแนวโน้มผู้ติดตามของพวกเขา กลยุทธ์ "ความลึกมากกว่าความถี่" ของพวกเขาเห็นได้ชัดว่าสะท้อนให้เห็นกับผู้ชม คู่แข่ง A แม้จะมีขนาด แต่กำลังนั่งเฉยๆ บนฐานผู้ติดตามจำนวนมากแต่ไม่มีส่วนร่วม การอัพโหลดอย่างสม่ำเสมอของพวกเขารักษาเบสไลน์ของมุมมองผ่านการรับส่งข้อมูลที่ขับเคลื่อนด้วยการแจ้งเตือนแทนการแนะนำของอัลกอริทึม ซึ่งหมายความว่าการแข่งขันกับคู่แข่ง A เพื่อให้ได้รับการแนะนำของอัลกอริทึมนั้นง่ายกว่าจำนวนผู้ติดตามของพวกเขาจะแนะนำให้ เพราะอัลกอริทึมเพิ่มระดับการมีส่วนร่วม ไม่ใช่จำนวนผู้ติดตามทางประวัติศาสตร์

กลยุทธ์แท็กและคำสำคัญที่ใช้งานได้จริง

แท็กวิดีโอ YouTube ถูกซ่อนไว้จากอินเทอร์เฟซหน้าวิดีโอมาตรฐาน ผู้ชมไม่สามารถมองเห็นได้ แต่สามารถเข้าถึงได้ผ่าน YouTube data API และ video tags API ที่สกัดข้อมูลจากวิดีโอสาธารณะ แท็กมีอิทธิพลต่อวิธีการจัดหมวดหมู่ YouTube และแนะนำเนื้อหา และการวิเคราะห์กลยุทธ์แท็กของคู่แข่งที่ประสบความสำเร็จจะให้หน้าต่างโดยตรงเข้าไปในแนวทางการค้นหา SEO ของพวกเขา นี่ไม่ใช่การวิจารณ์เกี่ยวกับคำสำคัญที่พวกเขาอาจจะกำลังเป้าหมาย มันคือบัญชีจริงของข้อกำหนดที่แน่นอนที่พวกเขากำลังบอกให้ YouTube เชื่อมโยงกับเนื้อหาของพวกเขา

การวิเคราะห์ครอบคลุมวิดีโอจากยี่สิบรายล่าสุดจากคู่แข่งแต่ละคนรวมทั้งแปดสิบวิดีโอ แท็กของแต่ละวิดีโอถูกแยกออกและแท็กถูกรวมเข้าด้วยกันเพื่อระบุรูปแบบที่เกิดขึ้นซ้ำ คู่แข่ง A ใช้แท็กโดยเฉลี่ย 28 แท็กต่อวิดีโอ โดยรวมแท็กประเภทหลัก (ชื่อช่องว่าง คำสำคัญหัวข้อทั่วไป) แท็กหัวข้อเฉพาะ (หัวข้อที่แน่นอนของวิดีโอ) และแท็กแบรนด์ (ชื่อช่องสัญญาณของพวกเขา ชื่อซีรีส์) กลยุทธ์แท็กของพวกเขาคือตำราและมีวิธี ชัดเจนว่ามีคนจัดการที่เข้าใจพื้นฐาน YouTube SEO คู่แข่ง B ใช้แท็กน้อยกว่ามาก โดยเฉลี่ยเพียง 8 แท็กต่อวิดีโอ และมักจะเป็นคำเดี่ยวทั่วไปแทนที่จะเป็นวลีคำสำคัญแบบหางยาวที่มีแนวโน้มที่จะทำงานได้ดีขึ้นในการค้นหา นี่คือจุดอ่อนที่ชัดเจนในกลยุทธ์ของพวกเขา และอธิบายว่าทำไมวิดีโอของพวกเขาทำงานได้ดีผ่านผู้ติดตาม (ผู้ที่พบเนื้อหาผ่านการแจ้งเตือน) แต่ไม่ดีในการค้นหาการค้นพบ

คู่แข่ง C ใช้แนวทางที่ไม่ซ้ำใครใด: แท็กของพวกเขารวมชื่อช่องสัญญาณคู่แข่งและชื่อวิดีโอคู่แข่งเป็นคำสำคัญ นี่คือยุทธวิธีที่มีข้อโต้แย้งแต่มีประสิทธิภาพ ซึ่งวางตำแหน่งวิดีโอของพวกเขาเพื่อปรากฏในแถบด้านข้าง "แนะนำ" เมื่อผู้ชมดูเนื้อหาคู่แข่ง API เปิดเผยรูปแบบนี้ในวิดีโอล่าสุด 90% ของคู่แข่ง C ทำให้เห็นได้ชัดเจนว่ากลยุทธ์การเติบโตของพวกเขาพึ่งพาการจับข้อมูลจากช่องสัญญาณอื่นในช่องว่าง คู่แข่ง D ใช้วลีแท็กที่ยาวและเฉพาะเจาะจงมากที่สุด โดยเฉลี่ย 35 แท็กต่อวิดีโอโดยมีหลายช่องเป็นคำถามที่สมบูรณ์หรือวลีความยาวประโยคที่ตรงกับวิธีที่ผู้ใช้พิมพ์คิวรีการค้นหา กลยุทธ์แบบหางยาวนี้สอดคล้องกับแนวทางเนื้อหาของพวกเขาในการสร้างวิดีโอที่ครอบคลุมและเจาะจงลึกที่ตอบคำถามเฉพาะ ด้วยกัน กลยุทธ์แท็กสี่กลยุทธ์นี้วาดภาพที่สมบูรณ์ของวิธีการวางตำแหน่งเนื้อหาของแต่ละคู่แข่งในระบบการค้นหา YouTube ทั้งหมดจากข้อมูลเมตาที่มีให้ทั่วไป

ช่องว่างเนื้อหาและโอกาสที่คู่แข่งพลาดไป

ผลลัพธ์ที่สามารถดำเนินการได้มากที่สุดของการวิเคราะห์ทั้งหมดคือการระบุช่องว่างเนื้อหา โดยการแม่นแหล่งที่มาของหัวข้อที่ครอบคลุมโดยคู่แข่งทั้งสี่ในวิดีโอล่าสุดของพวกเขา ช่องว่างที่ไม่มีรายใดเผยแพร่เนื้อหามากขึ้นมองเห็นได้ ช่องว่างเหล่านี้เป็นตัวแทนของหัวข้อที่ผู้ชมร่วมอาจสนใจ (ตามความเกี่ยวข้องของช่องว่าง) แต่ไม่สามารถค้นหาแนวทางได้ในขณะนี้โดยช่องสัญญาณใดช่องสัญญาณหนึ่ง การเผยแพร่เนื้อหาที่เติมเต็มช่องว่างเหล่านี้เป็นโอกาสในการจัดลำดับการค้นหาและได้รับการแนะนำโดยไม่แข่งขันกับวิดีโอที่มีอยู่จากช่องสัญญาณที่มีอำนาจมากกว่า

กระบวนการนี้ตรงไปตรงมา ชื่อเรื่องวิดีโอและคำอธิบายจากวิดีโอที่วิเคราะห์แปดสิบรายถูกสแกนสำหรับหัวข้อและคำสำคัญที่เกิดขึ้นซ้ำ แผนที่หัวข้อผลลัพธ์แสดงคลัสเตอร์ที่หนาแน่น (หัวข้อที่คู่แข่งทั้งสี่ครอบคลุม บ่อยครั้งหลายครั้ง) และภูมิภาคที่หนาแน่นน้อย (หัวข้อที่ปรากฏในวิดีโอหนึ่งหรือสองรายการที่สุด หรือไม่มีเลย) คลัสเตอร์ที่หนาแน่นบ่งชี้ว่าหมวดหมู่เนื้อหาที่จัดตั้งขึ้นแล้วซึ่งการแข่งขันสำหรับมุมมองนั้นเข้มข้น ภูมิภาคเบาบางบ่งชี้ว่าอย่างใดอย่างหนึ่งเป็นหัวข้อที่คู่แข่งยังไม่ค้นพบ หัวข้อที่พวกเขาได้ตั้งใจหลีกเลี่ยง (บางทีอาจเนื่องจากความต้องการที่รับรู้ต่ำ) หรือหัวข้อที่พวกเขาวางแผนจะครอบคลุมในอนาคต แต่ยังไม่ถึง

ช่องว่างที่มีแนวโน้มดีอย่างแท้จริงหลายช่องปรากฏจากการวิเคราะห์นี้ คลัสเตอร์หัวข้อหนึ่งที่ปรากฏบ่อยครั้งในการวิเคราะห์แท็ก (แนะนำความต้องการการค้นหาของผู้ชม) ได้รับการครอบคลุมเพียงโดยคู่แข่ง D ในวิดีโอเดี่ยวเท่านั้น และวิดีโอนั้นมีประสิทธิภาพที่เกินกว่าค่าเฉลี่ยของช่องสัญญาณ 3 เท่า การรวมกันของสัญญาณนี้ (ความต้องการการค้นหาสูง บวกการแสดงผลที่พิสูจน์ได้ บวกการแข่งขันต่ำ) เป็นตัวบ่งชี้ที่แข็งแกร่งที่สุดเท่าที่เป็นไปได้สำหรับโอกาสเนื้อหา วิดีโอสามรายที่กำหนดเป้าหมายการแปรผันของคลัสเตอร์หัวข้อนั้นถูกสร้างและเผยแพร่ในหลายสัปดาห์ต่อมา และประสิทธิภาพของพวกเขาตรวจสอบการวิเคราะห์: ทั้งสามเกินค่าเฉลี่ยของช่องสัญญาณ โดยหนึ่งรายกลายเป็นวิดีโอที่มีประสิทธิภาพสูงสุดของไตรมาส

การวิเคราะห์ทั้งหมด ตั้งแต่การระบุคู่แข่งผ่านการรวบรวมข้อมูล การคำนวณเมตริกส์ การสกัดแท็ก และการแม่นช่องว่างเนื้อหา ได้ดำเนินการโดยใช้ข้อมูลสาธารณะที่ประมวลผลผ่าน API ไม่มีการเข้าถึงข้อมูลวิเคราะห์ส่วนตัว ไม่จำเป็นต้องมีข้อมูลประจำตัว ไม่มีการละเมิดข้อกำหนดการให้บริการ ตำนานที่ว่าการวิเคราะห์การแข่งขันต้องการการเข้าถึงข้อมูลส่วนตัวนั้นตรงตามที่ว่า: ตำนาน ข้อมูลเป็นสาธารณะ เครื่องมือในการประมวลผลมี คำถามเดียวคือว่าจะใช้พวกเขาหรือไม่