Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data
YouTube es la plataforma de vídeos más grande, popular e importante del mundo. Recibe millones de visitas diarias que generan miles de millones de dólares en ingresos publicitarios que se dividen entre YouTube y los "youtubers". “YouTube Trending” es una función que aumenta la exposició...
Guardado en:
Autor principal: | |
---|---|
Otros Autores: | |
Formato: | Tesis de maestría acceptedVersion |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
Acceso en línea: | https://repositorio.utdt.edu/handle/20.500.13098/11278 |
Aporte de: |
id |
I57-R163-20.500.13098-11278 |
---|---|
record_format |
dspace |
institution |
Universidad Torcuato Di Tella |
institution_str |
I-57 |
repository_str |
R-163 |
collection |
Repositorio Digital Universidad Torcuato Di Tella |
language |
Español |
orig_language_str_mv |
spa |
topic |
Redes Sociales (en línea) Videos Marketing Publicidad Audiovisual Entretenimiento YouTube Trending Youtubers Monetización |
spellingShingle |
Redes Sociales (en línea) Videos Marketing Publicidad Audiovisual Entretenimiento YouTube Trending Youtubers Monetización Chiaro, Franco Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
topic_facet |
Redes Sociales (en línea) Videos Marketing Publicidad Audiovisual Entretenimiento YouTube Trending Youtubers Monetización |
description |
YouTube es la plataforma de vídeos más grande, popular e importante del mundo. Recibe
millones de visitas diarias que generan miles de millones de dólares en ingresos publicitarios
que se dividen entre YouTube y los "youtubers". “YouTube Trending” es una función que
aumenta la exposición de los vídeos al presentarlos en un sector específico dentro de la
plataforma. Estos vídeos, que tienen un límite de 50 por día, por país, son categorizados
automáticamente como tendencias—según su rendimiento y otras variables—y luego
expuestos como tales, aumentando su visibilidad dentro de la aplicación. En esta tesis
medimos cómo aumenta la cantidad de vistas de videos de la plataforma debido a este
incremento de exposición. Una mayor cantidad de vistas implica mayores ingresos
publicitarios, lo que implica un mayor valor para YouTube y para los creadores de videos.
Nuestro objetivo es medir cuánto de ese valor puede ser capturado por YouTube monetizando
Trending. Para realizar este análisis, modelamos el problema como un estudio observacional
para calcular el efecto de tendencia en las vistas de vídeos utilizando técnicas de inferencia
causal. También definimos el mercado direccionable en el que utilizaremos el efecto promedio
de tratamiento obtenido, haciendo ingeniería inversa sobre el criterio de asignación de
tendencias altamente estricto que utiliza YouTube con un modelo de clasificación de
aprendizaje automático. Después de eso, realizamos un análisis contrafáctico para estimar la
disposición a pagar que tienen los creadores para cada uno de los videos en el mercado
direccionable. Finalmente, usamos esta información para calcular el precio que maximiza los
ingresos netos bajo un esquema de precios sin discriminación y los ingresos netos que
YouTube podría generar bajo un esquema de precios con discriminación de primer grado. |
author2 |
Camporino, Maximiliano |
author_facet |
Camporino, Maximiliano Chiaro, Franco |
format |
Tesis de maestría acceptedVersion |
author |
Chiaro, Franco |
author_sort |
Chiaro, Franco |
title |
Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
title_short |
Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
title_full |
Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
title_fullStr |
Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
title_full_unstemmed |
Monetization opportunity sizing of YouTube Trending: Causal inference modeling and counterfactual analysis with YouTube public API data |
title_sort |
monetization opportunity sizing of youtube trending: causal inference modeling and counterfactual analysis with youtube public api data |
publishDate |
2022 |
url |
https://repositorio.utdt.edu/handle/20.500.13098/11278 |
work_keys_str_mv |
AT chiarofranco monetizationopportunitysizingofyoutubetrendingcausalinferencemodelingandcounterfactualanalysiswithyoutubepublicapidata |
bdutipo_str |
Repositorios |
_version_ |
1764820542988222468 |