버즈 데이터로 펭수의 미래를 예측해보자
[생활 속 데이터분석] 자이언트 펭TV 크리에이터이자 EBS 연습생
TL;DR:
최근 추세대로라면 2019-12-02에 100만을 넘어서 101만 8천,
구독자수 증가에 한계가 있다고 보고 보수적으로 예측하면
2020-01-04에 100만을 돌파해 101만 9천을 기록할 것으로 예측된다.
그리고 1주년 시점에는 183만~716만이라는 수치가 나왔다.
몇해 전 실시간 댓글을 소재로 모 TV예능의 버즈분석을 시도해본 이후 오랜만인 생활 속 데이터분석 시리즈다.
데이터를 바탕으로 했으나 결과는 당연히 보증하지 않으며,
순수한 팬심으로 작성하는 분석을 가장한 응원글이다.
펭-하!
재료 준비
이번에는 더 다수 대중의 다중 데이터를 모아봤다.
처음 떠오른 건 구글 트렌드.
키워드를 통해 관심도 변화를 알아볼 수 있는데, 예상대로 인구에 회자되고 있었으며 뽀로로 대비 차이가 확연하다.
9월 27일 기점으로 엎치락 뒤치락.다음은 국내판 구글 트렌드인 네이버 트렌드.
검색의 피크(peak)가 극심해서 뽀로로는 제외. 트렌드는 어느정도 보인다.그리고 EBS 시청자 게시판과 디*, 더* 커뮤니티 사이트 게시판을 갈무리했다.
본문 내용까진 아니고 목록에 보이는 제목, 날짜, 조회수 등을 재료로,
각 게시글, 코멘트, 추천수, 조회수에 임의의 가중치를 두어 점수를 부여했다.
복잡한 기법을 사용한 건 없고 간단히 html 태그를 읽어들였다.
content <- GET(sprintf('https://home.ebs.co.kr/giantpeng/board/5/10102759/list?hmpMnuId=101&c.page=%d', i))
Sys.sleep(1)
x <- content %>% read_html() %>% html_nodes('#mform > table > tbody > tr > td') %>% html_text()
y <- x[(5*2+1):length(x)] %>% #gsub("\n|\t", "", .) %>%
matrix(ncol = 5, byrow = TRUE) %>%
as_tibble()
z <- rbind(z, y)
지속적으로 할 작업은 아니라서 코드를 정리하진 않았다.
(훗날 예측이 맞는다면(?) 한번쯤 다시 해볼 요량이다.)
회원정보가 삭제된 EBS에 재가입했다.전처리
데이터를 가공할 수 있는 형태로 만들었다.
pengHistory <- data.frame(
date=as.Date(c("2019-04-01", "2019-08-08", "2019-09-30", "2019-10-19", "2019-10-28", "2019-11-10", "2019-09-19")),
note=c("start", "펭수 생일", "구독자 10만 달성\n(실버버튼!)", "마리텔 생방송", "영역 확장\n(타 방송 진출)", "구독자 50만!", "E육대"))
이런식으로 다른 데이터들도 짜깁기했다.
모두 bind 했더니 8488줄이 됐는데, 수천 건이 큰 데이터라고 할 수는 없지만 대중의 의견이 집약된 결과이니 빅데이터라고 하자.
어쨌든 이리저리 재가공하여 그 결과는 아래 차트로 플로팅했다.
톺아보기
커뮤니티별로 바이럴이 일어나는 시기가 다른 것은 유저층 차이때문이라고 생각하며, 미디어 노출(지상파, 유튜브, 인터뷰 등)에 따라 일정부분 시차가 발생한 것으로 판단된다.
뽀로로와 동일한 척도에 있는 게 맨 위에 올린 구글 데이터인데, 여타 데이터와 스케일을 일관되게 맞추긴 어렵지만 대체로 상승 추세에 있는 것만은 확실해 보인다.
과거부터 현재(11/14限)는 확인했고, 그 다음은 어떻게 될까?
위 데이터를 모두 합산해 버즈 수치를 만들었고 이를 토대로 자동(auto.arima) 모델을 이용했다.
4월 1일부터 228일간의 데이터가 input, 이후 138일을 n.ahead로 총 366일(내년은 윤년이다.)간의 추세를 시각화했다.
1-2. 미래라고 표시한 선은 매월 반복되는 seasonal 데이터로 입력했기 때문에 동일한 패턴을 갖고 점진적으로 상승하고, 이대로라면 1주년을 맞는 내년 4월 초에는 현재 대비 약 5~6배의 바이럴이 있을 수 있겠다.
input으로 사용한 데이터가 사회 전반을 대표하는 것은 아니며 정확한 수치보다는 상대적인 비교이기 때문에 구글 트렌드에서 뽀로로를 10배 차이로 앞선다는 뜻이고, 지금보다 각 커뮤니티가 대여섯 배쯤 활발해지지 않을까 하는 것이다.
반면 2-1~3. 구독자는 좀 더 명확한 숫자를 기반으로 한 것인데,
워낙 최근 가파른 성장세라 그대로 모형을 적용해보니 내년이면 무려 600만을 넘어선다는 결과가 나왔다.
도메인 지식으로, 누구나 알고 있는 우리나라 인구수와 유튜브 사용자층 등을 고려했을 때 사실 실현되기 쉽지 않은 숫자임이 자명하고
보수적으로 변수를 조절해보니 166만 정도가 될 듯싶다.
11월 14일 자정 이전, 완성되지 않은 수치(59만을 58만으로 input)로 계산한 오류가 있어서 집계가 완료된 15일까지를 넣어 재계산 해보니 183만~716만이 나왔다.
최근 일주일만 데이터로 넣고 돌리면 1500만도 가능할 기세였다. (11/16 업데이트)
자세한 예측치는 맨 아래에 추가했다.
아래는 오류가 포함된 차트지만 남겨둔다.
변수가 많이 부족하지만 예측 1과 2 사이에는 들지 않을까. (일부 오류)그 결과는 100만을 언제 돌파하는지 지켜보면 될 것이다.
(아주) 빠르게는 12월 6일, 조금 성장세가 늦춰진다면 내년 1월쯤으로 예측됐다.
적고 보니 두 수치 모두 대단할 따름이다.
'빅데이터' 하면 빠지지 않는
스몰데이터 워드클라우드로 글을 마친다.
제작진 이름들이 곳곳에 숨어있다.예측이 얼마나 맞을지 궁금하다.
228 590000.0 2019-11-14 2-1. 구독자 추이
229 621000.0 2019-11-15 2-1. 구독자 추이
230 642394.5 2019-11-16 2-2. 예측1
231 662334.0 2019-11-17 2-2. 예측1
232 681926.0 2019-11-18 2-2. 예측1
233 702224.1 2019-11-19 2-2. 예측1
234 721737.3 2019-11-20 2-2. 예측1
235 739637.4 2019-11-21 2-2. 예측1
236 759771.1 2019-11-22 2-2. 예측1
237 784333.9 2019-11-23 2-2. 예측1
238 811481.2 2019-11-24 2-2. 예측1
239 838926.8 2019-11-25 2-2. 예측1
240 866384.7 2019-11-26 2-2. 예측1
241 907780.2 2019-11-27 2-2. 예측1
242 931433.7 2019-11-28 2-2. 예측1
243 958550.1 2019-11-29 2-2. 예측1
244 978115.9 2019-11-30 2-2. 예측1
245 997813.9 2019-12-01 2-2. 예측1
246 1018006.5 2019-12-02 2-2. 예측1
230 640542.1 2019-11-16 2-3. 예측2(보수적)
231 659154.1 2019-11-17 2-3. 예측2(보수적)
232 674635.5 2019-11-18 2-3. 예측2(보수적)
233 682414.6 2019-11-19 2-3. 예측2(보수적)
234 684583.7 2019-11-20 2-3. 예측2(보수적)
235 686530.0 2019-11-21 2-3. 예측2(보수적)
236 689132.9 2019-11-22 2-3. 예측2(보수적)
237 694467.6 2019-11-23 2-3. 예측2(보수적)
238 701144.0 2019-11-24 2-3. 예측2(보수적)
239 708274.5 2019-11-25 2-3. 예측2(보수적)
240 715169.4 2019-11-26 2-3. 예측2(보수적)
241 730605.5 2019-11-27 2-3. 예측2(보수적)
242 735418.0 2019-11-28 2-3. 예측2(보수적)
243 742312.8 2019-11-29 2-3. 예측2(보수적)
244 744264.8 2019-11-30 2-3. 예측2(보수적)
245 746433.7 2019-12-01 2-3. 예측2(보수적)
246 748887.7 2019-12-02 2-3. 예측2(보수적)
247 752019.9 2019-12-03 2-3. 예측2(보수적)
248 755056.3 2019-12-04 2-3. 예측2(보수적)
249 783645.0 2019-12-05 2-3. 예측2(보수적)
250 787332.1 2019-12-06 2-3. 예측2(보수적)
251 790821.5 2019-12-07 2-3. 예측2(보수적)
252 794074.8 2019-12-08 2-3. 예측2(보수적)
253 798412.5 2019-12-09 2-3. 예측2(보수적)
254 802533.4 2019-12-10 2-3. 예측2(보수적)
255 806196.4 2019-12-11 2-3. 예측2(보수적)
256 809883.5 2019-12-12 2-3. 예측2(보수적)
257 834243.3 2019-12-13 2-3. 예측2(보수적)
258 839014.9 2019-12-14 2-3. 예측2(보수적)
259 847628.3 2019-12-15 2-3. 예측2(보수적)
260 859426.3 2019-12-16 2-3. 예측2(보수적)
261 868753.9 2019-12-17 2-3. 예측2(보수적)
262 876851.7 2019-12-18 2-3. 예측2(보수적)
263 883187.3 2019-12-19 2-3. 예측2(보수적)
264 888382.5 2019-12-20 2-3. 예측2(보수적)
265 893035.2 2019-12-21 2-3. 예측2(보수적)
266 899269.4 2019-12-22 2-3. 예측2(보수적)
267 906687.8 2019-12-23 2-3. 예측2(보수적)
268 914681.3 2019-12-24 2-3. 예측2(보수적)
269 923719.1 2019-12-25 2-3. 예측2(보수적)
270 932233.2 2019-12-26 2-3. 예측2(보수적)
271 947847.4 2019-12-27 2-3. 예측2(보수적)
272 956735.0 2019-12-28 2-3. 예측2(보수적)
273 965240.4 2019-12-29 2-3. 예측2(보수적)
274 969915.9 2019-12-30 2-3. 예측2(보수적)
275 975111.0 2019-12-31 2-3. 예측2(보수적)
276 980857.5 2020-01-01 2-3. 예측2(보수적)
277 987775.9 2020-01-02 2-3. 예측2(보수적)
278 995049.0 2020-01-03 2-3. 예측2(보수적)
279 1019533.1 2020-01-04 2-3. 예측2(보수적)
