YouTubeのセンチメント分析
YouTubeは、消費者の認識とブランドの評判を形成する最も影響力のあるプラットフォームのひとつです。 AI システムがブランドに関するプロンプトに応答する際、YouTubeの動画がソースとして使用されることが増えており、そのコンテンツでブランドがどのように議論されているかが、AIが生成した応答に直接的に反映されるようになっています。
YouTube センチメント分析の商談は、YouTube ビデオがブランドプレゼンスダッシュボードプロンプトセットでプロンプトの引用として検出された場合に表示されます。 センチメント、シェアオブボイス、繰り返しトピックに関する被引用動画とそのコメントを分析します。 次に、優先順位付けされたレコメンデーションを表示し、AIが生成した回答で企業をどのように認識し、表現するのかを改善します。
AIは、次の6つの側面でブランドを分析します。
- 分析済みビデオ —ブランド言及とセンチメントについて調査されたYouTube ビデオの数。
- 分析されたコメント – 分析されたビデオ全体で調べられたコメントの数。
- ブランド言及（ビデオ） – 自社がビデオコンテンツで言及される頻度。
- ブランド言及（コメント） – 自社がコメントに記載される頻度。
- 全体的なセンチメント（動画） – 動画コンテンツ全体で企業に対するセンチメントを集約します。
- 全体的なセンチメント（コメント） – コメント間の企業に対するセンチメントの集約。
仕組み
LLM Optimizerは、AI システムによって引用されたYouTubeのビデオを、ブランドプレゼンスダッシュボードプロンプトセットのプロンプトでモニタリングします。 引用されたビデオが検出されると、それらのビデオとそのコメントを分析して、ブランド言及、センチメント、シェアオブボイス、AIの引用を行います。 このレポートは、競合他社や関連するブランドに対する自社のパフォーマンスを比較し、センチメントを促進する定期的なトピックを特定し、認識のギャップに対処するためのレコメンデーションを生成します。
プロンプトセットのプロンプトに対してYouTube ビデオが引用されていない場合、この商談はダッシュボードに表示されません。
結果は、提案と パフォーマンス の2つのタブに表示されます。
候補
このタブでは、YouTubeでのブランド認知度を向上させるための推奨事項を紹介します。 候補は3つのサブタブに分かれています：現在の候補、修正候補、無視された候補。
候補テーブルには、次の列が含まれます。
- 提案 – 認識ギャップに対処するために推奨される改善。
- 優先度 – 緊急度レベル （重要、高、Medium、低）。
- アクション項目 – 責任のあるチーム（コンテンツ戦略、インフルエンサーマーケティング、製品マーケティングなど）を含む、レコメンデーションを実装するための特定の手順を含むパネルを開きます。
- Evidence – 候補の背後にあるビデオを示すソーステーブルを開きます。
提案を展開すると、AI分析のセクションが表示されます。
- なぜこれが改善が必要なのか – 競合他社の状況や、YouTubeのコンテンツ全体で問題がどのように発生しているかなど、特定された認識ギャップについて説明します。
- 改善方法 – どのようなコンテンツやアクションがギャップに対処するかについて具体的なガイダンスを示します。
- 期待される結果 – 推奨を実装した予想結果。
ソースの表には、推奨事項を促すYouTube ビデオが表示され、次の列が表示されます。
- ビデオ — YouTube ビデオのタイトルとリンク。
- Channel – ビデオを公開したYouTube チャンネル。
- Engagement — エンゲージメントレベル （低、Medium、高）。
- ブランド言及 – 動画の合計言及数に対するブランド言及数。
- シェアオブボイス – 言及したすべてのブランドに対する、ブランドのメンションの割合。
- 上位5 ブランド – 動画で最も取り上げられているブランド。
- センチメント – ビデオのブランドに対する全体的なセンチメント。
- AI Citations – このビデオを引用したAI回答の数。
パフォーマンス
「パフォーマンス」タブには、YouTubeのコンテンツ全体におけるブランドのパフォーマンスの詳細が表示されます。 4つのセクションに分かれています。
マーケットの状況
ブランドの言葉遣いに基づいて、ブランドのパフォーマンスを関連するブランドや競合他社と比較します。
次のような結果が得られます。
- 動画内のブランド言及 – 関連するブランドや市場の競合他社に対するシェアオブボイス。
- コメント内のブランド言及 — コメントコンテンツ間の同じ比較。
- マーケットトラッキング — フィルター可能なチャートで、最大5つの競合他社ブランドを選択して、ビデオやコメント間のシェアオブボイスを比較できます。
センチメント分析
分析したコンテンツ全体で企業の認識を追跡します。動画とコメントの両方に対する、好ましいコンテンツ、中立的なコンテンツ、好ましくないセンチメントの割合を示すセンチメント分布 グラフが表示されます。
ビデオ
分析されたYouTubeのビデオの詳細な表を次の列で示します。
- ビデオ — YouTube ビデオのタイトルとリンク。
- Channel – ビデオを公開したYouTube チャンネル。
- Engagement — エンゲージメントレベル （低、Medium、高）。
- ブランド言及 – 動画の合計言及数に対するブランド言及数。
- シェアオブボイス – 言及したすべてのブランドに対する、ブランドのメンションの割合。
- 上位5 ブランド – 動画で最も取り上げられているブランド。
- センチメント – ビデオのブランドに対する全体的なセンチメント。
- AI引用 – ビデオに関連付けられたAI引用シグナルの数。
「パフォーマンス」タブには、ビデオと トピック のパネルが1つのビューで表示されます（ビデオを選択した状態）。 次の図は、ビデオレベルの表とその下の トピック の概要を示しています。
パフォーマンス タブの
コメント
分析されたYouTubeのコメントの詳細テーブルと、コメントレベルのデータにフィルタリングされたビデオテーブルと同じ列。
トピック
分析されたコンテンツ全体で特定された定期的なトピックのテーブルに、次の情報を表示：
- Topic – 特定された定期的なテーマまたはテーマ。
- ブランド言及 — トピックに関連付けられているブランド言及の数。
- センチメント — トピックに関連付けられている全体的なセンチメント。
トピック テーブルは、ビデオテーブルと同じパフォーマンスビューに表示されます。上記の ビデオ セクションの図を参照してください。
デモでやってみましょう
Frescopaのデモ環境で、YouTubeのセンチメント分析に関するオポチュニティを実際にご確認ください。
よくある質問
AI 検索にとってYouTubeが重要なのはなぜですか？
AI システムは、ブランド、製品、トピックに関する回答を生成する際に、YouTubeの動画をますます引用するようになっています。 言及された動画が自社について好ましくない、または不正確な議論を促すとき、そのセンチメントは、AI システムが自社をどのように表現しているかに直接つながります。 AI システムが既に引用しているコンテンツをYouTubeで利用することで、ブランドイメージの向上に役立てることができます。
この商談がダッシュボードに表示されないのはなぜですか？
このオポチュニティは、YouTube ビデオがブランドプレゼンスダッシュボードプロンプトセットのプロンプトの引用として検出された場合にのみ表示されます。 これらのプロンプトに対してYouTubeのビデオが引用されていない場合、商談は表示されません。 YouTubeのカバレッジが拡大し、その動画がプロンプトセットにAI システムによって引用されると、オポチュニティが利用可能になります。
全体的なセンチメントとは何ですか？
全体的なセンチメントは、自社が言及されているコンテンツの全体的なトーン（好ましい、中立的な、または好ましくない）を反映しています。 これらは大きく異なる可能性があるため、ビデオやコメントについては個別に計算されます。
シェアオブボイスとは何ですか？
シェアオブボイスとは、特定のコンテンツ内または分析されたあらゆるコンテンツにおける総ブランド言及に対する企業の割合を表します。これは、他のすべての企業を比較したものです。
AIの引用とは何ですか？
AIの引用は、特定の動画に対してAIが回答した回数を示します。 AIによる引用の数が多い場合、関連するトピックに関する回答を生成する際に、AI システムが動画を積極的に使用していることが示されます。そのため、動画のセンチメントは、AI表現にとって特に重要になります。
競合他社はどのように特定されますか？
競合他社は、ブランドの業界と、分析対象のコンテンツで最も頻繁に共言及されるブランドにもとづいて、自動的に特定されます。 また、マーケットトラッキングチャートで比較するブランドを5つまで手動で選択することもできます。
分析はどのくらいの頻度で更新されますか？
YouTube分析では、ダッシュボードヘッダーに表示されている日付まで分析されたコンテンツが反映されます。 センチメントとシェアオブボイスの変化を追跡するための推奨事項を導入した後、オポチュニティを再検討します。