项目理念 | YouTube 广告推荐
项目名称: YouTube 广告推荐
理念:
一个 B2B 应用程序,根据内容对 YouTube 视频进行分段,以优化广告的转化率。
我们有什么:
人们(如 SocialBlade)目前主要通过提取元数据(如标题、语言、当前视图、发布日期)和回归来生成未来视图来完成此操作。
我的建议:
YouTube 帖子最重要的部分是内容(视频)本身。不幸的是,由于缺乏计算能力,它没有被使用。然而,这个想法是使用计算机视觉技术生成一个数据集,并在生成的数据集上应用集成方法来生成有用的信息,如目标受众人口统计、流派、地区以及最后的流行度预测(这是最重要的部分)。
我们需要的东西:
- GPU(推荐 - Nvidia GTX 980)
- YouTube视频链接列表(没错,我们不需要下载M数据集)
- 高速互联网
概念:
这个想法可以分为两部分:
- 数据集生成
- 建模与预测
在第一部分中,我们编写了一个脚本来获取Python环境中的视频实例,并从中提取所有有用的信息。这可以通过 -
import pafy
import vlc
url = "https://www.youtube.com / watch?v = dZ0fwJojhrs"
video = pafy.new(url)
一旦我们得到视频,我们可以在每几帧中使用一个并对其进行对象检测(这可以通过 OpenCV 等开源库来完成)。你可以在这里看到它的实际效果。
然后我们投票,并获取最相关的对象并填充表格。运行一个完整的视频后,它在表格中的条目将如下所示 -
当然,我们也可以在最终数据集中包含元数据。我们的目标变量将是反应的数量和视图的数量。我们还可以对数据集进行聚类以促进广告。
在下一部分中,我们使用 LightGBM/XGBoost 等标准机器学习库来生成预测。
结论:
YouTube 已成为最高的内容持有者。主要收入是广告,广告行业将保证在内容上放置定制广告以提高转化率。如果广告公司知道哪个视频有受欢迎的潜力,他们会从一开始就在其上放置不可跳过的广告。这也将防止我们看到不相关的广告。例如,如果您正在观看与健身相关的视频,您会看到蛋白质奶昔的广告,而不是 Zomato 的广告。
注意:此项目创意由Mohit Sinha为 ProGeek Cup 2.0 贡献 - GeeksforGeeks 的项目竞赛。