카테고리별 참여율 분포: 같은 참여율도 카테고리가 다르면 다른 성적이다

소견 01

참여율은 채널을 열어볼 때 가장 먼저 살피는 부위입니다. 조회수에는 알고리즘의 기분이 절반쯤 섞여 있지만, 좋아요와 댓글은 보고 나서 손을 움직인 사람만 남기는 흔적이라서요. 문제는 이 흔적의 정상 범위가 카테고리마다 다르다는 점입니다. 이번 코퍼스에서 발행 기준을 넘긴 카테고리 6개 가운데 중앙값이 가장 높은 과학 & 기술과 가장 낮은 반려동물 사이 간격은 1.7배 수준이었습니다. 같은 숫자가 어디서는 평범하고 어디서는 상위권이 됩니다.

소견 02

더 눈여겨볼 소견은 카테고리 사이의 차이보다 카테고리 안의 폭입니다. 같은 카테고리에서도 p10과 p90 사이는 몇 배씩 벌어지는데, 이번 표본에서는 엔터테인먼트의 폭이 가장 컸습니다. 그러니 카테고리 평균 참여율이라는 한 줄 숫자를 기준선으로 삼는 것은 체온 분포를 평균 체온 하나로 진단하는 일과 비슷합니다. 분위수 세 개(p10·p50·p90)로 위치를 읽는 쪽이 정확합니다.

소견 03

이 참여율이 공개 필드로 만든 근사치라는 점도 소견서에 적어둡니다. likeCount는 좋아요를 누른 사용자 수, commentCount는 댓글 수라는 결이 다른 두 흔적을 합쳐 viewCount로 나눈 값입니다. 시청 지속률이나 노출 클릭률처럼 만족을 직접 재는 지표는 공개 API가 반환하지 않습니다. 따라서 이 분포는 절대 평가표가 아니라, 같은 자로 잰 다른 채널들 사이에서 내 위치를 가늠하는 줄자로만 쓰는 게 맞습니다.

소견 04

쓰는 순서는 이렇습니다. 내 최근 영상 여러 편의 참여율을 같은 식으로 계산하고, 내 카테고리 행의 분위수와 겹쳐 봅니다. p50 위라면 참여가 병목일 가능성은 낮아지고, p10 아래가 반복된다면 시청자가 반응할 이유를 찾지 못하고 있다는 신호로 읽을 수 있습니다. 그다음 확정은 이 표가 아니라 Studio의 유지율 곡선과 함께 내리는 것이 순서입니다.