2024.08.18

にじさんじ，ホロライブライバーのフォロワー類似度をJaccard係数で可視化する

shimasan0x00

（2020年2月24日）

こんにちは，しまさん（@shimasan0x00）です．

最近にじさんじ，ホロライブのデータを集めたのでいろんなことを調査しています．

にじさんじ，ホロライブが獲得できているユーザ層は同じなのではないかと思って調べてみた

にじさんじ，ホロライブは「箱推し」なのかTwitterデータから分析する

今回はフォロワーデータで類似度をJaccard係数で可視化やってみようと思い立ったのでやります．

この分析に期待しているのはにじさんじ，ホロライブにおいて多くの共通しているフォロワーを持つライバーが明らかになること，そしてフォロワー類似度から得られたグラフにおける中心性分析の結果です．

特に媒介中心性によってコラボ等によってライバーを認知した結果フォローしたユーザ=YouTubeにおけるコラボ行動結果が間接的に出てくれるのではないかと期待してます．

コラボで異なるユーザ層にアプローチすることができるライバーがわかると面白いですね．

もちろん，対象とするユーザ層が近いことが出る可能性はあります(同期，特定のゲームファン，歌が好き,…)．

今回分析した結果，にじさんじにおいては複数の連結成分が得られ，非常に興味深い結果となりました．

Contents

環境
Jaccard係数の計算
ホロライブの場合
にじさんじの場合
さいごに

環境

macOS Catalina 10.15
Python 3.6.8

Jaccard係数の計算

Jaccard係数は差集合が大きいと値が小さくなってしまう性質があり，白上フブキや委員長などの他の所属ライバーから逸脱したフォロワー数がある場合は注意したほうがいいです．

なお，Jaccard係数にすることでにじさんじの分析の際に，連結成分が複数獲得することができそうなのでSimpson係数は採用しませんでした．

ホロライブの場合

まずはJaccard係数の分布を以下に示します．組み合わせは351ありました．

両対数でプロットしたものも以下に示します．

上位5件の組み合わせを載せておきます．

User-A User-B A-count B-count Jaccard 
tokoyamitowa    himemoriluna    51839   53568   0.643364
tsunomakiwatame tokoyamitowa    64807   51839   0.603381
nekomataokayu   inugamikorone   126237  122823  0.597655
tsunomakiwatame himemoriluna    64807   53568   0.595824
amanekanatach   tsunomakiwatame 78197   64807   0.591356

また，分布からJaccard係数のしきい値を0.4に設定し，結果116のエッジを得ました．

比較的新しいライバーが組み合わせ上位に来ています．

これは活動日が浅いライバーをフォローするユーザはイノベーターやアーリーアダプターみたいな層である可能性が高い，もしくは「該当事務所」を信用している結果，新規ライバーに流動した可能性があります．

次は中心性分析です．

次数中心性上位5件を以下に示します．

'shiranuiflare', 0.64
'oozorasubaru', 0.6
'usadapekora', 0.56
'murasakishionch', 0.56
'ookamimio', 0.56

媒介中心性上位5件も示します．

'shiranuiflare', 0.1655558587243193
'oozorasubaru', 0.14002757223770995
'usadapekora', 0.093026862564034
'murasakishionch', 0.08893245302419271
'ookamimio', 0.07667265982985634

では今回表出したグラフを以下に示します．

新しくデビューした4期生は先述しましたが非常に大きいJaccard係数が得られています．

今回，不知火フレアさんが次数中心性，媒介中心性においてTOPである結果には驚きました．

周囲ノードに共通しているフォロワーが多く，異なる層へも繋ぐことができるライバーとなるでしょうか．

逆にJaccard係数が小さいことが悪いということではなく，次数が少ないほうが独自で獲得しているユーザ層が存在する可能性はあります．

ただ，このライバーをフォローしているならこのライバーもオススメだよという推薦はできるかもしれません．

大神ミオさんは大人数のコラボを何回かやっているのでその影響からJaccard係数が高い可能性が考えられ，コラボ活動における影響を推定するのにこの分析は有効なことが期待できます．

にじさんじの場合

まずはJaccard係数の分布を以下に示します．組み合わせは4656ありました．

両対数でプロットしたものも以下に示します．

ホロライブの場合と似た分布が得られています．

上位5件の組み合わせを載せておきます．

User-A User-B A-count B-count Jaccard 
furen-e-lustario    melissa-kinrenka    44339   37233   0.671866
lize-helesta    ange-katrina    189563  192445  0.669382
naraka  natsume-kurusu  52592   45146   0.660855
air-harusaki    naru-naruse 54088   44393   0.655727
fumi    karuta-yamagami 64029   54717   0.652348

分布からJaccard係数のしきい値を0.5に設定し，結果237のエッジを得ました．

ホロライブの場合と同様で比較的新しいライバーが組み合わせ上位に来ています．

次は中心性分析です．

次数中心性上位5件を以下に示します．

'haruka-onomachi', 0.20481927710843376
'levi-elipha', 0.18072289156626506
'karuta-yamagami', 0.16867469879518074
'Hina-Asuka', 0.1566265060240964
'sou-hayase', 0.14457831325301207

媒介中心性上位5件も示します．

'Ritsuki-Sakura', 0.3820355967465271
'Makaino-Ririmu', 0.2553629150749339
'youko-akabane', 0.22538936232735823
'Riri-Yuhi', 0.21669605250269366
'Kakeru-Yumeoi', 0.20205121279404226

では今回表出したグラフを以下に示します．

なお，にじさんじの場合は複数の連結成分が獲得されました．

まずは全体像です．