2026 Q1 YouTube
커뮤니티 구조 분석 리포트
NetworkLytics가 2026년 1~3월 분석된 187개 YouTube 채널의 댓글 네트워크 데이터를 집계·분석한 정기 리포트입니다. 총 823,000개 댓글의 소셜 네트워크 구조를 공개합니다.
핵심 지표 요약
187
분석 채널 수
구독자 1만~1천만
823K
분석 댓글 수
채널당 평균 4,401개
4.2
평균 커뮤니티 수
채널당 (Louvain)
43.7%
핵심 노드 영향력
상위 0.8%가 주도
주요 발견
인플루언서 극단적 집중 현상
분석 대상 채널의 91.4%에서 상위 5명 미만의 핵심 댓글러가 전체 네트워크 상호작용의 30% 이상을 주도했습니다. 상위 0.8%(betweenness centrality 기준)의 영향력이 전체의 43.7%를 차지합니다. 이들은 서로 다른 서브커뮤니티를 연결하는 '브릿지 노드' 역할을 합니다.
서브커뮤니티 내부 결속이 8.4배 강함
동일 서브커뮤니티 내 댓글러 간 네트워크 밀도(평균 0.0847)가 커뮤니티 간 연결 밀도(평균 0.0101)보다 8.4배 높습니다. 팬덤과 일반 시청자 그룹이 명확히 분리되며, 두 그룹을 연결하는 브릿지 댓글러의 마케팅 활용도가 높습니다.
구독자 규모와 감성 극화의 상관관계
구독자 100만 이상 채널의 감성 양극화 지수가 소규모 채널(10만 미만) 대비 2.1배 높습니다. 대형 채널일수록 극성 팬덤과 비판 그룹이 공존하며, 부정 감성 급증 시점이 구독자 이탈 시점과 평균 3.2일 이내에서 일치하는 패턴이 발견됩니다.
초기 댓글 24시간이 네트워크 구조 결정
영상 게시 후 24시간 내 형성된 댓글 네트워크 구조가 최종 구조와 83% 이상 일치합니다. 초기 핵심 댓글러(early hub)의 중심성 점수가 24시간 이후 참여자보다 평균 6.7배 높습니다. 초기 팬 반응 관리가 전체 커뮤니티 구조에 결정적 영향을 미칩니다.
채널 유형별 네트워크 지표
| 채널 유형 | 평균 커뮤니티 수 | 네트워크 밀도 | 긍정 감성 | 인플루언서 집중도 |
|---|---|---|---|---|
| 엔터테인먼트 / 예능 | 5.1 | 0.0214 | 68.3% | 38.2% |
| K-POP / 음악 | 4.8 | 0.0198 | 71.7% | 51.4% |
| 교육 / 정보 | 3.4 | 0.0156 | 58.9% | 29.1% |
| 시사 / 뉴스 | 3.9 | 0.0171 | 43.2% | 44.8% |
| 게임 / e스포츠 | 4.6 | 0.0203 | 62.1% | 47.3% |
| 전체 평균 | 4.2 | 0.0183 | 61.2% | 43.7% |
* 인플루언서 집중도 = 상위 0.8% 노드(betweenness centrality 기준)의 상호작용 점유율
분포 차트
전체 감성 분포 (평균)
채널 유형별 평균 커뮤니티 수
분석 방법론
데이터 수집
YouTube Data API를 통해 댓글·답글 쌍(comment-reply pair)을 수집. 분석 기간: 2026년 1월 1일 ~ 3월 31일. 비식별화 처리 후 집계.
네트워크 구성
댓글 작성자를 노드(node), 답글 관계를 엣지(edge)로 정의. 방향성 그래프(directed graph) 구성 후 무방향 변환하여 중심성 측정.
커뮤니티 탐지
Louvain 알고리즘 (resolution=1.0) 적용. modularity 최적화 기반 커뮤니티 분리. 5명 미만 소규모 그룹은 기타로 통합.
감성 분석
한국어: KoNLPy 형태소 분석 + 감성 사전. 영어: VADER sentiment. 복합 언어 채널은 언어 감지 후 분리 적용.
내 채널을 직접 분석해 보세요
댓글 .info.json 업로드 → 즉시 SNA 분석 · 무료 플랜 사용 가능