Twitterにおけるアニメ実況の時系列解析とユーザー特性

ネットワークシステム研究室

指導教員　坂本　直志

14EC036　梶原　竜太郎

目次

1.はじめに

2.準備

2.1.Twitter

2.2.ツイート

2.3.TwitterID

2.4.ハッシュタグ

2.5.アニメ実況

2.6.深夜アニメの基本構成

3.関連研究

3.1.ストーリーのある連続番組に対する実況サイトの時系列解析

4.データの収集方法と概要

4.1.データの収集方法

4.2.テレビアニメ『NEW GAME!!』の概要

4.2.1.ストーリー概要

5.分析結果

5.1.全12話を通しての分析

5.2.各話ごとにおける分析

6.考察

7.まとめ

8.参考文献

9.付録

　

9.1.各話ごとのグラフデータ

9.1.1.第2話

9.1.2.第3話

9.1.3.第4話

9.1.4.第5話

9.1.5.第6話

9.1.6.第7話

9.1.7.第8話

9.1.8.第9話y

9.1.9.第10話

9.1.10.第11話

9.1.11.第12話

9.2.失望度とおもしろさによる正規化

1.　はじめに

　Twitterのハッシュタグを用いたリアルタイムでの感想や意見の発信がニュース番組やドキュメンタリー、討論番組などで採用されている場面が増えている。1ツイートの短さやリアルタイム性を活かし、放送画面の下部等にテロップとして視聴者のツイートが表示され、視聴者たちが番組に参加出来るようになっている。さて、このように番組が推奨し視聴者が参加する以外にも、番組に取り込まれる以前から、テレビを視聴しながらSNSや掲示板に感想意見をリアルタイムに投稿する「実況」という文化が存在する。ここではテレビアニメや映画、スポーツなど様々なジャンルに対して視聴者が感想を投稿している。 　特にテレビ放送されている深夜アニメ番組におけるTwitterでの実況ツイートに注目する。深夜アニメは新井ら[1]の研究にあるように、ストーリー、パターンなどが似ていて、又、視聴者層も大体一緒など統計的に都合の良い性質を持っていることが知られている。本研究は収集した情報を用いてデータマイニングを行い、その規則性を見出すことを目標とする。なお新井らの研究では投稿数のみから統計を行っていたが、本研究ではTwitter上で情報を収集することで、TwitterIDによるユーザー毎の動向に注目する。　 　本論文の構成は次のとおりである。2章では準備として用語や知識の概要の説明を行う。3章ではデータの収集方法とその概要について述べる。4章では関連研究について述べる。5章では得られたデータに対して分析を行う。6章では分析結果に対する考察を行い、7章でまとめる。

2.　準備

2.1.　Twitter

　「ツイート」と呼ばれる日本語140文字以内のメッセージや画像、動画、URLを投稿できるソーシャルネットワークサービス(SNS)。TwitterIDと呼ばれる「@○○○」の形式をとる文字列で、Twitter上で各ユーザーを識別する。システム内部ではscreen_nameと呼ばれ、英数字15文字以内の制限はあるが、いつでも変更ができる。又、ツイートにはハッシュタグという情報を付加できる。これはツイート本文中で「#○○○」といった文字列を記述すると、検索キーワードとなり、Twitterサイト個々でも統計を取って公表される。図1のように、集計を見ると、その時間帯のニュースや流行などが表示されることになる。

2.2.　アニメ実況

　放送されているアニメをリアルタイムで視聴しながら、その感想等を掲示板やSNSへと書き込むこと。　5ちゃんねる(旧2ちゃんねる)掲示板での実況掲示板、　Twitterでのハッシュタグ（例えば「#ドラゴンボール」など）を用いた実況が行われている。

2.3.　深夜アニメの基本構成

新井ら[1]によると深夜アニメは大体のフォーマットがあることがわかる。基本的には30分番組で、30分がそれぞれ表1のような部分に分けて製作されることが多い。ただし作品や話数によってそれぞれ項目の時間や本編Cパートなどの有無が異なる場合がある。

3.　関連研究

3.1.　ストーリーのある連続番組に対する実況サイトの時系列解析

新井英晃ら[1]の研究では、深夜アニメに関する2ちゃんねるの実況板の単位時間当たりのレス数(Speed)を集計し正規化の方法を考案した。以下の図2は2012年に放送された内の13のアニメ作品のレス数の変化(Speedグラフ)である。彼らは1話から3話にかけて実況数が落ち込み、3話から最終話の手前までは大体一定に推移し、最終話で実況数が増える変化に気づいた。このような動きは、機械などの経年の故障率を表すバスタブ曲線と似ているとした(図3)。さらに、その結果から「失望度」と「面白さ」という二つの指標を導いた。

4.　データの収集方法と概要

4.1.　データの収集方法

テレビアニメ『NEW GAME!!』のTOKYO MXにおける2017年7月11日から毎週火曜日の深夜0時30分から1時00分までの放送時間にて、ハッシュタグ#NEWGAME と #ニューゲーム を含むツイートを対象とし、全12話、149281ツイート分のデータを収集した。これにはツイート時刻、TwitterIDが含まれている。

4.2.　テレビアニメ『NEW GAME!!』の概要

テレビアニメ『NEW GAME!!』とは、芳文社の漫画雑誌『まんがタイムきららキャラット』の2013年3月号より連載中の著者、得能正太郎の4コマ漫画『NEW GAME!』を原作とした動画工房の制作したテレビアニメであり、2016年7月から9月にかけて放送されたテレビアニメ『NEW GAME!』の第2期にあたり、2017年7月から9月にかけて全12話で放送された。

4.2.1.　ストーリー概要

　以下アニメ公式ホームページより引用する。 　高校卒業後、ゲーム制作会社「イーグルジャンプ」に入社した涼風青葉は、幼い頃に夢中になって遊んでいたゲームソフト「フェアリーズストーリー」のシリーズ最新作「フェアリーズストーリー3」の制作に携わることに。 　キャラクターデザイナーを志すきっかけになった八神コウとの出会いを始め、頼りになる先輩たちに助けられながら少しずつ成長していく青葉。 　そして「フェアリーズストーリー3」も無事に完成を迎え、青葉が入社してからちょうど1年が過ぎ、イーグルジャンプに新入社員が入社する季節がやってきた。 　右も左も分からない新入社員だった自分が、ついに先輩になることを考えると、どうしようもなく胸が高鳴る青葉。 　「先輩の涼風青葉だよ！よろしくね！」とイーグルジャンプの入り口で青葉は挨拶の練習を繰り返すのだが･･････。 　ゲーム会社で働く女の子たちの日常を描いたお仕事ガールズコメディが再び幕を開ける

5.　分析結果

5.1.　全12話を通しての分析

　図5は縦軸をツイート数、横軸を話数として各話ごとのツイート数の推移を表したものである。図5からツイート数の推移を見ると、第1話から、基本的にツイート数を減らしていくが、第3話から第11話にかけてほぼ一定で、最終話の第12話にて大きく上昇しているバスタブ曲線となっている。 一方で、図6は縦軸をツイート人数、横軸を話数として各話ごとのツイート人数の推移を表したものである。Twitterでは各話を通して同一人物には同じIDがつくので、TwitterIDを数えたところ、図5のツイート数と近い推移をしていて、同じくバスタブ曲線であることがわかる。新井らの仮説では、ストーリー性のある番組の視聴者数は単調減少し、更に最終話だけを見ない視聴者はまれであると考え、最終話直前と最終話での視聴者数は同じであると仮定した。その上で最終話の実況数の増加は単純に反響の大きさや最終話特有の投稿によるものと言われていたが、これでは説明できない。つまり最終話での盛り上がりは一人当たりのコメントの増加ではなく、視聴者の増加によるものであるとわかる。

更に図7は縦軸を各話のツイート数をツイート人数で割った一人当たりの平均ツイート数、横軸を話数とした各話の一人あたり平均ツイート数の推移を表したものである。各視聴者の話数によるツイート数の差は大きくなく、毎回同じ程度しかツイートしていないことがわかる。

これら3つのグラフを、第6話を1として正規化したものも図8で表した。最終話でのツイート人数について、続きもののアニメの最終話を単独で見たいという発想は理解できないので、これは録画や動画配信サイトにて第1話から第11話を視聴し、最終話のみをリアルタイムで視聴するユーザー、又は、最終話のみツイートするユーザーが存在するという2つの仮定が考えられる。

図9は縦軸をユーザー人数、横軸をユーザーの視聴合計話数としてユーザーの視聴合計話数の量を表したものである。これを見ると全12話すべてにおいて視聴し、実況ツイートをしたユーザーはわずか116人であることがわかる。これは全体視聴者数4436人のうち約2.6%である。また視聴合計話数が1のユーザーの中で、それが第1話であるユーザーを数えたところ653人であった。第1話の視聴者1782人のうち約37%が第1話で視聴をやめていることになる。また同じ手法で第12話のみを視聴したユーザーを数えたところ327人であった。これは第12話の視聴者1272人のうち約26%である。

5.2.　各話ごとにおける分析

　得られたツイートデータから「放送時系列と各ユーザーのツイート」、「放送時系列とツイート量」、「ユーザー毎のツイート数と平均間隔」を示す。 図10は横軸を時刻、縦軸をユーザーIDとして各ユーザーの投稿を表したものである。ぱっと見るとランダムなパターンにも見えるが、よく見ると縦線、横線が見える。縦線は番組で投稿すべき何かが起きたことを意味し、横軸はユーザーごとの特性を意味するのだろう。図11は図10を縦に集計したもので、時刻ごとの番組の情報量がわかる。図12と図13は横軸を時間(秒)、縦軸をツイート数としたグラフである。

5.2.1.　第1話

　またユーザー毎のツイート数とツイート間隔のグラフを両対数で示すと以下の図のような傾向が見られた。

図13を見ると、ツイート数が極端に多い、又は少ないユーザーを除いて、比較的中央に集合ができていることから、主なユーザーは一定の間隔、回数でツイートしていることがわかる。

6.　考察

　全話を通してのデータを見ると、第1話からツイート数、ツイート人数の推移は共に減少していき、第3話から第11話までほぼ一定、最終話の第12話で上昇するバスタブ曲線の形が得られた。また一人当たり平均ツイート数の推移は話数に限らずほぼ一定となった。つまり第1話や最終話でのツイート数の増加は、話の内容や第1話や最終話特有のツイートによるものではなく、単純に視聴し、実況ツイートをしているユーザーの増加によるものであると考えられる。またツイート人数の増加に関しては、リアルタイムの視聴のみで考えるのであれば、最終話だけを見るユーザーを考えることは難しいためツイート人数は減少し続けると仮定できるが、図6でも示したように最終話での増加が見られた。これは録画や動画配信サイトなどを用いて後追いで視聴していたユーザーが、最終話をリアルタイムで視聴したいという心理が働いたと思われる。また図9より最終話のみをリアルタイムで視聴したユーザーが約26%存在することからも説明できる。 時系列と各ユーザーのツイートのグラフの粗密や、時系列とツイート量のグラフの上下からアニメ番組の構成、盛り上がるポイント、場面転換をそれぞれ見て取ることができる。例えば各ユーザーのツイートグラフが薄くなっている、ツイート量が少なくなっている時間では本編が区切れてCMが流れている。その逆で各ユーザーのツイートグラフが濃く、ツイート量が多くなっている時間は本編が場面の転換などでユーザーが盛り上がるタイミングが取れる。特に放送開始直後のアバンタイトル、オープニングからCMへの移行において顕著に見られる。また図13のユーザー毎のツイート数とツイート間隔の関係から、大量に実況ツイートを行うユーザーや極端にツイート数の少ない場合以外のユーザーは、中央付近に集合を形成しているため、基本的なユーザー層はほぼ一定間隔で実況ツイートをしていることがわかる。

7.　まとめ

　本研究では全12話の深夜アニメの実況ツイートを対象に、その時系列に対するユーザーのツイート、ユーザーのツイート特性について調査を行った。12話全体のツイート量とどういったユーザーがアニメを見て、実況しているかが見えてきた。今回の結果ではユーザーは話数毎の内容に関わらず、一定量、一定間隔の実況ツイートをし、第1話や最終話で実況ツイートが増える要因は単純に実況ユーザー数の増加によるものであるとわかった。 他のアニメでのデータと比較することでユーザーの種類と、それらのユーザーの好むアニメやコンテンツが更にわかるだろう。近年では深夜アニメはテレビでのリアルタイム放送以外にも、dアニメストア、ニコニコ動画やAmazonビデオなどの各種インターネット動画配信サイトで視聴することができるようになってきているためリアルタイム放送とその実況との関連にも注目したい。実際に今回のNEWGAME!!では全12話をリアルタイムで視聴し、実況をしたユーザーは全体のわずか約2.6%の116人であることや、最終話のみを視聴したユーザーが約26%であることから、リアルタイム放送より録画や動画配信サイトが活用されていることがわかる。 　今後の課題として、各実況ツイートに対するツイート内容本文とその形態素解析した結果との関連や、他のアニメやアニメ以外の映画など別ジャンルで得られる結果とも比較をする必要がある。特に今回データ対象に選んだアニメ『NEWGAME!!』は、放送前の事前評価などを参考に選んだが、原作付きアニメで第2期であるという特徴があり、第1話をピークとし徐々に視聴者が減っていく傾向があった。データ対象を原作無しのオリジナルアニメにした場合、第1話は少なく、徐々に視聴者が増えていくなどといったことも考えられるだろう。また、関連研究で挙げた新井らの使用したデータは2ちゃんねる実況板であることから、同じアニメ作品実況でのTwitterと２ちゃんねるとの差にも注目したい。

8.　参考文献

[1]新井英晃,“ストーリーのある連続番組に対する実況サイトの時系列解析,”2013 東京電機大学大学院修士課程学位論文

[2]得能正太郎,“NEW GAME!!,”2017 TOKYO MX

[3]Twitter

https://twitter.com

[4]Twitter Japanブログ

https://blog.twitter.com/official/ja_jp.html

9.　付録

9.1.　各話ごとのグラフデータ

9.1.1.　第2話

9.1.2.　第3話

9.1.3.　第4話

9.1.4.　第5話

9.1.5.　第6話

9.1.6.　第7話

9.1.7.　第8話

9.1.8.　第9話

9.1.9.　第10話

9.1.10.　第11話

9.1.11.　第12話

9.2.　失望度とおもしろさによる正規化

新井らが示した失望度とおもしろさのパラメータをNEWGAME!!に適用し、新井らが調査した他作品の失望度とおもしろさの一部を引用したものと比べた。