Menestyvä podcast – miten erottua podcastien tarjonnan kasvaessa : Miten suomalainen podcast pääsee kymmenen kuunnelluimman podcastin listalle?
Notice bibliographique
Résumé
Tässä opinnäytetyössä tarkoituksena oli selvittää, mitkä tekijät vaikuttavat suomalaisen podcastien pääsemiseen Spotifyn kymmenen kuunnelluimman podcastin listalle. Haastattelin myös Jäljillä-podcastin tekijää, Tilda Laaksosta. Jäljillä-podcastin ensimmäinen jakso julkaistiin jo vuonna 2018, ja se on siitä saakka yksi Suomen suosituimmista podcasteista. Opinnäytetyössäni en ottanut huomioon kansainvälisiä podcasteja, joita oli tutkimusaikana kaksi Suomen kymmenen kuunnelluimman podcastin listalla. \n \nTutkin opinnäytetyötäni varten Spotifyn kymmenen kuunnelluimman podcastin listaa 24.10.2022–13.11.2022. Keräsin tietoa podcastien tekijästä tai tekijöistä sekä heidän sosiaalisen mediansa seuraajamääristä, podcastien jaksojen sisällön ajankohtaisuudesta ja kestosta sekä mahdollisista olemassa olevista henkilöbrändeistä. \n \nValitsin podcast-alustoista Spotifyn, koska se tarjosi kaikista luotettavimman ja laajimman tiedon opinnäytetyöni kysymystä ajatellen. Suomessa podcastien kuunnelluimpien listoja löytyi muitakin, mutta listojen päivittäjistä ja lähteistä ei ollut saatavilla tietoa, joten hylkäsin ne vaihtoehdot heti alussa. Spotify on ilmainen suoratoistopalvelu, josta löytyy suurin osa suomalaisista podcas-teista. \n \nOpinnäytetyöni tutkimusmenetelmänä käytin laadullista ja määrällistä tutkimusta ja analysoin tuloksia sisällönerittelyn keinoin. Koska opinnäytetyöni aineisto koostuu sekä kirjallisesta ja numeraalisesta että kuullusta ja nähdystä materiaalista. \n \nTutkimuksesta selvisi, että podcastien tarjonta on nykypäivänä valtava. Jokaiselle varmasti löytyy kuunneltavaa, ja mikä tahansa podcast, aiheesta riippumatta, voi nousta kymmenen kuunnelluimman podcastin joukkoon. Tutkimuksesta selvisi, että yhteisiäkin tekijöitä löytyi: suurin osa tutkimistani jaksoista oli yli 30 minuuttia pitkiä, jaksoja oli julkaistu säännöllisesti eikä ajankohtaisuus ollut merkittävä tekijä. \n \nOlemassa oleva henkilöbrändi on merkittävä tekijä tiettyjä aiheita käsittelevissä podcasteissa, kuten lifestyle-kategoriassa. Henkilöbrändi yhdistettynä oikeaan aiheeseen ja suosittuun sosiaali-sen median tiliin edesauttaa podcastin menestymistä. Mitä tarkemmin rajattu aihe on, sitä vähemmän henkilöbrändillä on vaikutusta.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,231 | 0,085 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».