Ich vermute, wenn Du im Controlling arbeitest, brauch ich Dir eigentlich nicht zu sagen, dass Statistiken mit nur wenigen Datensätzen sehr leicht trügerisch sind. Da können einzelne Datenpunkte, die eigentlich nur Ausreisser sind, die Aussage einer Analyse stark beeinflussen oder sogar komplett umkehren.
Dazu kommt, dass es bei YouTube zahlreiche Systeme gibt, die teilweise ineinander greifen, teilweise aber auch komplett getrennt arbeiten. Und dies wird von den uns angezeigten Analytics nicht unbedingt immer korrekt dargestellt oder zumindest vereinfacht. Dies geschieht zum Teil auch mit voller Absicht, damit Analysten nicht die "geheime YouTube Formel" errechnen können, die für die ultimative Performance aller Videos sorgt.
Gemeinhin wird von "dem Algorithmus" gesprochen, der bei YouTube alles steuert. Das ist aber grundlegend schonmal falsch, denn es gibt nicht "den Einen", sondern zahlreiche Algorithmen, die völlig unterschiedliche Ziele haben. Diese teilen sich in manchen Bereichen Daten und schreiben auch in Datenbanken, die von manchen der anderen KIs lesbar sind. Aber jede KI hat auch noch ihre eigenen Datensätze, die für die anderen nicht erreichbar sind.
So gibt es eine Suggested KI, die versucht für jeden User die besten Vorschläge neben anderen Videos anzuzeigen, die thematisch zu diesem Video aber auch zu den Sehgewohnheiten und Wünschen des Users passen.
Es gibt eine Home-Feed KI, die versucht die besten Videos rauszusuchen, die gerade für diesen User, der offensichtlich gerade nach neuen Videos sucht anzuzeigen, hier gibt es Sachen aus den Abos aber auch ganz andere, die zum Beispiel von Kanälen stammen, wo der User mal geschaut, aber nicht abonniert hat, oder von Kanälen, die der User noch nie gesehen hat, aber die andere User, mit einem ähnlichen Seh-Profil, gern angeschaut haben.
Es gibt eine Such-KI, die versucht den Suchenden Zuschauern, die Videos anzuzeigen, die am besten und am relevantesten zur Suchanfrage passen und die anderen Zuschauern, die diese oder vergleichbare Suchen durchgeführt haben, zu einer Erfüllung ihres Suchbedürfnisses geholfen haben. Es wird analysiert, ob der Suchende später nochmal weiter sucht, ähnliche Suchen durchführt, oder nicht. Und ein Video ranked dabei nicht zu einem Suchbegriff, sondern eventuell zu hunderten gleichzeitig und zu jedem einzelnen werden unterschiedliche Impressions und CTRs gespeichert.
Dann gibt es noch die Trends-KI, die Abo-Feed-KI und vermutlich noch so einige mehr. Und jede dieser KIs verwaltet ihren eigenen Datensatz, mit ihren Impressions, CTRs, Watchtimes, etc die in dem jeweiligen Zuständigkeitsbereich angefallen sind. Und unabhängig voneinander reagieren sie unterschiedlich darauf. Natürlich gibt es auch die große allgemeine Datenbank mit Einträgen über das Video, wo jeweils vermerkt wird, wie oft welches Video bei welcher Gelegenheit von welchem Zuschauer wie lange angeschaut wurde (und einige tausend andere Datenpunkte pro Video und pro Zuschauer).
Und aus dieser Datenmenge werden von jeder KI eigenständig die Entscheidungen abgeleitet, ob ein Video mehr oder weniger präsent angezeigt wird, sprich mehr Impressionen bekommt. Aber ich bin mir sicher, dass jeder Algorithmus dabei völlig andere Parameter verwendet, die sich dann auch noch für jeden Zuschauer anpassen, nach dessen Vorlieben.
Hinzu kommt, dass wir immer nur die Daten unserer Videos sehen, aber nicht die Daten der anderen Videos, neben denen unser Videos ranked, also unsere Konkurrenz. Und eine CTR von 16% ist toll, aber wenn die anderen 20-30% haben, geht man trotzdem unter (nur so als Beispiel). Und CTR muss man halt auch nicht nur im Zusammenhang mit den Impressions betrachten, sondern vor allem auch mit der Watchtime, die aus diesen Klicks entstanden ist. Denn man kann eine hohe CTR erreichen, wenn man ein tolles Thumbnail und ein interessantes Thema anzeigt, das viele Leute interessiert. Aber wenn es totaler Clickbait ist, oder das Video wie eine Schlaftablette langweilig ist, dann nützt die beste CTR nichts. Die Leute springen schnell wieder ab, und YT misst das, und dann wird es auch mit einer hohen CTR trotzdem untergehen.
Und das, was wir in unseren Analytics sehen können, ist eine Mischung aus all diesen Daten, vereinfacht, bereinigt und gefiltert. Daraus kann man zwar einige Trends ablesen, auch verschiedene Schlüsse ziehen, was gut geht und was nicht. Aber es soll so abstrakt sein, dass man nicht die goldene Formel daraus ableiten kann, wie bereits gesagt. Analytics sind spannend, aber nicht der Weisheit letzter Schluss, und sehr viele Creator verbringen viel zu viel Zeit damit, und interpretieren sehr viel dort hinein, was aber oft gar keinen Sinn ergibt und zu Fehlentscheidungen und falschen Erwartungen führen kann.
Manchmal findet man bei der Suche in den Analytics die gut laufenden Themen, sehr, sehr oft aber auch nicht. Aber meistens ist es sinnvoller seine Zeit damit zu verbringen neue Themen zu suchen, neue Chancen zu entdecken und einfach neue Videos zu machen, anstatt in den Daten der alten Videos rumzuwühlen und dort Dinge reinzudeuten, wie eine Wahrsagerin in den Kaffeesatz.
Ich nehme mich da selbst nicht von aus, ich schaue auch viel zu oft in die Analytics 
