Icon

KNIME_​STREAM_​CORE_​2

ETL: LIMPIEZA DEL DATASET

El bloque de LIMPIEZA DEL DATASET recibe 226 filas y devuelve el dataset totalmente limpio y con coherencia en todas las columnas.

EXTRACT

LECTURA DEL DATASET EN FORMATO CSV

LOAD

CARGA EN EXCEL

TRANSFORM

QUITO REGISTRO DUPLICADOS

ARREGLAMOS EL CAMPO COMMENT_SENTIMENT

ARREGLAMOS EL CAMPO WATCH_CONTEXT

ARREGLAMOS EL CAMPO MARKETING_CHANNEL

ARREGLAMOS EL CAMPO RATING

ARREGLAMOS EL CAMPO COMPLETION_RATE

MINUTES_VIEWED: Que minutes_viewed > duration_min no significa error. Usuario puede haber reproducido el vídeo varias veces.

ARREGLAMOS EL CAMPO START_DATE

ARREGLAMOS EL CAMPO DEVICE

ARREGLAMOS EL CAMPO SUBSCRIPTION_PLAN

ARREGLAMOS EL CAMPO AGE: Asumo que hay varios perfiles para un mismo subscrioptor y que todos los distintos perfiles no están determinados en el data_set pero pueden tener edades diferentes

ARREGLAMOS EL CAMPO COUNTRY

ARREGLAMOS EL CAMPO GENRE: Nos aseguramos que content_id corresponde con tittle, genre y content_type

ARREGLAMOS EL CAMPO TITTLE Y CONTENT_TYPE: Nos aseguramos con content_id coincide con tittle

  1. ¿Cómo se reparten los usuarios entre los planes de suscripción (free, básico, premium, trial)?

    • Tarta / anillo: subscription_plan

  2. ¿Qué edad tienen los espectadores?

    • Histograma: age

  3. ¿Cómo cambian los minutos vistos de un día a otro?

    • Líneas: start_date, minutes_viewed

  4. ¿Qué géneros acumulan más minutos vistos?

    • Barras horizontales (ordenadas): genre, minutes_viewed

  5. ¿Qué dispositivo se usa más en cada país?

    • Columnas apiladas: country, device

  6. ¿Los usuarios que terminan más el contenido lo puntúan mejor?

    • Dispersión: completion_rate, rating

  7. ¿Cómo varía la tasa de finalización entre películas y series, y entre títulos?

    • Cajas y bigotes: content_type / title, completion_rate

  8. ¿Qué canal de marketing trae los visionados con mejor sentimiento en los comentarios?

    • Barras 100 % apiladas: marketing_channel, comment_sentiment

  9. ¿En qué contexto se ve cada género (noche, familia, pareja, transporte)?

    • Mapa de calor (tabla dinámica con formato condicional) o radar : watch_context, genre

  10. ¿Qué títulos generan más minutos dentro de cada género?

    • Treemap (o proyección solar): genre, title, minutes_viewed

1. Anillo por plan (Pie Chart)

  • Columna de categoría: subscription_plan. Agregación: Occurrence count. Activa Donut (si tu versión lo tiene) y las etiquetas en %.

2. Histograma de edad (Row Filter → Numeric Binner → Bar Chart)

  • Row Filter: edad_valida = 1. Deben quedar 141 filas. Numeric Binner sobre age, con los intervalos [15,25) "15-24", [25,35) "25-34", [35,45), [45,55), [55,65) y [65,75) "65-74". Bar Chart: categoría = columna de tramos, agregación Occurrence count. Si tu versión lo permite, pon el hueco entre barras a 0.

3. Minutos por día (GroupBy → Sorter → Line Plot)

  • GroupBy: grupo start_date, agregación Sum de minutes_viewed. Sorter: start_date ascendente. Line Plot: eje X start_date, eje Y la suma. Deben salir 21 puntos (del 20/09 al 10/10/2026).

4. Minutos por género (GroupBy → Sorter → Bar Chart)

  • GroupBy: grupo genre, Sum de minutes_viewed. Sorter: la suma, descendente. Bar Chart: marca Horizontal, agregación Sum (o None, porque ya está agregado).

5. Dispositivo por país (Bar Chart)

  • Categoría: country. Agregación: Occurrence count. Serie o color: device. Marca Stacked. Si tu versión pide columnas de frecuencia, haz antes un Pivot con grupo country, pivote device y Count.

6. Tasa de finalización vs valoración (Row Filter → Scatter Plot)

  • Row Filter: rating entre 1 y 5 (quita los 0 y los 6). Deben quedar 170 filas. Scatter Plot: X completion_recalc, Y rating, eje X de 0 a 1. La línea de tendencia no la hace este nodo. Para añadirla, usa un Linear Regression Learner aparte o hazlo en ECharts.

7. Cajas por título (Box Plot (en versiones antiguas, Conditional Box Plot))

  • Columna numérica: completion_recalc. Categoría: title. Fija el eje Y en 0–1.

8. Sentimiento por canal (100 %) (Pivot → Column Aggregator → Math Formula (Multi Column) → Bar Chart)

  • Pivot: grupo marketing_channel, pivote comment_sentiment, Count. Column Aggregator: Sum de las 4 columnas, con nombre Total. Math Formula (Multi Column): $$CURRENTCOLUMN$$/$Total$ sobre las 4 columnas. Bar Chart: Horizontal+ Stacked, con esas 4 columnas como frecuencia.

9. Radar contexto × género (Row Filter → Pivot → Generic ECharts View)

  • Row Filter: quita watch_context = desconocido. Pivot: grupo genre, pivote watch_context, Count. ECharts: tipo radar. Indicadores = los 7 géneros; una serie por contexto (noche, familia, pareja, solo, transporte).

10. Treemap (GroupBy → Generic ECharts View)

  • GroupBy: grupos genre y title, Sum de minutes_viewed. ECharts: tipo treemap, con el género como nivel padre, el título como hijo y la suma como valor. La alternativa nativa más cercana es Sunburst Chart, pero es circular, no un treemap.

Estas conclusiones salen de 221 visionados de 74 usuarios en 21 días (del 20/09 al 10/10/2026). Con una muestra así, tómalas como señales que conviene confirmar, no como conclusiones firmes. Las cifras están en las tablas de Resumen

1. Visionados por plan (anillo)

  • Premium genera casi la mitad de los visionados (46 %). Es el núcleo del negocio.

  • Free y trial suman el 26 %. Es una base amplia para convertir a planes de pago.

  • Cada visionado premium dura menos (43 min de media) que uno trial (56 min) o free (53 min).Una posible explicación: el usuario premium entra más veces y en sesiones cortas, mientras que el usuario de prueba "aprovecha" el acceso.

  • El 13 % de los visionados no tiene plan registrado. Es un fallo de calidad del CRM que impide medir bien la conversión.

2. Edad (histograma)

  • La audiencia está muy repartida entre 15 y 64 años: cada tramo tiene entre el 17 % y el 21 %. No hay un público concentrado en una edad.

  • A partir de 65 años cae a solo el 6 %. Si interesa ese público, es un segmento poco explotado.

  • El 36 % de las edades se había rellenado con la media. Antes de segmentar campañas por edad, habría que recoger mejor este dato.

3. Minutos por día (líneas)

  • El fin de semana se ven unos 705 minutos al día, frente a unos 418 entre semana (un 70 % más). Los picos más altos caen en sábado o domingo: 950 minutos el sábado 3/10, 859 el domingo 4/10 y 791 el domingo 27/09.

  • Recomendación: los estrenos y las notificaciones funcionarían mejor el viernes o el sábado.

  • El martes 6/10 solo hubo 62 minutos. Una caída tan fuerte merece revisarse: puede ser una incidencia técnica o un fallo en la carga de datos.

4. Minutos por género (barras)

  • Suspense acapara el 37 % de los minutos. Además, es el género con más visionados (66).

  • Drama histórico es segundo en minutos con solo 28 visionados. Cada visionado dura mucho porque es una película.

  • Animación, documental y musical se ven, pero generan pocos minutos. Son contenidos cortos o que se abandonan antes.

  • Las películas son el 38 % de los visionados pero el 57 % de los minutos. Si el modelo de negocio depende del tiempo de visionado, las películas tienen mucho peso.

5. Dispositivo por país (columnas apiladas)

  • España (34 %) y Colombia (26 %) suman el 60 % de los visionados. Son los mercados prioritarios.

  • El móvil es el dispositivo más usado (25 %). La experiencia en la app móvil es clave.

  • El patrón cambia mucho por país. En España dominan el móvil y el PC, y el smart-TV apenas llega al 12 %. En Argentina (31 %) y Chile (39 %) gana el smart-TV. Conviene adaptar las campañas por país: en el Cono Sur, acuerdos con fabricantes de TV; en España, campañas en móvil.

  • El reproductor web solo tiene el 10 % de uso. Es candidato a no recibir más inversión.

6. Tasa de finalización vs valoración (dispersión)

  • No hay relación entre terminar un contenido y puntuarlo bien (correlación de −0,06). La valoración no sirve para medir el engagement real; es mejor usar la tasa de finalización o los minutos vistos.

  • El 23 % de las valoraciones no es válido (0 o 6). El sistema de valoración tiene errores o permite valores fuera de la escala.

7. Finalización por título (cajas)

  • Ritmo urbano tiene la mediana más alta (92 %), seguido de Pixel hearts (83 %). Son contenidos que enganchan y servirían de gancho para captar suscriptores.

  • El último frame tiene la mediana más baja (60 %). Es una película de 105 minutos: muchos la empiezan y no la terminan. Habría que revisar su ritmo o mostrarla a otro público.

  • Archivo 27 tiene el primer cuartil más bajo (33 %). Una cuarta parte del público lo abandona pronto, así que el problema está en el inicio del documental.

  • Las cajas son muy anchas en todos los títulos. El abandono es generalizado, y un aviso de "seguir viendo" podría recuperar minutos.

  • Las series se terminan más que las películas (70 % frente a 63 %).

8. Sentimiento por canal (barras al 100 %)

  • El sentimiento general es más negativo (34 %) que positivo (29 %). Es una señal de alerta sobre la satisfacción.

  • Instagram Ads (46 % de comentarios positivos) y el email (40 % positivos, solo 20 % negativos) traen el público más satisfecho. Merece la pena reforzarlos.

  • Influencer (46 % negativos), app push (42 % negativos) y YouTube Ads (solo 13 % positivos) traen usuarios descontentos. Probablemente prometen algo que el contenido no cumple, o llegan a un público que no encaja. Habría que revisar el mensaje o la segmentación.

  • El canal orgánico es el mayor (23 %) y tiene un sentimiento equilibrado.

9. Contexto × género (radar)

  • Ver en pareja es el contexto más frecuente. Suspense lidera en todos los contextos, sobre todo en familia.

  • Animación casi nunca se ve en solitario (1 caso). Se ve en pareja o en transporte, así que encaja mejor con un perfil de adultos jóvenes que con uno infantil.

  • Comedia se ve en familia y casi nunca de noche. Documental se ve de noche y en solitario.

  • Esto permite recomendar según el momento: una sección "para ver en familia" con comedia y suspense, o "esta noche" con documentales.

10. Treemap género/título

  • El último frame genera por sí solo el 24 % de los minutos, y los dos primeros títulos el 45 %. El catálogo depende mucho de muy pocos títulos: si uno sale de la plataforma, el impacto sería grande.

  • Pixel hearts es el título con menos minutos (6 %). Sin embargo, tiene una finalización alta: tiene poco alcance, no un problema de calidad, y conviene darle más visibilidad.

Problemas de calidad de datos que afectan a las conclusiones

Hay muchos "desconocido" en el plan, el canal, el contexto y el sentimiento. Además, hay edades y minutos rellenados con la media, una columna completion_rate que no cuadra con los minutos y valoraciones fuera de la escala. Arreglar la recogida de estos datos permitiría confirmar con más fiabilidad todo lo anterior.

No he modificado el libro. Algunas cifras de este análisis no están en ninguna tabla del libro, como la media de fin de semana frente a entre semana, los minutos por plan o la correlación. Si quieres, las añado como fórmulas en Resumen para que se puedan comprobar.

PIE CHART

  1. ¿Cómo se reparten los usuarios entre los planes de suscripción (free, básico, premium, trial)?

BAR CHART

  1. ¿Qué edad tienen los espectadores?

LINE PLOT

  1. ¿Cómo cambian los minutos vistos de un día a otro?

OBSERVACION

  1. ¿Cómo se reparten los usuarios entre los planes de suscripción (free, básico, premium, trial)?

  2. ¿Qué edad tienen los espectadores?

  3. ¿Cómo cambian los minutos vistos de un día a otro?

  4. ¿Qué géneros acumulan más minutos vistos?

  5. ¿Qué dispositivo se usa más en cada país?

  6. ¿Los usuarios que terminan más el contenido lo puntúan mejor?

  7. ¿Cómo varía la tasa de finalización entre películas y series, y entre títulos?

  8. ¿Qué canal de marketing trae los visionados con mejor sentimiento en los comentarios?

  9. ¿En qué contexto se ve cada género (noche, familia, pareja, transporte)?

  10. ¿Qué títulos generan más minutos dentro de cada género?

BAR CHART

  1. ¿Qué géneros acumulan más minutos vistos?

BAR CHART

  1. ¿Qué dispositivo se usa más en cada país?

SCATTER PLOT

  1. ¿Los usuarios que terminan más el contenido lo puntúan mejor?.

BOX PLOT

  1. ¿Cómo varía la tasa de finalización entre películas y series, y entre títulos?

PIVOT -> BARCHAR

  1. ¿Qué canal de marketing trae los visionados con mejor sentimiento en los comentarios?

PIVOT -> ECHARTS VIEW

  1. ¿En qué contexto se ve cada género (noche, familia, pareja, transporte)?

TREE MAP

  1. ¿Qué títulos generan más minutos dentro de cada género?

country
Expression
Math Formula
Value Counter
normalizo paises
Rule Engine
Value Counter
Value Counter
Value Counter
Value Counter
Value Counter
Value Counter
Missing Value
Value Counter
Value Counter
Value Counter
Value Counter
Missing Value
String Manipulation
Value Counter
marketing_channel
Expression
Value Counter
Value Counter
subscription_plan
Expression
device
Expression
watch_context
Expression
Value Counter
Value Counter
Missing Value
Missing Value
start_date
String to Date&Time
Rule Engine
Value Counter
CSV Reader
Duplicate Row Filter
Value Counter
Value Counter
Value Counter
comment_sentiment
Expression
Value Counter
GroupBy
Missing Value
Value Counter
Rule Engine
start_date
Expression
Bar Chart
Value Counter
Value Counter
GroupBy
Pivot
GroupBy
Bar Chart
Linear Regression Learner
Scatter Plot
Value Counter
Box Plot
minutes viewed
Column Expressions (legacy)
Generic ECharts View
Pivot
Conditional Box Plot (legacy)
Column Aggregator
Excel Writer
Numeric Binner
Value Counter
Bar Chart
Pie Chart
Value Counter
Line Plot
GroupBy
Missing Value
GroupBy
Value Counter
Sorter
title
Expression
Value Counter
Bar Chart
Math Formula
Math Formula (Multi Column)
missing por la media
Missing Value
Missing Value
Sorter
age >79 || <16 missing
Column Expressions (legacy)
String Manipulation
genre
Expression
Rule Engine
Normalizo horiz. rojo
Rule Engine
Value Counter

Nodes

Extensions

Links