Sosiaalisista verkostoista voidaan löytää yhteisöjä ja tarkastella keskeisimpiä solmuja eri mittareiden perusteella. Tässä tutkimuksessa analysoitiin YouTuben videoverkostoja, jotka haettiin kuudesta erilaisesta aiheesta. Videoiden väliseksi yhteystyypiksi valittiin yhteinen kommentoija. Tutkimuksessa tarkasteltiin, löytyykö videodatasta muodostetuista graafeista yhteisöjä ja millaisia rakenteita graafeissa esiintyy. Erityisenä tutkimuskysymyksenä oli selvittää, mitkä ovat verkostojen keskeisimmät solmut eri mittareilla tarkasteltuina ja vastaavatko nämä toisiaan. Rakenteellisina keskeisyysmittareina käytettiin astetta, painotettua astetta, ominaisvektoria, läheisyyttä ja välillisyyttä. Tarkasteluun otettiin mukaan myös katselukertojen määrä videoiden attribuuttidatasta. Eri mittarien tuottamille ”parhaille” solmuille laskettiin myös keskeisyyspisteet, jotka yhteenlaskemalla saatiin jokaisesta verkostosta selville keskeisimmät solmut.

Tutkimustuloksista huomattiin, että videoverkostoissa esiintyi yhtä aihetta lukuun ottamatta yhteisöjä. Graafeissa oli myös rakenteeltaan samanlaisia elementtejä, kuten yksi suhteellisen iso komponentti muihin graafin komponentteihin verrattuna. Lisäksi jokaisessa graafissa oli lukuisia irrallisia solmuja. Rakenteelliset keskeisyysarvot ja katselukerrat eivät vaikuttaneet korreloivan keskenään. Katselluimmat videot siis saattavat saavuttaa suuren yleisön huomion, mutta kokonaiskeskeisyyspisteiden perusteella voidaan verkostoista löytää pienempien yhteisöjen keskeisiä solmuja, joilla voi olla huomattavaa vaikutusvaltaa. Tällaiset solmut voisivat vain yhdellä keskeisyysmittarilla tarkasteltuna jäädä havaitsematta.