YouTubeアルゴリズムの説明

YouTubeアルゴリズムに反対する代わりに、一緒に作業してYouTubeチャンネルをすばやく成長させる方法

多くの小さなYouTuberは、チャンネルの成長に苦労しています。

YouTubeチャンネルが成長しない理由はたくさんありますが、最も一般的な理由の1つは、YouTubeアルゴリズムがどのように機能するかを理解していないことです。

この記事では、YouTubeアルゴリズムが内部でどのように機能するかを紹介します。

機械学習アルゴリズムが各動画のトピックを決定する方法、類似のYouTubeチャンネルをグループ化する方法、各視聴者が何に興味を持っているかを理解する方法、視聴者が登録していない新しい動画やチャンネルを推奨する方法を学習します。

YouTubeアルゴリズムの詳細にあまり興味がない場合は、YouTubeアルゴリズムを解読する方法に関する私のより戦術的なガイドを読むこともできます。

YouTubeアルゴリズムはYouTube動画のトピックをどのように理解していますか

YouTubeの最優先事項の1つは、各動画のコンテンツを理解できるようにすることです。これにより、適切な動画を適切な人物に推薦できるようになります。

YouTubeは、さまざまな手法を使用して各動画を分析しています。

直接メタデータと間接メタデータの両方を使用して、ビデオからキーワードデータを抽出し、複雑な機械学習アルゴリズムを介してビデオとオーディオの分析を行います。

テキストベースの分析

最も簡単な分析は、テキストベースのキーワード抽出に基づいています。

この目的のために、YouTubeは、動画のコンテンツを正確に反映する説明的なキーワードを推定するために、さまざまな直接的および間接的なテキストベースの属性を調べます。

タイトル、説明、およびビデオタグのキーワード分析

ユーザーは、ビデオタイトル、ビデオの説明、ビデオタグ、およびビデオカテゴリをビデオに追加できます。

すべてのユーザー生成メタデータと同様に、問題は、エラー、あいまいさ、および不完全性が発生しやすいことです。

そのため、YouTubeはまず、作成されたすべてのメタデータをサニタイズおよび拡張して、レコメンデーションアルゴリズム内で使用できるようにする必要があります。

例：

誰かがInstagram、Insta、gram、またはIGを書くことができ、それらはすべて同じソーシャルメディアアプリを参照しています。 YouTubeは、同じ名前の同義語を内部的にグループ化することで、このあいまいさを解決しています。

次に、コンテキストデータを使用して、「Instagram」キーワードのコンテキストを理解します。 誰かがInstagramの会社、Instagramの文化的影響、Instagramアプリをユーザーとして使用する方法、またはコンテンツクリエーターとしてInstagramの視聴者を増やすことについて話しているのですか？

統合および拡張されたメタデータは、さらに分析するためにビデオごとに保存されます。

詳細については、YouTube動画にタイトルを付ける方法と動画タイトルを最適化する方法に関する私の記事を確認することをお勧めします。

字幕分析

字幕形式のビデオ文字起こしは、コンテンツ分析のためのビデオメタデータの最高のソースです。

正確に転記された場合、それらは話し言葉から書き言葉への1対1の変換を表し、YouTubeの機械学習分析ツールでアクセスできるようになります。

基本的に、YouTubeは、親会社であるGoogleがSEOの数十億のウェブサイト、ページ、ブログ投稿を分析するために使用しているのと同じ高度なテクノロジーを使用できます。

当初、YouTubeはユーザーが自分の字幕をアップロードまたは転記することに依存していました。

これは退屈な仕事だったので、非常に熱心なYouTubeユーザーのほんの一握りだけが実際に彼らのビデオに字幕を追加しました。

字幕はテキスト分析には非常に優れていましたが、10万人に1人だけが字幕を持っていれば役に立たなかったのです。

YouTubeは、アップロードされたすべての動画を自動的に文字起こしして字幕に変換する独自の音声認識ソフトウェアに多額の投資を行うことで、これを解決しました。

YouTubeの文字起こしの問題は、100％正確でない場合があることです。

特にオーディオ機器の品質が低い場合、バックグラウンドノイズが非常に高い場合、または誰かがアクセントを持っている場合は、ビデオで人々が言うことを誤解し、字幕に間違った単語を使用することがよくあります。

これは、YouTubeコンテンツ作成者にとって非常に危険な結果をもたらす可能性があります。

最良の場合、YouTubeは、ランク付けしたい重要なキーワードを動画に関連付けません。

最悪の場合、無害な言葉は悪いスラーと解釈され、結果として収益化やコミュニティの自動ストライキが発生する可能性があります。

適切な大文字と句読点を含め、トランスクリプトと字幕で可能な限り最高の結果を取得したい場合は、DescriptとOtterをチェックして最良の結果を得るようにすることをお勧めします。

プレイリスト分析

YouTubeはまた、間接的なコンテキストメタデータを使用して、特定のYouTubeが何であるかを理解します。

自分のチャンネルまたは他の人が作成した1つ以上の動画再生リストに特定の動画が含まれていますか？ はいの場合、プレイリストのタイトルと説明にはどのようなキーワードが含まれていますか？

次に、YouTubeは、各再生リスト内のすべての動画タイトルをマージして各再生リストを分析し、パターン認識アルゴリズムを使用して、すべての動画の共通点を正確に表す相互キーワードを特定します。

再生リストのこれらの共通点は、埋め込まれた各動画の追加のコンテキスト情報として機能します。

たとえば、特定の再生リストに一貫性のないデータとノイズが含まれている場合、誰かが無関係の動画をまとめてしまうため、YouTubeはそのデータを無視します。

TubeBuddyのプレイリストアクションツールを使用すると、既存のプレイリストをすばやく整理できます。

コメント分析

ビデオメタデータのもう1つのソースは、YouTubeのコメントです。 これは、動画ごとに大量のコメントを一貫して取得する大規模なチャンネルに関連性があります。

YouTubeは、説明文を示す特定のキーワードやパターンを検索できます。

例：

「どうもありがとう。あなたの動画は、もっと多くの人に私のYouTubeチャンネルを購読してもらう方法を理解するのに本当に役立ちました」。

この場合、検索パターンの1つに「方法…」がある可能性があります。

繰り返しになりますが、YouTubeは額面通りにコメントを受け付けないことに言及することが重要です。 そうでなければ、不正な攻撃者がシステムをゲームして不当なアドバンテージを得るのは簡単です。

代わりに、YouTubeはすべてのデータを使用して、すべてのデータポイント間で一致を確認することにより、信頼水準を高めます。

YouTubeが見ているものを垣間見たい場合は、TubeBuddy CommentsWordCloudをチェックしてください。

情報カードと終了画面の分析

最後のビデオメタデータソースは、情報カードと終了画面です。

特定のビデオ、プレイリスト、または外部Webサイトにリンクしている埋め込みカードはありますか？

もしそうなら、各カードのタイトルと説明にはどのようなテキストが含まれていますか？

YouTubeビデオの場合、どのメタデータとコンテンツクラスターが各ビデオにリンクされていますか？ ソースとターゲットの動画または再生リストの間に類似点と重複はありますか？

Webサイトの場合、各ページのURL、ページタイトル、およびHTMLコンテンツは何ですか。

情報カードと終了画面用のTubeBuddy一括処理ツールを使用すると、時間を大幅に節約できます。

視覚分析

YouTubeは、AIベースの写真分析ツールを使用して、GoogleのCloudVisionAIに基づいてビデオサムネイルと個々のビデオフレームを分析します。

GoogleのCloudVisionAIの注目すべき点は、オープンにアクセスして自分のビデオサムネイルを評価できることです。

ステップバイステップのチュートリアルのために完璧なYouTubeサムネイルをデザインする方法についての私の記事をチェックしてください。

YouTubeとCloudVisionが認識できるオブジェクトの一部を次に示します。

• 人々
• 顔
• 感情
• ジェスチャー
• 衣類
• オブジェクトと属性
• 優勢な色
• スタイル
• ロゴ
• テキスト認識
• セーフサーチの評価
  • 大人
  • なりすまし
  • 医学
  • 暴力
  • レイシー

正直なところ、AIが何年にもわたってどれほど正確になったかは少し怖いです。

YouTubeは同じテクノロジーを使用して、各ビデオをフレームごとに分析しています。

主に、著作権で保護されたコンテンツと、コミュニティガイドライン違反につながる可能性のあるコンテンツを特定するため。

二次的なメリットとして、YouTubeは各動画内の人物やオブジェクトを識別しています。

動画のタイトルが「完璧なトマトサラダの作り方」の場合、動画で実際のトマトを「見る」ことは非常に理にかなっています。

これは、YouTubeが偽のクリックベイトタイトルと戦うのに役立つだけでなく、テキストで表現するのが難しい可能性のある追加のメタデータの優れたソースでもあります。

「ロンドンの過小評価されている3つの場所」というタイトルの動画があり、動画で表示された3つの場所は、「バラマーケット」、「テムズバリアパーク」、「リッチモンドパーク」だったとします。

YouTubeのAIが、たとえばOCRテクノロジーを介して標識をテキストに変換することにより、純粋に視覚認識に基づいて特定の場所を認識できる場合。

その後、YouTubeは、「ロンドンで最高の食品市場」を探している人にあなたの動画を推薦します。

これは、タイトル、説明、タグ、またはサブタイトルにそれらを含めなくても、多くの場合に機能します。

オーディオ分析

YouTubeはまた、すべての動画の音楽、音声、話し言葉のあらゆる瞬間を分析しています。

最も明白な理由は、ここでも、YouTubeのコンテンツIDシステムの著作権で保護された音楽を特定することです。

追加のオーディオデータは、各ビデオ内で何が起こっているかについての貴重な洞察も提供します。

特定の曲は、特定のアーティスト、音楽のジャンル、および一緒にうまく再生される可能性のある他の曲にリンクされています。

サウンドとサウンドエフェクトは、特定のイベントを伝えることがよくあります。 たとえば、「ニャー」という音は猫の存在を示します。

話し言葉は、動画に特定の人物がいることを示している可能性があります。

コンテキスト分析

YouTubeはまた、各動画のトピックをよりよく理解するために、より広範なコンテキストデータを使用しています。

チャネル

• 動画をアップロードしているYouTubeチャンネルについて何を知っていますか？
• YouTubeチャンネルはどのコンテンツクラスターに関連付けられていますか？
• このチャンネルの動画を視聴しているユーザーについて、私たちは何を知っていますか？
• このチャンネルの動画を視聴している視聴者グループはどれですか？
• このチャンネルの動画を視聴している人口統計グループはどれですか？

外部ウェブサイト

• このビデオは外部サイトに埋め込まれていますか？
• はいの場合、特定のビデオが埋め込まれているWebページのコンテンツから追加情報を推定するにはどうすればよいですか？
• このウェブサイトは他に何を公開していますか？
• 特定の記事の著者は誰ですか？
• この著者はどのトピックで知られていますか？
• ウェブサイトの権限スコアとは何ですか？

視聴者分析

• 視聴者はこの動画をどのように操作しましたか？
• どの時間範囲が監視され、どのくらいの頻度で監視されていますか？
• どの時間範囲がスキップされ、どのくらいの頻度でスキップされましたか？
• 動画のインプレッションに対する各視聴者のクリック率はどれくらいですか？
• 視聴者の総再生時間（分/パーセンテージ）はどれくらいですか？
• 総再生時間の割合が低い視聴者の集合について、私たちは何を知っていますか？
• 総再生時間の割合が高い視聴者の集合について、私たちは何を知っていますか？

YouTubeアルゴリズムは、推奨する類似のYouTubeチャンネルをどのように見つけますか

YouTubeアルゴリズムは、YouTubeチャンネルを個々のトピック、カテゴリ、コンテンツクラスターにどのようにリンクしますか？

CNN YouTubeチャンネルに投稿されたビデオを見ると、主にニュースコンテンツの制作に焦点を当てていることがわかるでしょう。

しかし、YouTubeは、大規模な数百万のYouTubeチャンネルについて同じことをどのように判断できるでしょうか。

最も簡単なアプローチは、各YouTubeチャンネルに自己分類を依頼することです。

チャネルカテゴリの長いリストから適切なカテゴリを選択するだけで、すべて問題ありませんか？

まあ、それほど速くはありません...

自己分類の問題は、エラーが発生しやすいことです。

YouTubeコンテンツ作成者は、明確なチャンネルの方向性やコンテンツ戦略を持っていない可能性があります。 したがって、どのカテゴリを選択すればよいかわからない場合があります。

作成者は、各カテゴリの定義や意味を理解していない場合、どのカテゴリを選択するかについて混乱する可能性もあります。

特にカテゴリのリストが非常に長い場合は、圧倒されることもあります。

ソリューション？

彼らはアルゴリズムでYouTubeチャンネルカテゴリを決定しています！

YouTubeがYouTubeチャンネルについて理解する方法は次のとおりです。

彼らは3つの異なる要因を見ています。

• それぞれの動画の内容は何ですか？
• すべての動画で最も人気のあるトピックとテーマは何ですか？
• 動画の視聴者はどのような特徴、特徴、興味を共有していますか？

3つの情報はすべて互いに補完し合っています。

データの調和が取れているほど、特定のチャンネルが特定のカテゴリとニッチに属しているというYouTubeの信頼スコアが高くなります。 YouTubeが同じニッチのYouTubeチャンネルのおすすめ動画セクションであなたの動画を推薦する可能性が高くなります。

そのため、すべての動画に対して明確なYouTubeコンテンツ戦略を策定することが非常に重要です。 コンテンツ戦略を最初から作成する方法について詳しくは、YouTubeコンテンツクラスター戦略の記事をご覧ください。

YouTubeのアルゴリズムは、各ユーザーが何に興味を持っているかをどのように判断しますか

YouTubeは、ユーザーが自分のWebサイトで行うすべてのことを追跡しています。

すべてのマウスの動き。 YouTubeのサムネイルをクリックするたびに。

各ページにサムネイルの何パーセントが表示されたか。

ビデオがフォアグラウンドまたはバックグラウンドで再生されている場合。

どの動画のサムネイルとタイトルが各ユーザーに宣伝され、何回宣伝されましたか？

各動画のインプレッションのクリック率はどのくらいでしたか？

各YouTube動画の視聴回数はいくつですか？

動画をクリックした後の動画の総再生時間（分とパーセント）はどれくらいでしたか？ このユーザーによるビデオ視聴時間の典型的な割合はどれくらいですか？ この動画の総再生時間は平均を上回っていますか、それとも下回っていますか？

特定のビデオを初めて見た後、誰かが何をしましたか？

彼らは従事しましたか？ 彼らはボタンを嫌うために好きを押しましたか？ 彼らはコメントを書きましたか？ 感情分析に基づく肯定的または否定的なコメントステートメントでしたか？

ユーザーは動画の説明を展開しましたか？

視聴者は動画を共有しましたか？ はいの場合、どのプラットフォームで？ そして、共有する最も可能性の高い理由は何でしたか？

彼らはYouTubeチャンネルを購読しましたか？ もしそうなら、どのページに？ ビデオページの場合、彼らはビデオの何パーセントを見ましたか？

彼らは特定のYouTubeチャンネルを探索しましたか？ どのビデオタイトルが彼らに見えましたか？ 彼らはどちらをクリックしましたか？

彼らは特定の再生リストに動画を追加しましたか？ このプレイリストのタイトルは何でしたか？ 同じ再生リストにある他の動画のテーマとトピックは何でしたか？

彼らは後で見るボタンを押しましたか？

このビデオに関連するコンテンツクラスター、テーマ、トピックは何ですか？ このユーザーは、過去の行動と視聴履歴に基づいて、これらのコンテンツクラスターのいずれかに興味がありますか？ Linuxと開発中のソフトウェアなど、2つのコンテンツクラスター間には通常、重複する関心がありますか？

次に、YouTubeはこれらすべてのデータポイントを使用して機械学習アルゴリズムをフィードし、複数のユーザーのパターンを見つけます。

要約する。

YouTubeはまず動画を分類して、各動画の内容を理解します。

次に、トピックをより広範なコンテンツグループとニッチにグループ化します。

誰かが特定のビデオを視聴すると、それに関連付けられたコンテンツクラスターが関心事としてユーザープロファイルにリンクされます。

同じコンテンツクラスターから視聴する動画が多いほど、同じカテゴリの動画がこのユーザーに推奨される可能性が高くなります。

この分析により、YouTubeは各ユーザーが何に興味を持っているかを理解できますが、それはビデオ分析だけに限定されません。

YouTubeはまた、共同視聴データを使用して、個々のユーザーの関心をさらに高めています。

これらのレッスンを実装する方法に関する戦術ガイドについては、YouTubeアルゴリズムをクラックする方法に関する私の記事をチェックしてください。

YouTubeアルゴリズムは、人々が見ているものに基づいて、明確な人口統計および興味グループを作成します

YouTubeアルゴリズムは、個々の視聴者をより広範なコンテンツクラスターにどのようにリンクしますか？

YouTubeは、共通の関心事と関連するコンテンツクラスターに基づいてユーザーをグループ化するため、他のユーザーの履歴や特定のコンテンツクラスターに追加された新しい動画に基づいて推奨事項を作成できます。

この機能は、頻繁に購入される提案やFacebookに似たオーディエンスに対するAmazonのレコメンデーションアルゴリズムと非常によく似ています。

YouTubeは、そのプラットフォームにログインしているすべてのユーザーの視聴履歴を記録しています。

次に、すべての人の視聴履歴を同時に確認し、同じセッション内の任意の2つの動画間の平均距離を計算します。 誰かが両方のビデオを連続して見る場合は距離が短く、その間に他のいくつかのビデオを見る場合は距離が長くなります。

YouTubeが2つの動画間の平均距離を計算すると、同じような視聴履歴を持つ用途をリンクし、共通の関心を持つユーザーに基づいて新しい動画を推奨できます。

より高度なシステムでは、さらに多くのデータソースを組み合わせることができます。

新しいトピックとコンテンツクラスターを特定するためのYouTubeアルゴリズムのプロセスは何ですか

YouTubeビデオカテゴリ

初期の頃、YouTubeは可能な動画カテゴリのリストを手動で定義しようとし、ユーザーに動画ごとに次のトピックのいずれかを選択するように求めていました。

• 映画とアニメーション
• 自動車および車両
• 音楽
• ペットと動物
• スポーツ
• 旅行とイベント
• ゲーム
• 人とブログ
• コメディ
• エンターテイメント
• ニュースと政治
• ハウツー＆スタイル
• 教育
• 科学技術
• 非営利団体とアクティビズム

ビデオカテゴリの設定は、今日は無関係で無視されていますが、ビデオ設定ページで引き続き確認できます。

ビデオ作成者は、各カテゴリがどのように機能するのか、カテゴリが互いにどのように異なるのかを理解していなかったため、自己分類は多くの問題を引き起こしました。

その結果、ラベル付けに一貫性がなくなりました。

Freebaseナレッジグラフ

YouTubeは、これら15のカテゴリの制限にすぐに気づき、Freebaseナレッジグラフデータベースに基づいたより包括的なアプローチに取り組み始めました。

Freebaseは、3,900万を超える構造化データエンティティを備えた大規模なコラボレーションナレッジベースでした。

トピックとも呼ばれる「エンティティ」を中心に構成されました。 各エンティティは、1つ以上の「タイプ」にリンクされていました。 すべてのタイプには、固有の「属性」のセットがありました。

たとえば、「車」エンティティは、とりわけ、「馬力」属性を持つ「エンジン」タイプにリンクされていました。

ウィキペディアと同様に、エンティティ、タイプ、属性のFreebase名はさまざまな言語に翻訳されており、これはYouTubeの国際的な拡大にとって素晴らしいニュースでした。

YouTubeは、独自のカテゴリシステムを開発するための基盤としてFreebaseデータベースを使用しました。

Googleは、検索エンジンと広告の目的でWebページのコンテンツを分類するためのいくつかの分類システムをすでに開発していました。

YouTubeは、Googleの分類アルゴリズムを使用して、Freebaseデータベースの各エンティティ、タイプ、属性を処理し、Googleの分類システムとリンクしました。

結果として得られたモデルは、特定のトピックを専用のWikipediaポータルページにリンクすることでさらに充実しました。

15から3900万を超えるトピックカテゴリに移行することは、YouTubeにとって大きな前進でしたが、それでも数え切れないほどの制限がありました。

最大の問題は、人間の分類への依存と、トピックを整理するための階層的なトップダウンアプローチでした。

これは、新しいテクノロジーやアイデアの爆発的な台頭によってより明白になりました。

手動カテゴリは柔軟性がなく、変更に適応するには遅すぎました。

今日、ほとんどのアイデアや概念には白黒の定義がなく、意味があいまいで流動的であることが多く、時間の経過とともに絶えず進化しています。

iPhoneは通信機器、モバイルコンピュータ、電話、ビデオカメラ、またはスマートフォンですか？ アプリを検討するとどうなりますか？ 電卓、ワープロ、ゲーム機ですか？

20レベルの階層を持つより複雑な概念やアイデアがある場合はどうなりますか？ これらをどのように整理しますか？

YouTubeは、人間による分類やキュレーションを一切必要としない新しいアルゴリズム分類アルゴリズムを採用して、2015年にFreebaseを廃止することを決定しました。

アルゴリズムによるコンテンツクラスターの生成

コンピューターは、世界で考えられるすべてのトピックの超正確なマップを生成し、このマップを明確に定義されたコンテンツクラスターに構造化するにはどうすればよいでしょうか。

これは、ビデオメタデータとユーザーの視聴履歴の数十億のデータポイントを調べる高度な機械学習アルゴリズムによって実現できます。

まず、ビデオのタイトル、説明、タグ、コメントを抽出し、テキスト認識アルゴリズムを使用してオーディオトラックを字幕に変換することにより、各ビデオをテキストメタデータに変換します。

無関係な情報は破棄されます。

各ビデオの結合されたテキストデータは、キーワードとフレーズに基づいて分析およびグループ化されます。

識別されたキーワードとフレーズは、関連性と頻度によって並べ替えられ、重み付けされます。

次に、ビデオ視聴データに基づいてキーワードがリンクされます。

YouTubeは、各キーワードまたはフレーズを一度に1つずつ確認します

次に、特定のキーワードまたはフレーズを含むすべてのビデオのリストを編集します。

次に、同じセッション内で同じキーワードまたはフレーズを使用して少なくとも2つの異なる動画を視聴したすべてのユーザーを識別します。

次に、YouTubeはすべてのセッションの視聴履歴を分析し、ターゲットのキーワードまたはフレーズを含むすべての動画間の平均視聴距離を計算します。

同じキーワード、A、B、Cの3つの動画があるとします。

ジェーンがA、次にf、次にB、最後にCで始まった場合。

AとBの間の距離は2になり、AからCまでの距離は3になります。

2つの動画間の距離が短いほど、動画の関連性が高くなり、プロキシによってリンクされたキーワードが増えます。

何百万もの動画とユーザー視聴データを組み合わせると、キーワードの関連性をかなり適切に表現できます。

さあ、クレイジーなことをしましょう。

巨大な多次元マインドマップを作成し、すべてのキーワードを平均総再生距離と組み合わせてみましょう。

最終的には、相互接続された数百万のデータポイントを含む巨大なグラフになります。

YouTubeはまず、outside-inアルゴリズムを使用してグラフを前処理し、シードビデオとキーワードを見つけて、グラフをコンテンツクラスターにスライスします。

YouTubeは、重なりが最小限で平均視聴距離が長い自然な境界線を探しています。

YouTubeは、潜在的なコンテンツクラスターを特定すると、各クラスターから2つのランダムシード動画を選択して、ローカルの詳細なコンテンツクラスター分析を開始します。

このアルゴリズムは裏返しに機能し、2つのシード動画間の最短経路を特定し、関連する隣接動画を類似のキーワードでリンクすることにより、明確に定義されたエッジを持つローカルコンテンツクラスターグラフを拡大しようとします。

最後のプロセスで、YouTubeは、さらに明確にするために、通常はクラスターのエッジから、類似度スコアが最も低い動画を削除します。

場合によっては、YouTubeは、識別されたコンテンツクラスターをさらに追加のサブクラスターに分割できることに気付くことがあります。

このアルゴリズムによるコンテンツクラスター生成アプローチの利点は、人間の介入を必要としないか、最小限に抑えることです。

このアルゴリズムは、少数のユーザーにのみ関連することが多い新しいコンテンツグループとトピックを常に識別します。

必要なのは、新しいキーワードについての動画を作成する数人のYouTuberと、自分の動画を視聴する多数の人々だけです。

出来上がり、新しいコンテンツクラスターが作成されました。

YouTubeコンテンツ戦略をYouTubeのコンテンツクラスターにリンクする方法については、この記事をお読みください。

また、YouTubeはすべての人の視聴履歴を知っているため、これらの動画を最初に視聴した人と同じような人の似たような視聴者に、この新しいコンテンツクラスターを推奨できるようになりました。

YouTubeディスカバリー機能

YouTubeホームページフィードアルゴリズム

YouTubeのホームページはここ数年で大きく変化しました。

YouTubeホームページには、ユーザーが登録したチャンネルのおすすめ動画のみが表示されていました。

ホームページフィードは、各ユーザーの視聴履歴に基づいたおすすめの動画で100％パーソナライズされています。

YouTubeは、ユーザーが最近見たおなじみのトピックに基づく動画と、そっくりのユーザーに基づくまったく異なるカテゴリの新しい動画を組み合わせて使用​​し、提案を新鮮で刺激的なものに保ちます。

ホームページフィードがおなじみのトピックだけに焦点を当てていないのはなぜですか？ なぜ私が今まで見たことがない誰かと私の良い味を「不快にさせる」危険を冒すのですか？

これは直感に反するように思えるかもしれませんが、YouTubeプラットフォームを長く利用し続けるには、鮮度が重要な要素であることがわかります。

人々は、精神的に疲れを感じる前に、1つのトピックに関する非常に多くのビデオしか見ることができません。 新鮮なビデオトピックは、退屈が起こらないようにする方法を提供します。

ホームページフィードに掲載されるには、クリック率とオーディエンスの維持率を向上させる必要があります。これらは、より多くのオーディエンスにリーチするのに役立つからです。

YouTubeサブスクリプションフィードアルゴリズム

サブスクリプションフィードはかなり自明です。 これは、ユーザーがすでにサブスクライブしているチャンネルの動画にのみ焦点を当てています。

このフィードはサブスクリプションに焦点を当てていますが、時系列のフィードではありません。

YouTubeは、プラットフォームをより長く維持できると信じている最高のコンテンツを引き続き表示しようとしています。

サブスクリプションフィードに表示される内容は次のとおりです。

チャンネル登録したチャンネルから最近アップロードされた動画。これまでに視聴したものと同様のトピックに焦点を当て、クリック率と総再生時間の点で実績のある動画を紹介しています。

YouTubeが提案する動画アルゴリズム

「UpNext」動画も含むYouTubeの「Suggested」フィードアルゴリズムは、クリエイターにとって考慮すべき重要な要素です。

この機能は、モバイルデバイスの場合は現在のビデオの下、デスクトップコンピューターの場合は右側のサイドバーにある推奨領域のビデオを選択します。

あなたの動画の1つを提案するかどうかを検討しているYouTubeは何ですか？

最初のステップは、動画のメタデータが、推奨される動画のメタデータと一致していることを確認することです。

これには、類似したタイトル、キーワード、説明、および字幕で表現されたビデオ自体が含まれます。

視聴者がYouTubeを離れるのではなく視聴し続ける場合、コンテンツはここで推奨される可能性が高くなります。

AIはまた、補完的な詳細なビデオやチャンネル、および他の何かを見るためのテイストブレーカーを探します。そのため、特定のトピックに関するビデオをあまりにも多く見ることに圧倒されることはありません。

味覚ブレーカーはランダムではありません。 これらは、各ユーザーの視聴履歴と類似ユーザーの共同視聴データに基づく個人的な推奨に基づいています。

YouTubeトレンドフィードアルゴリズム

ほとんどの人は、YouTubeの「トレンド」セクションには現在人気のある動画のみが含まれていると信じています。

この仮定は間違っています。

トレンドトピックは、人々がニュースやソーシャルメディアで現在話しているトピックです。

それはすべて、ニュース、ソーシャルメディア、Webサイト、ブログなどで報告されていることに関するものです。

トレンド機能は「地理固有」です。つまり、YouTubeは視聴者の場所に応じてさまざまな動画を表示します。

YouTube通知フィードアルゴリズム

ユーザーは、YouTubeの通知を通じてカスタマイズされたビデオの推奨事項も受け取ります。

通知フィードで動画を取得するには、ユーザーは最初にYouTubeチャンネルに登録してから、ベルのアイコンをクリックする必要があります。

その後、YouTubeは、チャンネルにアップロードした新しい動画についてリアルタイムでチャンネル登録者に通知します。

サブスクライバーは、YouTubeアプリまたはデスクトップ通知を介して通知を受け取ります。

通常、動画通知は区別なく順番に表示されます。つまり、YouTubeは、チャンネル登録者数に関係なく、すべてのチャンネルからのすべての通知を表示します。

唯一の例外は、ユーザーがあまりにも多くのチャネルに対してあまりにも多くの通知をオンにした場合です。 この場合、YouTubeは、ユーザーが次に視聴する可能性が最も高いものに基づいて、関連性アルゴリズムを使用します。

YouTube検索結果アルゴリズム

YouTube検索では、タイトル、説明、動画タグ、各動画の字幕に含まれるキーワードのキーワード最適化など、YouTubeSEOに重点が置かれています。

さらに、検索に表示されるチャンネルとトップにプッシュされる動画を決定する際には、チャンネルのチャンネル登録者数と動画の総再生時間が考慮されます。

鮮度は、新しいコンテンツや更新されたコンテンツを推奨できるようにするもう1つの重要なランキング要素であり、小規模なチャネルにチャンスを与えます。

これを利用するには、新しい動画で動画のタイトルとサムネイルを最適化して、クリック率を高くする必要があります。 そうしないと、誰もクリックしないと、新しい動画のランクが下がってしまいます。

YouTubeはまた、視聴者が特定の質問に対する特定の回答を簡単に識別できるように、ビデオを「セクションにスライス」できるようにするビデオチャプターを展開しました。 ビデオでこのオプションを有効にするか、ビデオのトピックに沿ったキーワードを使用して独自のビデオチャプターを作成するかを選択できます。 これは、YouTubeが検索結果に動画を表示するのに役立ちます。

次のステップ

うわー、YouTubeのアルゴリズムは注目に値するテクノロジーです。

YouTubeアルゴリズムが内部でどのように機能するかについてのあらゆる側面を理解したので、（成功した）YouTubeチャンネルをすばやく成長させるために他に何ができるでしょうか。

YouTubeのアルゴリズムを解読するために、YouTubeの成長に関する非常に戦術的なガイドを読むことをお勧めします。

この記事で取り上げたYouTubeアルゴリズムの技術的な詳細の多くを省略し、YouTubeアルゴリズムに関する重要なレッスンを実装する方法に関する実践的なアドバイスと推奨事項を提供します。

その後、以下の私のYouTube成長記事のいくつかをチェックすることができます。

• チャンネルに適したコンテンツクラスターを選択して、YouTubeチャンネルに最適なニッチを見つける方法。
• あなたのビデオタイトルを最適化する方法、そしてまたここに。
• クリックを獲得する動画のすばらしいサムネイルをデザインする方法。
• YouTubeでのインプレッションのクリック率を向上させる方法。
• 最初の1000人のYouTubeチャンネル登録者を獲得する方法。
• YouTubeチャンネルを収益化するために、4000時間の総再生時間をすばやく増やす方法。
• こちら、こちら、こちらのYouTubeチャンネルでお金を稼ぐ方法。
• 最後になりましたが、最高のYouTube成長ツールTubeBuddyの私の完全なレビュー。