Spiegazione dell'algoritmo di YouTube

Come far crescere rapidamente il tuo canale YouTube lavorando con invece che contro l'algoritmo di YouTube

Molti piccoli YouTuber faticano a far crescere il proprio canale.

Sebbene ci siano molte ragioni per cui il tuo canale YouTube non sta crescendo, una delle più comuni è non capire come funziona l'algoritmo di YouTube.

In questo articolo, ti mostrerò come funziona l'algoritmo di YouTube sotto il cofano.

Imparerai come l'algoritmo di apprendimento automatico determina l'argomento di ogni video, come raggruppa insieme canali YouTube simili, come comprende ciò che interessa a ogni spettatore e come consiglia nuovi video e canali a cui gli spettatori non sono iscritti.

Se sei meno interessato ai dettagli essenziali dell'algoritmo di YouTube, puoi anche leggere la mia guida più tattica su come decifrare l'algoritmo di YouTube.

In che modo l'algoritmo di YouTube comprende l'argomento dei video di YouTube

Una delle principali priorità di YouTube è avere la capacità di comprendere il contenuto di ogni video, in modo che possa quindi consigliare il video giusto alla persona giusta.

YouTube utilizza un'ampia varietà di tecniche per analizzare ogni video.

Utilizza metadati diretti e indiretti per estrarre i dati delle parole chiave da video e analisi video e audio tramite complessi algoritmi di apprendimento automatico.

Analisi testuale

L'analisi più semplice si basa sull'estrazione di parole chiave basata su testo.

A tale scopo, YouTube esamina una serie di attributi testuali diretti e indiretti per estrapolare parole chiave descrittive che riflettano accuratamente il contenuto del suo video.

Analisi delle parole chiave di titolo, descrizione e tag video

Gli utenti possono aggiungere ai propri video il titolo del video, la descrizione del video, i tag video e la categoria video.

Come per tutti i metadati generati dagli utenti, il problema è che sono spesso soggetti a errori, ambiguità e incompletezza.

Per questo motivo, YouTube deve prima disinfettare e migliorare tutti i metadati scritti per renderli utilizzabili all'interno del proprio algoritmo di raccomandazione.

Esempio:

Qualcuno potrebbe scrivere Instagram, Insta, gram o IG, tutti riferendosi alla stessa app di social media. YouTube risolve questa ambiguità raggruppando internamente i sinonimi con la stessa denominazione.

Quindi utilizza i dati contestuali per comprendere il contesto della parola chiave "Instagram". Qualcuno sta parlando dell'azienda Instagram, dell'impatto culturale di Instagram, di come utilizzare l'app di Instagram come utente o della crescita del pubblico su Instagram come creatore di contenuti?

I metadati unificati e migliorati vengono quindi salvati per ogni video per ulteriori analisi.

Ti consiglio di dare un'occhiata ai miei articoli su come intitolare i tuoi video di YouTube e su come ottimizzare i titoli dei tuoi video per maggiori dettagli.

Analisi dei sottotitoli

Le trascrizioni video sotto forma di sottotitoli sono di gran lunga la migliore fonte di metadati video per l'analisi dei contenuti.

Se trascritti in modo accurato, rappresentano una conversione uno-a-uno dalla parola parlata alla parola scritta, rendendola così accessibile agli strumenti di analisi dell'apprendimento automatico di YouTube.

In sostanza, YouTube può utilizzare le stesse tecnologie avanzate utilizzate dalla sua società madre Google per analizzare miliardi di siti Web, pagine e post di blog per la SEO.

Inizialmente, YouTube faceva affidamento sugli utenti per caricare o trascrivere i propri sottotitoli.

Poiché si trattava di un lavoro noioso, solo una manciata di utenti YouTube estremamente impegnati avrebbero effettivamente aggiunto i sottotitoli al proprio video.

Sebbene i sottotitoli fossero molto migliori per l'analisi del testo, erano piuttosto inutili se solo 1 su 100.000 avesse i sottotitoli.

YouTube ha risolto questo problema investendo pesantemente nel proprio software di riconoscimento vocale che ha trascritto automaticamente ogni video caricato e li ha convertiti in sottotitoli.

Il problema con le trascrizioni di YouTube è che a volte non sono accurate al 100%.

Spesso fraintende ciò che le persone dicono nei video e poi usa parole sbagliate nei sottotitoli, soprattutto se l'attrezzatura audio è di qualità inferiore, il rumore di fondo è molto alto o se qualcuno ha un accento.

Ciò ha un paio di conseguenze potenzialmente molto pericolose per qualsiasi creatore di contenuti di YouTube.

Nel migliore dei casi, YouTube non associa una parola chiave importante per la quale desideri classificarti al tuo video.

Nel peggiore dei casi, una parola innocua potrebbe essere interpretata come un insulto negativo, con conseguente demonetizzazione o sciopero automatico della comunità.

Se vuoi ottenere i migliori risultati possibili per le tue trascrizioni e sottotitoli, comprese le maiuscole e la punteggiatura corrette, ti consiglio di controllare Descript e Otter per i migliori risultati.

Analisi playlist

YouTube utilizzerà anche metadati contestuali indiretti per capire di cosa tratta un determinato YouTube.

Un video specifico è incluso in una o più playlist video create dal tuo canale o da altri? Se sì, quali parole chiave sono incluse nel titolo e nella descrizione della playlist?

YouTube potrebbe quindi analizzare ogni playlist unendo tutti i titoli dei video all'interno di ciascuna playlist e quindi utilizzare algoritmi di riconoscimento dei modelli per identificare parole chiave reciproche che descrivono accuratamente i punti in comune tra tutti i video.

Questi punti in comune nelle playlist possono servire come informazioni contestuali aggiuntive per ogni video incorporato.

Se una playlist specifica contiene dati e rumori incoerenti, ad esempio, YouTube ignorerà i dati perché qualcuno mette insieme video non correlati.

Puoi riordinare rapidamente le playlist esistenti con lo strumento di azione delle playlist di TubeBuddy.

Analisi dei commenti

Un'altra fonte di metadati video sono i commenti su YouTube. Questo è più rilevante per i canali più grandi che ottengono costantemente un volume elevato di commenti per ogni video.

YouTube può cercare parole chiave e schemi specifici che indicano affermazioni descrittive.

Esempio:

"Grazie mille. Il tuo video mi ha davvero aiutato a capire come convincere più persone a iscriversi al mio canale YouTube".

In questo caso, uno dei modelli di ricerca potrebbe avere "come..."

Ancora una volta, è importante ricordare che YouTube non prende i commenti per valore nominale. Altrimenti, sarebbe facile per gli attori canaglia giocare con il sistema per ottenere un vantaggio ingiusto.

Invece, YouTube utilizza tutti i dati per aumentare il proprio livello di confidenza confermando la congruenza in tutti i punti dati.

Se vuoi dare un'occhiata a ciò che sta vedendo YouTube, dai un'occhiata a TubeBuddy Comments Word Cloud.

Analisi schede informative e schermate finali

Le ultime fonti di metadati video sono schede informative e schermate finali.

Alcune delle schede incorporate si collegano a video, playlist o siti Web esterni specifici?

Se sì, quale testo è incluso nel titolo e nella descrizione di ogni carta?

Nel caso dei video di YouTube, quali metadati e cluster di contenuti sono collegati a ciascun video? Ci sono somiglianze e sovrapposizioni tra i video o le playlist di origine e di destinazione?

Nel caso dei siti Web, qual è l'URL, il titolo della pagina e il contenuto HTML di ciascuna pagina?

Lo strumento di elaborazione in blocco TubeBuddy per schede informative e schermate finali ti farà risparmiare un sacco di tempo.

Analisi visiva

YouTube utilizza uno strumento di analisi delle foto basato sull'intelligenza artificiale per analizzare le miniature dei video e i singoli fotogrammi video basati sull'intelligenza artificiale di Google Cloud Vision.

La cosa notevole di Cloud Vision AI di Google è che puoi accedervi apertamente per valutare le tue miniature dei video.

Puoi dare un'occhiata al mio articolo su come progettare la perfetta miniatura di YouTube per un tutorial passo-passo.

Ecco alcuni degli oggetti che YouTube e Cloud Vision possono riconoscere:

• Persone
• Volti
• Emozioni
• Gesti
• Capi di abbigliamento
• Oggetti e attributi
• Colori dominanti
• Stile
• Loghi
• Riconoscimento del testo
• Valutazione di ricerca sicura
  • Adulto
  • Parodia
  • Medico
  • Violenza
  • Audace

Ad essere onesti, è quasi un po' spaventoso quanto sia diventata accurata l'IA nel corso degli anni.

YouTube utilizza la stessa tecnologia per analizzare ogni video fotogramma per fotogramma.

Principalmente per identificare i contenuti protetti da copyright e qualsiasi contenuto che risulterebbe in una violazione delle linee guida della community.

Come vantaggio secondario, YouTube identifica persone e oggetti all'interno di ciascuno dei tuoi video.

Se il titolo del tuo video fosse "Come preparare l'insalata di pomodori perfetta", avrebbe molto senso "vedere" alcuni pomodori veri nei tuoi video.

Questo non solo aiuta YouTube a combattere i falsi titoli clickbait, ma è anche un'ottima fonte di metadati aggiuntivi che potrebbero essere difficili da esprimere nel testo.

Supponiamo che tu abbia avuto un video dal titolo "3 luoghi sottovalutati a Londra" e che i tre luoghi che hai mostrato nel tuo video fossero "Borough Market", "Thames Barrier Park" e "Richmond Park".

Se l'IA di YouTube potesse riconoscere posizioni specifiche basandosi esclusivamente sul riconoscimento visivo, ad esempio convertendo un segno in testo tramite la tecnologia OCR.

YouTube consiglierebbe quindi il tuo video a qualcuno che stava cercando il "miglior mercato alimentare di Londra".

Funziona in molti casi, anche se non li includi nel titolo, nella descrizione, nei tag o nei sottotitoli.

Analisi audio

YouTube sta anche analizzando ogni momento di musica, suoni e parole pronunciate di tutti i video.

La ragione più ovvia è, ancora una volta, l'identificazione della musica protetta da copyright per il sistema di identificazione dei contenuti di YouTube.

I dati audio aggiuntivi forniscono anche preziose informazioni su ciò che sta accadendo all'interno di ciascun video.

Brani specifici sono collegati ad artisti specifici, al genere musicale e ad altri brani che potrebbero suonare bene insieme.

Suoni ed effetti sonori spesso comunicano eventi specifici. Ad esempio, un suono "miagolio" indicherebbe la presenza di un gatto.

Le parole pronunciate possono indicare la presenza di una persona specifica nel tuo video.

Analisi del contesto

YouTube utilizza anche dati contestuali più ampi per comprendere meglio l'argomento di ogni video.

Canale

• Cosa sappiamo del canale YouTube che sta caricando un video?
• A quali cluster di contenuti è associato il canale YouTube?
• Cosa sappiamo degli utenti che stanno guardando i video da questo canale?
• Quali gruppi di pubblico più grandi stanno guardando video da questo canale?
• Quali gruppi demografici stanno guardando video da questo canale?

Siti web esterni

• Questo video è stato incorporato in siti esterni?
• Se sì, cosa possiamo estrapolare informazioni aggiuntive dal contenuto della pagina web in cui è stato incorporato un video specifico?
• Cos'altro sta pubblicando questo sito web?
• Chi è l'autore dell'articolo specifico?
• Per quali argomenti è noto questo autore?
• Qual è il punteggio di autorità del sito web?

Analisi del visualizzatore

• Come hanno interagito gli spettatori con questo video?
• Quali fasce orarie sono state osservate e con quale frequenza?
• Quali fasce orarie sono state saltate e con quale frequenza?
• Qual è la percentuale di clic di ogni spettatore sulle impressioni video?
• Qual è il tempo di visualizzazione dello spettatore in minuti/percentuale?
• Cosa sappiamo del collettivo di spettatori con una bassa percentuale di tempo di visualizzazione?
• Cosa sappiamo del collettivo di spettatori con un'elevata percentuale di tempo di visualizzazione?

In che modo l'algoritmo di YouTube trova canali YouTube simili da consigliare

In che modo l'algoritmo di YouTube collega i canali YouTube a singoli argomenti, categorie e cluster di contenuti?

Quando guardi i video pubblicati sul canale YouTube della CNN, probabilmente capisci che si concentrano principalmente sulla produzione di contenuti di notizie.

Ma come può YouTube determinare lo stesso per i suoi milioni di canali YouTube su larga scala?

L'approccio più semplice sarebbe chiedere a ciascun canale YouTube di autoclassificarsi.

Basta selezionare la categoria giusta da un lungo elenco di categorie di canali e tutto andrà bene?

Beh, non così in fretta...

Il problema con l'autoclassificazione è che è soggetta a errori.

Un creatore di contenuti di YouTube potrebbe non avere una chiara direzione del canale o una strategia per i contenuti. Quindi potrebbero non sapere quale categoria selezionare.

I creatori potrebbero anche essere confusi su quale categoria scegliere se non comprendono la definizione o il significato di ciascuna categoria.

A volte potrebbero anche essere sopraffatti, soprattutto se l'elenco delle categorie è molto lungo.

La soluzione?

Stanno determinando algoritmicamente la categoria del canale YouTube!

Ecco come YouTube può capire di cosa trattano i canali YouTube.

Considerano tre diversi fattori.

• Qual è il contenuto di ciascuno dei loro video?
• Quali sono gli argomenti e i temi più popolari in tutti i loro video?
• Quali tratti, caratteristiche e interessi condividono gli spettatori dei loro video?

Tutte e tre le informazioni si completano a vicenda.

Più armoniosi sono i dati, maggiore è il punteggio di fiducia di YouTube sull'appartenenza di un determinato canale a una determinata categoria e nicchia. Più è probabile che YouTube consiglierà i tuoi video nella sezione Video consigliati dei canali YouTube nella stessa nicchia.

Ecco perché è così importante sviluppare una chiara strategia per i contenuti di YouTube per tutti i tuoi video. Puoi saperne di più sulla creazione di una strategia per i contenuti da zero nel mio articolo sulla strategia del cluster di contenuti di YouTube.

In che modo l'algoritmo di YouTube determina ciò a cui ogni utente è interessato

YouTube tiene traccia di tutto ciò che gli utenti fanno sul proprio sito web.

Ogni movimento del mouse. Ogni clic su una miniatura di YouTube.

Quanta percentuale di una miniatura era visibile su ciascuna pagina.

Se un video viene riprodotto in primo piano o sullo sfondo.

Quali miniature e titoli dei video sono stati promossi a ciascun utente e quante volte?

Qual è stata la percentuale di clic di ciascuna impressione video?

Quante visualizzazioni ha ogni video di YouTube?

Qual è stato il tempo di visualizzazione del video in minuti e in percentuale dopo aver fatto clic su un video? Qual è la percentuale tipica del tempo di visualizzazione dei video da parte di questo utente? Il tempo di visualizzazione di questo video è superiore o inferiore alla media?

Cosa ha fatto qualcuno dopo aver visto un video specifico per la prima volta?

Si sono fidanzati? Hanno premuto il pulsante Mi piace per non mi piace? Hanno scritto un commento? Era una dichiarazione di commento positiva o negativa basata sull'analisi del sentimento?

L'utente ha ampliato la descrizione del video?

Uno spettatore ha condiviso il video? Se si, su quale piattaforma? E qual era il motivo più probabile per la condivisione?

Si sono iscritti a un canale YouTube? Se si, in quale pagina? Se nella pagina del video, quanto percento del video hanno guardato?

Hanno esplorato canali YouTube specifici? Quali titoli di video erano visibili a loro? Su cosa hanno cliccato?

Hanno aggiunto video a playlist specifiche? Qual era il titolo di questa playlist? Quali erano i temi e gli argomenti di altri video nella stessa playlist?

Hanno premuto il pulsante Guarda più tardi?

Quali sono i cluster di contenuti, i temi e gli argomenti associati a questo video? Questo utente è stato interessato a qualcuno di questi cluster di contenuti in base al comportamento passato e alla cronologia delle visualizzazioni? Ci sono in genere interessi sovrapposti tra due cluster di contenuti, ad esempio Linux e lo sviluppo di software?

YouTube utilizza quindi tutti questi punti dati per alimentare i suoi algoritmi di apprendimento automatico per trovare modelli tra più utenti.

Riassumere.

YouTube prima classifica i video per capire di cosa tratta ogni video.

Quindi raggruppa gli argomenti in gruppi di contenuti e nicchie più ampi.

Se qualcuno guarda un video specifico, i suoi cluster di contenuti associati sono collegati al profilo utente come interessi.

Più video guarda un utente dallo stesso cluster di contenuti, più è probabile che consiglierà video della stessa categoria a questo utente.

Questa analisi consente a YouTube di capire a cosa è interessato ogni utente, ma non si limita alla sola analisi dei video.

YouTube utilizza anche i dati di co-watch per perfezionare ulteriormente gli interessi dei singoli utenti.

Per una guida tattica su come implementare queste lezioni, dai un'occhiata al mio articolo su come decifrare l'algoritmo di YouTube.

L'algoritmo di YouTube crea distinti gruppi demografici e di interesse in base a ciò che le persone guardano

In che modo l'algoritmo di YouTube collega i singoli spettatori a cluster di contenuti più ampi?

YouTube raggruppa gli utenti in base agli interessi comuni e ai cluster di contenuti associati, in modo da poter fornire consigli in base alla cronologia di altri utenti e ai nuovi video che sono stati aggiunti a cluster di contenuti specifici.

Questa funzione è molto simile all'algoritmo di raccomandazione di Amazon per i suggerimenti acquistati di frequente e al pubblico simile a Facebook.

YouTube sta registrando la cronologia di visualizzazione di ogni utente che ha effettuato l'accesso sulla sua piattaforma.

Quindi esamina la cronologia delle visualizzazioni di tutte le persone contemporaneamente e calcola la distanza media tra due video qualsiasi all'interno della stessa sessione. Minore è la distanza se qualcuno guarda entrambi i video uno dopo l'altro, maggiore è la distanza se guarda un paio di altri video in mezzo.

Una volta che YouTube ha calcolato la distanza media tra due video, può collegare tra loro usi con cronologia visualizzazioni simile e consigliare nuovi video in base agli utenti con un interesse comune.

Un sistema più avanzato può combinare ancora più origini dati.

Qual è il processo dell'algoritmo di YouTube per identificare nuovi argomenti e cluster di contenuti

Categorie di video di YouTube

All'inizio, YouTube ha cercato di definire manualmente un elenco di possibili categorie di video e ha chiesto agli utenti di selezionare uno dei seguenti argomenti per ciascuno dei loro video:

• Film e animazione
• Auto e veicoli
• Musica
• Animali domestici e animali
• Gli sport
• Viaggi ed eventi
• Gioco
• Persone e blog
• Commedia
• Divertimento
• Notizie e politica
• Come fare e stile
• Formazione scolastica
• Tecnologia scientifica
• Non profit e attivismo

Puoi ancora trovare l'impostazione della categoria video nella pagina delle impostazioni video, anche se oggi è irrilevante e ignorata.

L'autoclassificazione ha causato numerosi problemi perché i creatori di video non capivano come doveva funzionare ciascuna categoria e come le categorie dovevano essere diverse l'una dall'altra.

Il risultato è stato un'etichettatura incoerente.

Grafico della conoscenza di Freebase

YouTube ha rapidamente compreso i limiti di queste 15 categorie e ha iniziato a lavorare su un approccio più olistico basato sul database del grafico della conoscenza di Freebase.

Freebase era un'ampia base di conoscenza collaborativa con oltre 39 milioni di entità di dati strutturati.

Era organizzato attorno a "entità", note anche come argomenti. Ogni entità era collegata a uno o più "tipi". Ogni tipo aveva un insieme unico di "attributi".

Ad esempio, un'entità "auto" era collegata, tra l'altro, al tipo "motore", che aveva un attributo "potenza".

Simile a Wikipedia, i nomi di entità, tipi e attributi di Freebase sono stati tradotti in diverse lingue, il che è stata un'ottima notizia per l'espansione internazionale di YouTube.

YouTube ha utilizzato il database di Freebase come base per lo sviluppo del suo sistema di categorie proprietario.

Google aveva già sviluppato diversi sistemi di tassonomia per classificare il contenuto delle pagine web per il suo motore di ricerca e per scopi pubblicitari.

YouTube ha utilizzato gli algoritmi di classificazione di Google per elaborare ogni entità, tipo e attributo del database di Freebase per collegarlo al sistema di tassonomia di Google.

Il modello risultante è stato ulteriormente arricchito collegando argomenti specifici a pagine dedicate del portale Wikipedia.

Passare da 15 a oltre 39 milioni di categorie di argomenti è stato un enorme passo avanti per YouTube, ma presentava ancora innumerevoli limiti.

Il problema più grande era la sua dipendenza dalla classificazione umana e dall'approccio gerarchico dall'alto verso il basso per organizzare gli argomenti.

Ciò è diventato più evidente con l'ascesa esplosiva di nuove tecnologie e idee.

Le categorie manuali erano troppo rigide e troppo lente per adattarsi ai cambiamenti.

Oggi, la maggior parte delle idee e dei concetti non ha definizioni in bianco e nero, sono spesso ambigui e fluidi nel significato e si evolvono costantemente nel tempo.

Un iPhone è un dispositivo di telecomunicazione, un computer portatile, un telefono, una videocamera o uno smartphone? E se consideriamo le app? È una calcolatrice, un elaboratore di testi, una console di gioco?

E se avessimo concetti e idee più complessi con 20 livelli di gerarchia? Come li organizziamo?

YouTube ha deciso di ritirare Freebase nel 2015 a favore di un nuovo algoritmo di classificazione algoritmico che non richiedeva alcuna forma di classificazione e cura umana.

Generazione algoritmica di cluster di contenuto

Come può un computer generare una mappa super precisa di ogni argomento immaginabile nel mondo e quindi strutturare questa mappa in cluster di contenuti chiaramente definiti?

Ciò può essere ottenuto mediante algoritmi avanzati di apprendimento automatico che esaminano miliardi di punti dati di metadati video e cronologie di visualizzazione degli utenti.

Innanzitutto, ogni video viene convertito in metadati di testo estraendo il titolo, la descrizione, i tag e i commenti del video e convertendo la traccia audio in sottotitoli con algoritmi di riconoscimento del testo.

Le informazioni irrilevanti vengono eliminate.

I dati di testo combinati di ogni video vengono analizzati e raggruppati in base a parole chiave e frasi.

Le parole chiave e le frasi identificate vengono quindi ordinate e ponderate in base alla pertinenza e alla frequenza.

Le parole chiave vengono quindi collegate insieme in base ai dati di visualizzazione dei video.

YouTube esamina ogni parola chiave o frase una alla volta

Quindi compila un elenco di tutti i video che contengono la parola chiave o la frase specifica.

E quindi identifica tutti gli utenti che hanno guardato almeno due video diversi con la stessa parola chiave o frase all'interno della stessa sessione.

YouTube analizza quindi la cronologia di visualizzazione di tutte le sessioni e calcola la distanza di visualizzazione media tra tutti i video che contengono la parola chiave o la frase target.

Supponiamo di avere tre video con la stessa parola chiave, A, B e C.

Se Jane ha iniziato con A, poi f, poi B e infine C.

La distanza tra A e B sarebbe 2, mentre da A a C sarebbe 3 e così via.

Minore è la distanza tra due video, più pertinenti saranno i video e, tramite proxy, le parole chiave collegate.

La combinazione di milioni di video e dati di visualizzazione degli utenti ti offre una rappresentazione abbastanza buona della pertinenza delle parole chiave.

Ora, facciamo qualcosa di folle.

Creiamo una gigantesca mappa mentale multidimensionale e combiniamo tutte le parole chiave con la distanza media di osservazione.

Ti ritrovi con un grafico gigantesco con milioni di punti dati interconnessi.

YouTube prima preelabora il grafico con un algoritmo outside-in per trovare video seed e parole chiave per suddividere il grafico in cluster di contenuti.

YouTube è alla ricerca di bordi naturali con una sovrapposizione minima e una distanza di visualizzazione media maggiore.

Una volta che YouTube ha identificato potenziali cluster di contenuti, seleziona due video seed casuali da ciascun cluster per avviare un'analisi del cluster di contenuti locale e approfondita.

Questo algoritmo funziona dall'interno verso l'esterno e cerca di far crescere un grafico a cluster di contenuti locali con bordi chiaramente definiti identificando il percorso più breve tra i due video seed e quindi collegando insieme video vicini pertinenti con parole chiave simili.

Nel processo finale, YouTube rimuove quindi i video con il punteggio di somiglianza più basso, in genere dai bordi del cluster, per ulteriore chiarezza.

A volte, YouTube potrebbe rendersi conto che il cluster di contenuti identificato può essere ulteriormente suddiviso in sottocluster aggiuntivi.

Il vantaggio di questo approccio di generazione di cluster di contenuto algoritmico è che non richiede o solo un intervento umano minimo.

Questo algoritmo identifica costantemente nuovi gruppi di contenuti e argomenti che spesso sono rilevanti solo per un numero ristretto di utenti.

Tutto ciò che serve sono alcuni YouTuber che realizzano video su una nuova parola chiave e un gruppo di persone che guardano i loro video.

Et voilà, è stato creato un nuovo cluster di contenuti.

Leggi questo articolo su come collegare la tua strategia per i contenuti di YouTube ai cluster di contenuti di YouTube.

E poiché YouTube conosce la cronologia delle visualizzazioni di tutti, ora può consigliare questo nuovo cluster di contenuti a un pubblico simile a quelli che hanno guardato questi video per primi.

Funzionalità di individuazione di YouTube

Algoritmo del feed della home page di YouTube

La home page di YouTube è cambiata molto nel corso degli anni.

La home page di YouTube mostrava solo consigli sui video per i canali a cui gli utenti si erano iscritti.

Il feed della home page è ora personalizzato al 100% con consigli sui video basati sulla cronologia visualizzazioni di ciascun utente.

YouTube utilizza un mix di video basati su argomenti familiari che l'utente ha guardato di recente e nuovi video di categorie completamente diverse basati su utenti sosia per mantenere i suggerimenti freschi ed eccitanti.

Perché il feed della home page non si concentra esclusivamente su argomenti familiari? Perché rischiare di "offendere" il mio buon gusto con qualcuno che non ho mai visto prima?

Può sembrare controintuitivo, ma si scopre che la freschezza è un fattore cruciale per mantenere le persone sulla piattaforma YouTube più a lungo.

Le persone possono guardare solo così tanti video su un argomento prima di sentirsi mentalmente esauste. Nuovi argomenti video danno una via d'uscita e prevengono la noia.

Per essere presenti nel feed della home page, devi migliorare la percentuale di clic e la fidelizzazione del pubblico poiché ti aiuteranno a raggiungere un pubblico più ampio.

Algoritmo del feed di iscrizione di YouTube

Il feed delle iscrizioni è abbastanza autoesplicativo. Si concentra esclusivamente sui video dei canali a cui gli utenti si sono già iscritti.

Sebbene questo feed si concentri sulle tue iscrizioni, non è un feed cronologico.

YouTube sta ancora cercando di mostrarti i migliori contenuti possibili che ritiene ti manterranno sulla piattaforma più a lungo.

Ecco cosa vedrai nel feed delle iscrizioni.

Video caricati di recente dai canali a cui ti sei iscritto, con un focus su argomenti simili a quelli che hai già visto e video che hanno già una comprovata esperienza in termini di elevata percentuale di clic e tempo di visualizzazione elevato.

Algoritmo video suggerito da YouTube

L'algoritmo del feed "suggerito" di YouTube, che include anche i video "Up Next", è un fattore significativo da considerare per i creatori.

Questa funzione seleziona i video per l'area suggerita sotto il video corrente sui dispositivi mobili o nella barra laterale destra sui computer desktop.

Cosa sta valutando YouTube se suggerire o meno uno dei tuoi video?

Il primo passo è assicurarti che i metadati dei tuoi video corrispondano ai metadati dei video da cui speri di essere consigliato.

Ciò include titoli, parole chiave, descrizioni simili e il video stesso espresso dai suoi sottotitoli.

È più probabile che i tuoi contenuti vengano consigliati qui se continuano a guardare gli spettatori invece di lasciare YouTube.

L'IA cerca anche video e canali complementari e approfonditi, nonché rompigusto per guardare qualcos'altro, in modo che non vengano mai sopraffatti dalla visione di troppi video su un determinato argomento.

Gli interruttori del gusto non sono casuali. Si basano ancora su consigli personali basati sulla cronologia di visualizzazione di ciascun utente e sui dati di co-watch di utenti simili.

Algoritmo del feed di tendenza di YouTube

La maggior parte delle persone crede che la sezione "trend" di YouTube contenga solo video attualmente popolari.

Questa ipotesi è sbagliata.

Gli argomenti di tendenza sono argomenti di cui le persone stanno attualmente parlando nelle notizie e nei social media.

Si tratta di ciò che viene riportato nelle notizie, sui social media, sui siti Web, sui blog e altrove.

La funzione di tendenza è "geo-specifica", il che significa che YouTube mostra video diversi a seconda della posizione dello spettatore.

Algoritmo del feed di notifica di YouTube

Gli utenti ricevono anche consigli su video personalizzati tramite le notifiche di YouTube.

Per ottenere i tuoi video nel feed di notifica, gli utenti devono prima iscriversi al tuo canale YouTube, quindi fare clic sull'icona della campana.

Successivamente, YouTube avviserà gli iscritti in tempo reale su tutti i nuovi video che carichi sul tuo canale.

Gli abbonati ricevono la notifica tramite la loro app YouTube o le notifiche desktop.

Di solito, le notifiche video vengono visualizzate in sequenza senza discriminazioni, il che significa che YouTube visualizzerà tutte le notifiche da tutti i canali, indipendentemente dal conteggio degli iscritti.

L'unica eccezione è quando un utente attiva troppe notifiche per troppi canali. In questo caso, YouTube utilizza il suo algoritmo di pertinenza basato su ciò che è più probabile che l'utente guardi dopo.

Algoritmo dei risultati di ricerca di YouTube

La ricerca su YouTube pone una forte enfasi sulla SEO di YouTube, inclusa l'ottimizzazione delle parole chiave di titolo, descrizione, tag video e parole chiave che si trovano nei sottotitoli di ogni video.

Inoltre, tiene conto del conteggio degli iscritti al canale e del tempo di visualizzazione dei video quando si tratta di decidere quale canale verrà visualizzato nella ricerca e quali video verranno spostati in alto.

La freschezza è un altro importante fattore di ranking che consente di consigliare contenuti nuovi e aggiornati, dando una possibilità ai canali più piccoli.

Per trarne vantaggio, i nuovi video devono ottimizzare i titoli e le miniature dei video per ottenere un'elevata percentuale di clic; in caso contrario, i nuovi video verranno ridimensionati nel tempo se nessuno fa clic su di essi.

YouTube ha anche implementato i capitoli video che consentono di "suddividere in sezioni" un video in modo che gli spettatori possano identificare facilmente risposte specifiche a domande specifiche. Puoi scegliere di abilitare questa opzione nel tuo video oppure puoi creare i tuoi capitoli video con parole chiave che si allineano con l'argomento del tuo video. Questo è utile per aiutare YouTube a far emergere i tuoi video nei risultati di ricerca.

Prossimi passi

Wow, l'algoritmo di YouTube è un notevole pezzo di tecnologia.

Ora che comprendi ogni aspetto di come funziona l'algoritmo di YouTube sotto il cofano, cos'altro puoi fare per far crescere rapidamente il tuo canale YouTube (di successo)?

Consiglio di leggere la mia guida molto tattica alla crescita di YouTube per aiutarti a decifrare l'algoritmo di YouTube.

Tralascia molti dei dettagli tecnici dell'algoritmo di YouTube che abbiamo trattato in questo articolo a favore di consigli pratici e consigli su come implementare le lezioni chiave sull'algoritmo di YouTube.

In seguito puoi dare un'occhiata ad alcuni dei miei articoli sulla crescita di YouTube di seguito.

• Come trovare la nicchia perfetta per il tuo canale YouTube selezionando i cluster di contenuti giusti per il tuo canale.
• Come ottimizzare il titolo del tuo video e anche qui.
• Come progettare miniature straordinarie per il tuo video che ottengono clic.
• Come migliorare la percentuale di clic sulle impressioni su YouTube.
• Come raggiungere i tuoi primi 1000 iscritti YouTube.
• Come accumulare velocemente 4000 ore di visualizzazione per monetizzare il tuo canale YouTube.
• Come puoi guadagnare con il tuo canale YouTube, anche qui, qui e qui.
• Ultimo ma non meno importante, la mia recensione completa del miglior strumento di crescita di YouTube TubeBuddy.