Algoritmul YouTube explicat

Cum să-ți dezvolți rapid canalul YouTube lucrând cu algoritmul YouTube și nu împotriva lui

Mulți tineri YouTuber se luptă să-și dezvolte canalul.

Deși există multe motive pentru care canalul tău YouTube nu crește, unul dintre cele mai comune este să nu înțelegi cum funcționează algoritmul YouTube.

În acest articol, vă voi arăta cum funcționează algoritmul YouTube sub capotă.

Veți afla cum algoritmul de învățare automată determină subiectul fiecărui videoclip, cum grupează canale YouTube similare, cum înțelege de ce este interesat fiecare spectator și cum recomandă videoclipuri noi și canale la care spectatorii nu sunt abonați.

Dacă sunteți mai puțin interesat de detaliile esențiale ale algoritmului YouTube, puteți citi și ghidul meu mai tactic despre cum să spargeți algoritmul YouTube.

Cum înțelege algoritmul YouTube subiectul videoclipurilor YouTube

Una dintre prioritățile de top ale YouTube este de a avea capacitatea de a înțelege conținutul fiecărui videoclip, astfel încât să poată recomanda apoi videoclipul potrivit persoanei potrivite.

YouTube folosește o mare varietate de tehnici pentru a analiza fiecare videoclip.

Folosește atât metadate directe, cât și indirecte pentru a extrage date despre cuvinte cheie din videoclipuri și analize video și audio prin algoritmi complexi de învățare automată.

Analiză bazată pe text

Cea mai simplă analiză se bazează pe extragerea cuvintelor cheie pe bază de text.

În acest scop, YouTube analizează o serie de atribute directe și indirecte bazate pe text pentru a extrapola cuvinte cheie descriptive care reflectă cu acuratețe conținutul videoclipului său.

Analiza cuvintelor cheie a titlului, descrierii și etichetelor video

Utilizatorii pot adăuga un titlu video, descriere video, etichete video și categorie video la videoclipurile lor.

Ca și în cazul tuturor metadatelor generate de utilizator, problema este că acestea sunt adesea predispuse la erori, ambiguități și incompletitudine.

Din acest motiv, YouTube trebuie mai întâi să igienizeze și să îmbunătățească toate metadatele scrise pentru a le face utilizabile în cadrul algoritmului său de recomandare.

Exemplu:

Cineva ar putea scrie Instagram, Insta, gram sau IG, toate referindu-se la aceeași aplicație de social media. YouTube rezolvă această ambiguitate prin gruparea internă a sinonimelor cu aceeași denumire.

Apoi utilizează date contextuale pentru a înțelege contextul cuvântului cheie „Instagram”. Vorbește cineva despre compania Instagram, impactul cultural al Instagram, cum să folosești aplicația Instagram ca utilizator sau despre creșterea unui public pe Instagram ca creator de conținut?

Metadatele unificate și îmbunătățite sunt apoi salvate pentru fiecare videoclip pentru o analiză ulterioară.

Vă recomand să consultați articolele mele despre cum să vă intitulați videoclipurile YouTube și despre cum să vă optimizați titlurile videoclipurilor pentru mai multe detalii.

Analiza subtitrarilor

Trancrierile video sub formă de subtitrări sunt de departe cea mai bună sursă de metadate video pentru analiza conținutului.

Dacă sunt transcrise cu acuratețe, ele reprezintă o conversie unu-la-unu de la cuvântul rostit la cuvântul scris, făcându-l astfel accesibil pentru instrumentele de analiză a învățării automate de pe YouTube.

În esență, YouTube poate folosi aceleași tehnologii avansate pe care compania sa-mamă Google le folosește pentru a analiza miliarde de site-uri web, pagini și postări de blog pentru SEO.

Inițial, YouTube s-a bazat pe utilizatori pentru a-și încărca sau transcrie propriile subtitrări.

Deoarece aceasta a fost o muncă obositoare, doar câțiva utilizatori YouTube extrem de dedicați ar adăuga de fapt subtitrări la videoclipul lor.

Deși subtitrările erau mult mai bune pentru analiza textului, erau oarecum inutile dacă doar 1 din 100.000 avea subtitrări.

YouTube a rezolvat acest lucru investind masiv în propriul software de recunoaștere a vocii care a transcris automat fiecare încărcare video și le-a convertit în subtitrări.

Problema cu transcrierile YouTube este că uneori nu sunt 100% exacte.

Adesea înțelege greșit ceea ce spun oamenii în videoclipuri și apoi folosește cuvinte greșite în subtitrări, mai ales dacă echipamentul audio este de o calitate inferioară, zgomotul de fundal este foarte mare sau dacă cineva are un accent.

Acest lucru are câteva consecințe potențial foarte periculoase pentru orice creator de conținut YouTube.

În cel mai bun caz, YouTube nu asociază un cuvânt cheie important pentru care doriți să vă clasați cu videoclipul dvs.

În cel mai rău caz, un cuvânt inofensiv ar putea fi interpretat ca o insultă proastă, care duce la demonetizare sau o grevă automată a comunității.

Dacă doriți să obțineți cele mai bune rezultate posibile pentru transcrieri și subtitrări, inclusiv scrierea cu majuscule și punctuație adecvate, vă recomand să consultați Descript și Otter pentru cele mai bune rezultate.

Analiza listei de redare

YouTube va folosi, de asemenea, metadate indirecte, contextuale, pentru a înțelege despre ce este vorba despre orice YouTube.

Un anumit videoclip este inclus într-unul sau mai multe liste de redare video create de canalul tău sau de alții? Dacă da, ce cuvinte cheie sunt incluse în titlul și descrierea listei de redare?

YouTube ar putea apoi să analizeze fiecare playlist prin îmbinarea tuturor titlurilor videoclipurilor din fiecare playlist și apoi să folosească algoritmi de recunoaștere a modelelor pentru a identifica cuvinte cheie reciproce care descriu cu exactitate punctele comune dintre toate videoclipurile.

Aceste elemente comune din listele de redare pot servi ca informații contextuale suplimentare pentru fiecare videoclip încorporat.

Dacă o anumită listă de redare conține date și zgomot incoerente, de exemplu, YouTube va ignora datele deoarece cineva adună videoclipuri fără legătură.

Puteți aranja rapid listele de redare existente cu Instrumentul de acțiune pentru liste de redare de la TubeBuddy.

Analiza comentariilor

O altă sursă de metadate video sunt comentariile YouTube. Acest lucru este mai relevant pentru canalele mai mari care primesc în mod constant un volum mare de comentarii pentru fiecare videoclip.

YouTube poate căuta anumite cuvinte cheie și modele care indică declarații descriptive.

Exemplu:

„Mulțumesc foarte mult. Videoclipul tău m-a ajutat cu adevărat să înțeleg cum să fac mai mulți oameni să se aboneze la canalul meu YouTube”.

În acest caz, unul dintre modelele de căutare ar putea avea „cum să...”

Din nou, este important să menționăm că YouTube nu acceptă comentariile la valoarea nominală. În caz contrar, ar fi ușor pentru actorii necinstiți să joace sistemul pentru a obține un avantaj nedrept.

În schimb, YouTube folosește toate datele pentru a-și crește nivelul de încredere confirmând congruența în toate punctele de date.

Dacă doriți să vedeți o privire a ceea ce vede YouTube, consultați TubeBuddy Comments Word Cloud.

Analiza cardurilor informative și a ecranelor finale

Ultimele surse de metadate video sunt cardurile de informații și ecranele de final.

Există vreunul dintre cardurile încorporate linkuri către anumite videoclipuri, liste de redare sau site-uri web externe?

Dacă da, ce text este inclus în titlul și descrierea fiecărui card?

În cazul videoclipurilor YouTube, ce metadate și grupuri de conținut sunt legate de fiecare videoclip? Există asemănări și suprapuneri între videoclipurile sau listele de redare sursă și țintă?

În cazul site-urilor web, care este adresa URL a fiecărei pagini, titlul paginii și conținutul HTML?

Instrumentul de procesare în vrac TubeBuddy pentru carduri de informații și ecrane de final vă va economisi o mulțime de timp.

Analiza vizuală

YouTube folosește un instrument de analiză a fotografiilor bazat pe inteligență artificială pentru a analiza miniaturile video și cadrele video individuale, bazate pe Cloud Vision AI de la Google.

Lucrul remarcabil despre Cloud Vision AI de la Google este că îl puteți accesa în mod deschis pentru a vă evalua propriile miniaturi video.

Puteți consulta articolul meu despre cum să proiectați miniatura perfectă YouTube pentru un tutorial pas cu pas.

Iată câteva dintre obiectele pe care YouTube și Cloud Vision le pot recunoaște:

• oameni
• Chipurile
• Emoții
• Gesturi
• Îmbrăcăminte
• Obiecte și atribute
• Culori dominante
• Stil
• Logos
• Recunoașterea textului
• Evaluare de căutare sigură
  • Adult
  • Spoof
  • Medical
  • Violenţă
  • Racy

Pentru a fi sincer, este aproape puțin înfricoșător cât de precisă a devenit AI de-a lungul anilor.

YouTube folosește aceeași tehnologie pentru a analiza fiecare videoclip cadru cu cadru.

Mai ales pentru a identifica conținutul protejat prin drepturi de autor și orice conținut care ar duce la o încălcare a regulamentului comunității.

Ca un beneficiu secundar, YouTube identifică persoane și obiecte în fiecare dintre videoclipurile tale.

Dacă titlul videoclipului tău ar fi „Cum să faci salata perfectă de roșii”, ar fi foarte logic să „vezi” niște roșii reale în videoclipurile tale.

Acest lucru nu numai că ajută YouTube să lupte împotriva titlurilor clickbait false, dar este și o sursă excelentă de metadate suplimentare care ar putea fi dificil de exprimat în text.

Să presupunem că ați avut un videoclip cu titlul „3 locații subestimate din Londra” și cele trei locații pe care le-ați afișat în videoclipul dvs. au fost „Borough Market”, „Thames Barrier Park” și „Richmond Park”.

Dacă AI-ul YouTube ar putea recunoaște anumite locații doar pe baza recunoașterii vizuale, de exemplu, transformând un semn în text prin tehnologia OCR.

YouTube ar recomanda apoi videoclipul dvs. cuiva care căuta „cea mai bună piață alimentară din Londra”.

Acest lucru funcționează în multe cazuri, chiar dacă nu le includeți în titlu, descriere, etichete sau subtitrări.

Analiza audio

YouTube analizează, de asemenea, fiecare moment de muzică, sunete și cuvinte rostite din toate videoclipurile.

Motivul cel mai evident este, din nou, identificarea muzicii protejate prin drepturi de autor pentru sistemul Content ID al YouTube.

Datele audio suplimentare oferă, de asemenea, informații valoroase despre ceea ce se întâmplă în fiecare videoclip.

Cântecele specifice sunt legate de anumiți artiști, genul de muzică și alte cântece care ar putea juca bine împreună.

Sunetele și efectele sonore comunică adesea evenimente specifice. De exemplu, un sunet „miau” ar indica prezența unei pisici.

Cuvintele rostite pot indica prezența unei anumite persoane în videoclipul tău.

Analiza contextului

YouTube folosește și date contextuale mai ample pentru a înțelege mai bine subiectul fiecărui videoclip.

Canal

• Ce știm despre canalul YouTube care încarcă un videoclip?
• Cu ce ​​grupuri de conținut este asociat canalul YouTube?
• Ce știm despre utilizatorii care vizionează videoclipuri de pe acest canal?
• Ce grupuri mai mari de public vizionează videoclipuri de pe acest canal?
• Ce grupuri demografice vizionează videoclipuri de pe acest canal?

Site-uri web externe

• Acest videoclip a fost încorporat în site-uri externe?
• Dacă da, ce putem extrapola informații suplimentare din conținutul paginii web în care a fost încorporat un anumit videoclip?
• Ce mai publică acest site?
• Cine este autorul articolului specific?
• Pentru ce subiecte este cunoscut acest autor?
• Care este scorul de autoritate al site-ului?

Analiza privitorului

• Cum au interacționat spectatorii cu acest videoclip?
• Ce intervale de timp au fost vizionate și cât de des?
• Ce intervale de timp au fost omise și cât de des?
• Care este rata de clic a fiecărui spectator asupra afișărilor video?
• Care este durata de vizionare a spectatorului în minute/procent?
• Ce știm despre colectivul de spectatori cu un procent scăzut de timp de vizionare?
• Ce știm despre colectivul de spectatori cu un procent mare de timp de vizionare?

Cum găsește algoritmul YouTube canale YouTube similare de recomandat

Cum leagă algoritmul YouTube canalele YouTube de subiecte, categorii și grupuri de conținut individuale?

Când te uiți la videoclipurile postate pe canalul CNN YouTube, probabil că înțelegi că acestea se concentrează în primul rând pe producerea de conținut de știri.

Dar cum poate YouTube să determine același lucru pentru milioanele sale de canale YouTube la scară?

Cea mai simplă abordare ar fi să ceri fiecărui canal YouTube să se autoclasifice.

Doar selectați categoria potrivită dintr-o listă lungă de categorii de canale și totul va fi bine?

Ei bine, nu atât de repede...

Problema cu autoclasificarea este că este predispusă la erori.

Este posibil ca un creator de conținut YouTube să nu aibă o direcție clară a canalului sau o strategie de conținut. Astfel, s-ar putea să nu știe ce categorie să aleagă.

Creatorii ar putea fi, de asemenea, confuzi în ceea ce privește categoria să aleagă dacă nu înțeleg definiția sau semnificația fiecărei categorii.

Uneori, de asemenea, ar putea fi copleșiți, mai ales dacă lista de categorii este foarte lungă.

Soluția?

Ei determină algoritmic categoria canalului YouTube!

Iată cum poate YouTube să înțeleagă despre ce sunt canalele YouTube.

Ei se uită la trei factori diferiți.

• Care este conținutul fiecărui videoclip?
• Care sunt cele mai populare subiecte și teme din toate videoclipurile lor?
• Ce trăsături, caracteristici și interese au spectatorii videoclipurilor lor?

Toate cele trei informații se completează reciproc.

Cu cât datele sunt mai armonioase, cu atât este mai mare scorul de încredere al YouTube că un anumit canal aparține unei anumite categorii și nișă. Cu atât mai probabil YouTube vă va recomanda videoclipurile în secțiunea Videoclipuri sugerate a canalelor YouTube din aceeași nișă.

De aceea, este atât de important să dezvoltați o strategie clară de conținut YouTube pentru toate videoclipurile dvs. Puteți afla mai multe despre crearea unei strategii de conținut de la zero în articolul meu YouTube privind strategia de cluster de conținut.

Cum determină algoritmul YouTube ce interesează fiecare utilizator

YouTube urmărește tot ceea ce fac utilizatorii pe site-ul lor.

Fiecare mișcare a mouse-ului. Fiecare clic pe o miniatură YouTube.

Câte procente dintr-o miniatură au fost vizibile pe fiecare pagină.

Dacă un videoclip este redat în prim-plan sau în fundal.

Ce miniaturi și titluri ale videoclipurilor au fost promovate fiecărui utilizator și de câte ori?

Care a fost rata de clic a fiecărei afișări video?

Câte vizionări are fiecare videoclip de pe YouTube?

Care a fost timpul de vizionare a videoclipului în minute și procente după ce ați dat clic pe un videoclip? Care este procentul obișnuit al timpului de vizionare video de către acest utilizator? Durata de vizionare a acestui videoclip este peste sau sub medie?

Ce a făcut cineva după ce a vizionat pentru prima dată un anumit videoclip?

S-au angajat? Au apăsat pe butonul de like pentru a nu-mi place? Au scris un comentariu? A fost un comentariu pozitiv sau negativ bazat pe analiza sentimentelor?

Utilizatorul a extins descrierea videoclipului?

Un spectator a distribuit videoclipul? Dacă da, pe ce platformă? Și care a fost cel mai probabil motiv pentru distribuire?

S-au abonat la un canal YouTube? Daca da, pe ce pagina? Dacă pe pagina video, câte procente din videoclip au vizionat?

Au explorat anumite canale YouTube? Ce titluri video erau vizibile pentru ei? Pe care au dat clic?

Au adăugat videoclipuri la anumite liste de redare? Care a fost titlul acestui playlist? Care au fost temele și subiectele altor videoclipuri din același playlist?

Au apăsat butonul ceas mai târziu?

Care sunt grupurile de conținut, temele și subiectele asociate acestui videoclip? A fost acest utilizator interesat de vreunul dintre aceste grupuri de conținut bazate pe comportamentul trecut și istoricul vizionărilor? Există, de obicei, interese care se suprapun între două grupuri de conținut, de exemplu, Linux și software în curs de dezvoltare?

YouTube folosește apoi toate aceste puncte de date pentru a-și alimenta algoritmii de învățare automată pentru a găsi modele pentru mai mulți utilizatori.

A rezuma.

YouTube clasifică mai întâi videoclipurile pentru a înțelege despre ce este vorba în fiecare videoclip.

Apoi grupează subiectele în grupuri de conținut și nișe mai largi.

Dacă cineva vizionează un anumit videoclip, grupurile de conținut asociate acestuia sunt legate de profilul utilizatorului ca interese.

Cu cât cineva vizionează mai multe videoclipuri din același grup de conținut, cu atât este mai probabil să recomande acestui utilizator videoclipuri din aceeași categorie.

Această analiză permite YouTube să înțeleagă ce interesează fiecare utilizator, dar nu se limitează doar la analiza video.

YouTube folosește, de asemenea, date de vizionare în comun pentru a rafina și mai mult interesele utilizatorilor individuali.

Pentru un ghid tactic despre cum să implementați aceste lecții, consultați articolul meu despre cum să spargeți algoritmul YouTube.

Algoritmul YouTube creează grupuri demografice și de interese distincte în funcție de ceea ce vizionează oamenii

Cum leagă algoritmul YouTube spectatorii individuali de grupuri mai largi de conținut?

YouTube grupează utilizatorii pe baza intereselor comune și a grupurilor de conținut asociate, astfel încât să poată face recomandări pe baza istoricului altor utilizatori și a videoclipurilor noi care au fost adăugate la anumite grupuri de conținut.

Această caracteristică este foarte asemănătoare cu algoritmul de recomandare Amazon pentru sugestiile frecvent cumpărate împreună și publicul asemănător Facebook.

YouTube înregistrează istoricul vizionărilor fiecărui utilizator conectat pe platforma sa.

Apoi, analizează istoricul vizionărilor tuturor oamenilor simultan și calculează distanța medie dintre oricare două videoclipuri din aceeași sesiune. Cu cât distanța este mai mică dacă cineva vizionează ambele videoclipuri consecutiv, cu atât distanța este mai mare dacă urmărește alte două videoclipuri între ele.

Odată ce YouTube a calculat distanța medie dintre două videoclipuri, poate face legătura între utilizări cu istoric de vizionări similar și poate recomanda videoclipuri noi pe baza utilizatorilor cu un interes comun.

Un sistem mai avansat poate combina și mai multe surse de date.

Care este procesul algoritmului YouTube pentru identificarea de noi subiecte și clustere de conținut

Categoriile de videoclipuri YouTube

În primele zile, YouTube a încercat să definească manual o listă de posibile categorii de videoclipuri și a cerut utilizatorilor să selecteze unul dintre următoarele subiecte pentru fiecare dintre videoclipurile lor:

• Film și animație
• Mașini și vehicule
• Muzică
• Animale de companie și animale
• Sport
• Călătorii și evenimente
• Jocuri
• Oameni și bloguri
• Comedie
• Divertisment
• Știri și politică
• Instrucțiuni și stil
• Educaţie
• Stiinta tehnologiei
• Organizații nonprofit și activism

Puteți găsi în continuare setarea categoriei video pe pagina dvs. de setări video, deși este irelevantă și ignorată astăzi.

Autoclasificarea a cauzat numeroase probleme, deoarece creatorii de videoclipuri nu au înțeles cum ar trebui să funcționeze fiecare categorie și cum ar trebui să fie diferite categoriile unele de altele.

Rezultatul a fost o etichetare inconsecventă.

Graficul cunoștințelor Freebase

YouTube și-a dat seama rapid de limitările acestor 15 categorii și a început să lucreze la o abordare mai holistică bazată pe baza de date Freebase knowledge graph.

Freebase era o bază mare de cunoștințe de colaborare cu peste 39 de milioane de entități de date structurate.

Era organizat în jurul „entităților”, cunoscute și sub denumirea de subiecte. Fiecare entitate a fost legată de unul sau mai multe „tipuri”. Fiecare tip avea un set unic de „atribute”.

De exemplu, o entitate „mașină” era legată, printre altele, de tipul „motor”, care avea un atribut „cai putere”.

Similar cu Wikipedia, numele Freebase de entități, tipuri și atribute au fost traduse în diferite limbi, ceea ce a fost o veste excelentă pentru expansiunea internațională a YouTube.

YouTube a folosit baza de date Freebase ca bază pentru dezvoltarea sistemului său de categorii proprietar.

Google dezvoltase deja mai multe sisteme de taxonomie pentru a clasifica conținutul paginilor web pentru motorul său de căutare și în scopuri publicitare.

YouTube a folosit algoritmii de clasificare ai Google pentru a procesa fiecare entitate, tip și atribut al bazei de date Freebase pentru a o lega cu sistemul de taxonomie Google.

Modelul rezultat a fost îmbogățit și mai mult prin legarea unor subiecte specifice la paginile dedicate ale portalului Wikipedia.

Trecerea de la 15 la peste 39 de milioane de categorii de subiecte a fost un pas uriaș înainte pentru YouTube, dar avea încă nenumărate limitări.

Cea mai mare problemă a fost dependența sa de clasificarea umană și abordarea ierarhică de sus în jos a organizării subiectelor.

Acest lucru a devenit mai evident odată cu creșterea explozivă a noilor tehnologii și idei.

Categoriile manuale erau prea inflexibile și prea lente pentru a se adapta la schimbări.

Astăzi, majoritatea ideilor și conceptelor nu au definiții alb-negru, sunt adesea ambigue și fluide în sens și evoluează constant în timp.

Este un iPhone un dispozitiv de telecomunicații, un computer mobil, un telefon, o cameră video sau un smartphone? Dacă luăm în considerare aplicațiile? Este un calculator, un procesor de text, o consolă de jocuri?

Ce se întâmplă dacă avem concepte și idei mai complexe cu 20 de niveluri de ierarhie? Cum le organizăm?

YouTube a decis să retragă Freebase în 2015 în favoarea unui nou algoritm de clasificare algoritmică care nu necesita nicio formă de clasificare și curatare umană.

Generarea de clustere de conținut algoritmic

Cum poate un computer să genereze o hartă super precisă a fiecărui subiect imaginabil din lume și apoi să structureze această hartă în grupuri de conținut clar definite?

Acest lucru poate fi realizat prin algoritmi avansati de învățare automată care analizează miliarde de puncte de date ale metadatelor video și istoricul vizionărilor utilizatorilor.

În primul rând, fiecare videoclip este convertit în metadate text prin extragerea titlului video, descrierea, etichetele și comentariile și conversia piesei audio în subtitrări cu algoritmi de recunoaștere a textului.

Informațiile irelevante sunt eliminate.

Datele de text combinate ale fiecărui videoclip sunt analizate și grupate în funcție de cuvinte cheie și expresii.

Cuvintele cheie și expresiile identificate sunt apoi sortate și ponderate după relevanță și frecvență.

Cuvintele cheie sunt apoi legate între ele pe baza datelor de vizionare video.

YouTube analizează fiecare cuvânt cheie sau expresie pe rând

Apoi întocmește o listă cu toate videoclipurile care conțin cuvântul cheie sau expresia specifică.

Și apoi identifică toți utilizatorii care au vizionat cel puțin două videoclipuri diferite cu același cuvânt cheie sau expresie în cadrul aceleiași sesiuni.

YouTube analizează apoi istoricul vizionărilor tuturor sesiunilor și calculează distanța medie de vizionare dintre toate videoclipurile care conțin cuvântul cheie sau expresia țintă.

Să presupunem că avem trei videoclipuri cu același cuvânt cheie, A, B și C.

Dacă Jane a început cu A, atunci f, apoi B și, în sfârșit, C.

Distanța dintre A și B ar fi 2, în timp ce A la C ar fi 3 și așa mai departe.

Cu cât distanța dintre două videoclipuri este mai mică, cu atât sunt mai relevante videoclipurile și, prin proxy, cuvintele cheie legate.

Combinând milioane de videoclipuri și date despre vizionarea utilizatorilor, vă oferă o reprezentare destul de bună a relevanței cuvintelor cheie.

Acum, hai să facem ceva nebunesc.

Să creăm o hartă mentală multidimensională gigantică și să combinăm toate cuvintele cheie cu distanța medie de vizionare.

Ajungi cu un grafic gigantic cu milioane de puncte de date interconectate.

YouTube preprocesează mai întâi graficul cu un algoritm extern pentru a găsi videoclipuri de bază și cuvinte cheie pentru a împărți graficul în grupuri de conținut.

YouTube caută granițe naturale cu suprapunere minimă și o distanță medie de vizionare mai mare.

Odată ce YouTube a identificat grupurile de conținut potențiale, selectează două videoclipuri inițiale aleatorii din fiecare grup pentru a începe o analiză locală și aprofundată a grupului de conținut.

Acest algoritm funcționează din interior spre exterior și încearcă să crească un grafic de grup de conținut local cu margini clar definite, identificând calea cea mai scurtă dintre cele două videoclipuri de bază și apoi legând împreună videoclipurile vecine relevante cu cuvinte cheie similare.

În procesul final, YouTube elimină apoi videoclipurile cu cel mai mic scor de similaritate, de obicei de la marginile clusterului, pentru o claritate suplimentară.

Uneori, YouTube poate realiza că clusterul de conținut identificat poate fi împărțit în continuare în subclustere suplimentare.

Avantajul acestei abordări algoritmice de generare a clusterelor de conținut este că nu necesită sau doar o intervenție umană minimă.

Acest algoritm identifică în mod constant noi grupuri de conținut și subiecte care sunt adesea relevante doar pentru un număr mic de utilizatori.

Este nevoie doar de câțiva YouTuberi care realizează videoclipuri despre un nou cuvânt cheie și de o grămadă de oameni care își urmăresc videoclipurile.

Și voilà, a fost creat un nou cluster de conținut.

Citiți acest articol despre cum să vă conectați strategia de conținut YouTube la clusterele de conținut YouTube.

Și pentru că YouTube cunoaște istoricul vizionărilor tuturor, acum poate recomanda acest nou grup de conținut unui public asemănător de persoane similare celor care au vizionat mai întâi aceste videoclipuri.

Funcții YouTube Discovery

Algoritmul pentru feedul paginii de pornire YouTube

Pagina de pornire a YouTube s-a schimbat mult de-a lungul anilor.

Pagina de pornire YouTube afișa doar recomandări video pentru canalele la care s-au abonat utilizatorii.

Fluxul paginii de pornire este acum 100% personalizat cu recomandări video bazate pe istoricul vizionărilor fiecărui utilizator.

YouTube folosește o combinație de videoclipuri bazate pe subiecte familiare pe care utilizatorul le-a vizionat recent și videoclipuri noi din categorii complet diferite bazate pe utilizatori asemănătoare pentru a menține sugestiile proaspete și interesante.

De ce feedul paginii de pornire nu se concentrează exclusiv pe subiecte familiare? De ce să risc să-mi „ jignească” bunul gust cu cineva pe care nu l-am mai urmărit până acum?

Acest lucru poate părea contraintuitiv, dar se dovedește că prospețimea este un factor crucial în menținerea oamenilor pe platforma YouTube pentru mai mult timp.

Oamenii pot viziona doar atâtea videoclipuri despre un subiect înainte de a se simți epuizați mental. Subiectele video noi oferă o cale de ieșire și împiedică apariția plictiselii.

Pentru a fi prezentat în feedul paginii de pornire, trebuie să vă îmbunătățiți rata de clic și păstrarea publicului, deoarece acestea vă vor ajuta să ajungeți la un public mai mare.

Algoritmul pentru feedul de abonament YouTube

Feedul de abonament este destul de explicit. Se concentrează exclusiv pe videoclipurile de pe canalele la care utilizatorii s-au abonat deja.

Deși acest feed se concentrează pe abonamentele dvs., nu este un flux cronologic.

YouTube încă încearcă să vă arate cel mai bun conținut posibil despre care crede că vă va menține pe platformă mai mult timp.

Iată ce veți vedea în fluxul de abonament.

Videoclipuri încărcate recent de pe canalele la care v-ați abonat, cu accent pe subiecte similare celor pe care le-ați vizionat deja și videoclipuri care au deja un istoric dovedit în ceea ce privește rata de clic ridicată și durata mare de vizionare.

Algoritmul video sugerat de YouTube

Algoritmul de feed „Sugerat” de la YouTube, care include și videoclipuri „Up Next”, este un factor important de luat în considerare pentru creatori.

Această funcție selectează videoclipuri pentru zona sugerată de sub videoclipul curent pe dispozitivele mobile sau în bara laterală din dreapta pe computerele desktop.

Ce se gândește YouTube dacă să sugereze sau nu unul dintre videoclipurile tale?

Primul pas este să vă asigurați că metadatele videoclipurilor dvs. se potrivesc cu metadatele videoclipurilor de care sperați să fiți recomandat.

Acestea includ titluri similare, cuvinte cheie, descrieri și videoclipul în sine exprimat prin subtitrări.

Conținutul dvs. este mai probabil să fie recomandat aici dacă îi menține pe spectatori în loc să părăsească YouTube.

Inteligența artificială caută, de asemenea, videoclipuri și canale complementare și aprofundate, precum și ruptoare de gust pentru a viziona altceva, astfel încât să nu fie copleșiți de vizionarea prea multor videoclipuri despre un anumit subiect.

Spărgătoarele de gust nu sunt întâmplătoare. Acestea se bazează în continuare pe recomandări personale bazate pe istoricul vizionărilor fiecărui utilizator și pe datele de vizionare în comun ale utilizatorilor similari.

Algoritmul de feed de tendințe YouTube

Majoritatea oamenilor cred că secțiunea „Trending” YouTube conține doar videoclipuri care sunt populare în prezent.

Această presupunere este greșită.

Subiectele în tendințe sunt subiecte despre care oamenii vorbesc în prezent în știri și rețelele sociale.

Este vorba despre ceea ce este raportat în știri, pe rețelele de socializare, site-uri web, bloguri și în alte locuri.

Funcția de tendințe este „specifică geografică”, adică YouTube afișează videoclipuri diferite în funcție de locația spectatorului.

Algoritmul pentru feedul de notificări YouTube

Utilizatorii primesc și recomandări video personalizate prin notificări YouTube.

Pentru a vă înscrie videoclipurile în feedul de notificări, utilizatorii trebuie mai întâi să se aboneze la canalul dvs. YouTube, urmat de un clic pe pictograma clopoțel.

Ulterior, YouTube va notifica abonații în timp real despre orice videoclipuri noi pe care le încărcați pe canalul dvs.

Abonații primesc notificarea prin aplicația lor YouTube sau prin notificările de pe desktop.

De obicei, notificările video apar secvenţial, fără discriminare, ceea ce înseamnă că YouTube va afişa toate notificările de pe toate canalele, independent de numărul de abonaţi.

Singura excepție este atunci când un utilizator activează prea multe notificări pentru prea multe canale. În acest caz, YouTube își folosește algoritmul de relevanță bazat pe ceea ce este cel mai probabil să urmărească utilizatorul.

Algoritmul pentru rezultatele căutării YouTube

Căutarea pe YouTube pune un accent puternic pe YouTube SEO, inclusiv optimizarea cuvintelor cheie a titlului, descrierii, etichetelor video și cuvintelor cheie găsite în subtitrările fiecărui videoclip.

În plus, ține cont de numărul de abonați la canal și de timpul de vizionare a videoclipurilor atunci când vine vorba de a decide ce canal va apărea în căutare și ce videoclipuri vor fi împinse în partea de sus.

Prospețimea este un alt factor important de clasare care permite recomandarea conținutului nou și actualizat, oferind o șansă canalelor mai mici.

Pentru a profita de acest lucru, videoclipurile noi trebuie să își optimizeze titlurile și miniaturile pentru a obține o rată de clic ridicată; în caz contrar, noile videoclipuri vor fi reduse în timp dacă nimeni nu face clic pe ele.

YouTube a lansat, de asemenea, capitole video care permit unui videoclip să fie „divizat în secțiuni”, astfel încât spectatorii să poată identifica cu ușurință răspunsuri specifice la anumite întrebări. Puteți alege să activați această opțiune în videoclipul dvs. sau puteți crea propriile capitole video cu cuvinte cheie care se potrivesc cu subiectul video. Acest lucru este benefic pentru a ajuta YouTube să vă afișeze videoclipurile în rezultatele căutării.

Pasii urmatori

Uau, algoritmul YouTube este o piesă de tehnologie remarcabilă.

Acum că înțelegeți fiecare aspect al modului în care algoritmul YouTube funcționează sub capotă, ce altceva puteți face pentru a vă dezvolta rapid canalul YouTube (de succes)?

Vă recomand să citiți ghidul meu foarte tactic pentru creșterea YouTube pentru a vă ajuta să spargeți algoritmul YouTube.

Omite multe dintre detaliile tehnice ale algoritmului YouTube pe care le-am acoperit în acest articol în favoarea oferirii de sfaturi practice și recomandări cu privire la modul de implementare a lecțiilor cheie despre algoritmul YouTube.

După aceea, puteți consulta câteva dintre articolele mele de creștere YouTube de mai jos.

• Cum să găsești nișa perfectă pentru canalul tău YouTube selectând grupurile de conținut potrivite pentru canalul tău.
• Cum să-ți optimizezi titlul videoclipului și, de asemenea, aici.
• Cum să creați miniaturi uimitoare pentru videoclipul dvs. care obțin clicuri.
• Cum să vă îmbunătățiți rata de clic a afișărilor pe YouTube.
• Cum să ajungi la primii 1000 de abonați YouTube.
• Cum să acumulați rapid 4000 de ore de vizionare pentru a genera bani pe canalul dvs. YouTube.
• Cum poți câștiga bani cu canalul tău YouTube, de asemenea aici, aici și aici.
• Nu în ultimul rând, recenzia mea completă a celui mai bun instrument de creștere YouTube TubeBuddy.