YouTube Algoritmasının Açıklaması

YouTube Algoritmasına Karşı Olmak Yerine Birlikte Çalışarak YouTube Kanalınızı Nasıl Hızla Büyütebilirsiniz?

Birçok küçük YouTuber, kanallarını büyütmek için mücadele ediyor.

YouTube kanalınızın büyümemesinin birçok nedeni olsa da en yaygın olanlarından biri YouTube algoritmasının nasıl çalıştığını anlamamaktır.

Bu yazıda size YouTube algoritmasının başlık altında nasıl çalıştığını göstereceğim.

Makine öğrenimi algoritmasının her videonun konusunu nasıl belirlediğini, benzer YouTube kanallarını nasıl grupladığını, her izleyicinin neyle ilgilendiğini nasıl anladığını ve izleyicilerin abone olmadığı yeni videoları ve kanalları nasıl önerdiğini öğreneceksiniz.

YouTube algoritmasının temel ayrıntılarıyla daha az ilgileniyorsanız, YouTube algoritmasının nasıl kırılacağına ilişkin daha taktik kılavuzumu da okuyabilirsiniz.

YouTube Algoritması YouTube Videolarının Konusunu Nasıl Anlıyor?

YouTube'un en önemli önceliklerinden biri, her videonun içeriğini anlama yeteneğine sahip olmaktır, böylece doğru videoyu doğru kişiye önerebilir.

YouTube, her videoyu analiz etmek için çok çeşitli teknikler kullanır.

Karmaşık makine öğrenimi algoritmaları aracılığıyla videolardan ve video ve ses analizinden anahtar kelime verilerini çıkarmak için hem doğrudan hem de dolaylı meta verileri kullanır.

Metin tabanlı analiz

En basit analiz, metin tabanlı anahtar kelime ayıklamaya dayanır.

Bu amaçla YouTube, videosunun içeriğini doğru bir şekilde yansıtan açıklayıcı anahtar kelimeleri tahmin etmek için bir dizi doğrudan ve dolaylı metne dayalı özniteliğe bakar.

Başlık, açıklama ve video etiketlerinin anahtar kelime analizi

Kullanıcılar videolarına bir video başlığı, video açıklaması, video etiketleri ve video kategorisi ekleyebilir.

Kullanıcı tarafından oluşturulan tüm meta verilerde olduğu gibi, sorun genellikle hatalara, belirsizliklere ve eksikliğe meyilli olmasıdır.

Bu nedenle, YouTube'un öneri algoritmasında kullanılabilir hale getirmek için önce tüm yazılı meta verileri temizlemesi ve geliştirmesi gerekir.

Misal:

Birisi, hepsi aynı sosyal medya uygulamasına atıfta bulunarak Instagram, Insta, gram veya IG yazabilir. YouTube, aynı adla eş anlamlıları dahili olarak gruplayarak bu belirsizliği çözer.

Ardından, "Instagram" anahtar kelimesinin bağlamını anlamak için bağlamsal verileri kullanır. Birisi Instagram şirketinden mi, Instagram'ın kültürel etkisinden, Instagram uygulamasının bir kullanıcı olarak nasıl kullanılacağından veya bir içerik oluşturucu olarak Instagram'da bir kitle büyütmekten mi bahsediyor?

Birleştirilmiş ve geliştirilmiş meta veriler daha sonra daha fazla analiz için her video için kaydedilir.

Daha fazla ayrıntı için YouTube videolarınızı nasıl başlıklandıracağınız ve video başlıklarınızı nasıl optimize edeceğiniz hakkındaki makalelerime göz atmanızı tavsiye ederim.

Altyazı analizi

Altyazı biçimindeki video transkripsiyonları, içerik analizi için video meta verilerinin açık ara en iyi kaynağıdır.

Doğru bir şekilde yazıya geçirilirlerse, sözlü kelimeden yazılı kelimeye bire bir dönüşümü temsil ederler ve böylece YouTube'un makine öğrenimi analiz araçları için erişilebilir hale gelirler.

Özünde YouTube, ana şirketi Google'ın SEO için milyarlarca web sitesini, sayfayı ve blog gönderisini analiz etmek için kullandığı gelişmiş teknolojilerin aynısını kullanabilir.

Başlangıçta YouTube, kendi altyazılarını yüklemek veya kopyalamak için kullanıcılara güveniyordu.

Bu sıkıcı bir iş olduğu için, yalnızca son derece kararlı bir avuç YouTube kullanıcısı videolarına altyazı eklerdi.

Altyazılar metin analizi için çok daha iyi olsa da, 100.000'de sadece 1'inde altyazı varsa, bir tür işe yaramazlardı.

YouTube, her video yüklemesini otomatik olarak kopyalayan ve bunları altyazılara dönüştüren kendi ses tanıma yazılımına büyük ölçüde yatırım yaparak bu sorunu çözdü.

YouTube'un çeviri yazılarındaki sorun, bazen %100 doğru olmamasıdır.

Özellikle ses ekipmanı düşük kalitedeyse, arka plan gürültüsü çok yüksekse veya birinin aksanı varsa, genellikle insanların videolarda söylediklerini yanlış anlar ve ardından altyazılarında yanlış kelimeler kullanır.

Bunun, herhangi bir YouTube içerik oluşturucusu için potansiyel olarak çok tehlikeli birkaç sonucu vardır.

En iyi durumda, YouTube sıralamak istediğiniz önemli bir anahtar kelimeyi videonuzla ilişkilendirmez.

En kötü durumda, zararsız bir kelime kötü bir hakaret olarak yorumlanabilir ve bu da para kazanma veya otomatik topluluk greviyle sonuçlanabilir.

Transkriptleriniz ve altyazılarınız için doğru büyük harf kullanımı ve noktalama işaretleri de dahil olmak üzere mümkün olan en iyi sonuçları almak istiyorsanız, en iyi sonuçlar için Descript ve Otter'a göz atmanızı tavsiye ederim.

Oynatma listesi analizi

YouTube ayrıca, herhangi bir YouTube'un neyle ilgili olduğunu anlamak için dolaylı, bağlamsal meta verileri kullanacaktır.

Kanalınız veya başkaları tarafından oluşturulan bir veya daha fazla video oynatma listesinde belirli bir video var mı? Evet ise, oynatma listesinin başlığında ve açıklamasında hangi anahtar kelimeler yer alıyor?

YouTube daha sonra her bir oynatma listesindeki tüm video başlıklarını birleştirerek her oynatma listesini analiz edebilir ve ardından tüm videolar arasındaki ortak noktaları doğru bir şekilde tanımlayan ortak anahtar kelimeleri belirlemek için kalıp tanıma algoritmaları kullanabilir.

Oynatma listelerindeki bu ortak noktalar, her bir gömülü video için ek bağlamsal bilgiler olarak hizmet edebilir.

Örneğin, belirli bir oynatma listesi tutarsız veriler ve gürültü içeriyorsa, biri alakasız videoları bir araya getirdiği için YouTube verileri yok sayar.

TubeBuddy'nin Çalma Listeleri Eylem Aracı ile mevcut çalma listelerini hızla düzenleyebilirsiniz.

Yorum analizi

Video meta verilerinin başka bir kaynağı da YouTube yorumlarıdır. Bu, her video için sürekli olarak yüksek hacimli yorum alan daha büyük kanallar için daha uygundur.

YouTube, açıklayıcı ifadeleri belirten belirli anahtar kelimeleri ve kalıpları arayabilir.

Misal:

"Çok teşekkürler. Videonuz, YouTube kanalıma nasıl daha fazla kişinin abone olmasını sağlayacağımı anlamama gerçekten yardımcı oldu".

Bu durumda, arama modellerinden biri "nasıl yapılır..." şeklinde olabilir.

Yine belirtmekte fayda var ki YouTube'un yorumları gerçek değeriyle kabul etmediğini belirtmekte fayda var. Aksi takdirde, haydut aktörlerin haksız bir avantaj elde etmek için sistemi oynaması kolay olurdu.

Bunun yerine YouTube, tüm veri noktalarında uyumu onaylayarak güven düzeyini artırmak için tüm verileri kullanır.

YouTube'un neler gördüğüne bir göz atmak isterseniz, TubeBuddy Yorumları Kelime Bulutu'na bakın.

Bilgi kartları ve bitiş ekranları analizi

Son video meta veri kaynakları Bilgi Kartları ve Bitiş Ekranlarıdır.

Belirli videolara, oynatma listelerine veya harici web sitelerine bağlantı veren yerleşik kartlardan herhangi biri var mı?

Varsa, her kartın başlığında ve açıklamasında hangi metin var?

YouTube videoları söz konusu olduğunda, her videoya hangi meta veriler ve içerik kümeleri bağlanır? Kaynak ve hedef videolar veya oynatma listeleri arasında benzerlikler ve örtüşmeler var mı?

Web siteleri söz konusu olduğunda, her sayfanın URL'si, sayfa başlığı ve HTML içeriği nedir?

Bilgi Kartları ve Bitiş Ekranları için TubeBuddy Toplu İşleme Aracı size çok zaman kazandıracak.

görsel analiz

YouTube, Google'ın Cloud Vision AI tabanlı video küçük resimlerini ve ayrı video karelerini analiz etmek için AI tabanlı bir fotoğraf analiz aracı kullanır.

Google'ın Cloud Vision AI'sının dikkat çekici yanı, kendi video küçük resimlerinizi değerlendirmek için ona açık bir şekilde erişebilmenizdir.

Adım adım bir eğitim için mükemmel YouTube küçük resminin nasıl tasarlanacağına ilişkin makaleme göz atabilirsiniz.

YouTube ve Cloud Vision'ın tanıyabileceği nesnelerden bazıları şunlardır:

• İnsanlar
• yüzler
• duygular
• Mimik
• Giyim
• Nesneler ve nitelikler
• baskın renkler
• stil
• Logolar
• Metin tanıma
• Güvenli arama derecelendirmesi
  • Yetişkin
  • parodi
  • Tıbbi
  • Şiddet
  • müstehcen

Dürüst olmak gerekirse, AI'nın yıllar içinde ne kadar doğru hale geldiği neredeyse biraz korkutucu.

YouTube, her videoyu kare kare analiz etmek için aynı teknolojiyi kullanıyor.

Çoğunlukla telif hakkıyla korunan içeriği ve topluluk kurallarının ihlaliyle sonuçlanacak herhangi bir içeriği belirlemek için.

İkincil bir fayda olarak YouTube, videolarınızın her birinde insanları ve nesneleri tanımlıyor.

Video başlığınız "Mükemmel domates salatası nasıl yapılır" olsaydı, videolarınızda gerçek domatesleri "görmek" çok mantıklı olurdu.

Bu, yalnızca YouTube'un sahte tıklama tuzağı başlıklarla mücadele etmesine yardımcı olmakla kalmaz, aynı zamanda metinde ifade edilmesi zor olabilecek ekstra meta veriler için harika bir kaynaktır.

Diyelim ki "Londra'da az değerlendirilen 3 yer" başlıklı bir videonuz var ve videonuzda gösterdiğiniz üç yer "Borough Market", "Thames Barrier Park" ve "Richmond Park".

YouTube'un yapay zekası, örneğin bir işareti OCR teknolojisi aracılığıyla metne dönüştürerek yalnızca görsel tanımaya dayalı olarak belirli yerleri tanıyabilirse.

YouTube daha sonra videonuzu "Londra'daki en iyi gıda pazarı"nı arayan birine önerir.

Bu, birçok durumda, bunları başlığınıza, açıklamanıza, etiketlerinize veya altyazılarınıza eklemeseniz bile işe yarar.

Ses analizi

YouTube ayrıca tüm videoların her anını, müziği, sesleri ve konuşulan kelimeleri analiz ediyor.

En belirgin neden, yine, YouTube'un Content ID sistemi için telif hakkıyla korunan müzikleri belirlemektir.

Ek ses verileri ayrıca her videoda neler olup bittiğine dair değerli bilgiler sağlar.

Belirli şarkılar, belirli sanatçılarla, müzik türüyle ve birlikte iyi çalabilecek diğer şarkılarla bağlantılıdır.

Sesler ve ses efektleri genellikle belirli olayları iletir. Örneğin, bir "miyav" sesi bir kedinin varlığını gösterir.

Konuşulan kelimeler, videonuzdaki belirli bir kişinin varlığını gösterebilir.

bağlam analizi

YouTube ayrıca her videonun konusunu daha iyi anlamak için daha geniş bağlamsal veriler kullanır.

Kanal

• Video yükleyen YouTube kanalı hakkında ne biliyoruz?
• YouTube kanalı hangi içerik kümeleriyle ilişkilendirilir?
• Bu kanaldan video izleyen kullanıcılar hakkında ne biliyoruz?
• Bu kanaldaki videoları hangi büyük kitle grupları izliyor?
• Bu kanaldaki videoları hangi demografik gruplar izliyor?

Harici web siteleri

• Bu video harici sitelere mi yerleştirilmiş?
• Cevabınız evet ise, belirli bir videonun gömülü olduğu web sayfası içeriğinden hangi ek bilgileri tahmin edebiliriz?
• Bu web sitesi başka ne yayınlıyor?
• Belirli makalenin yazarı kimdir?
• Bu yazar hangi konularda tanınır?
• Web sitesi yetki puanı nedir?

izleyici analizi

• İzleyiciler bu videoyla nasıl etkileşime girdi?
• Hangi zaman aralıkları izlendi ve ne sıklıkta?
• Hangi zaman aralıkları atlandı ve ne sıklıkla?
• Her bir izleyicinin video gösterimlerindeki tıklama oranı nedir?
• İzleyicinin dakika/yüzde olarak izlenme süresi nedir?
• İzlenme süresi yüzdesi düşük olan izleyici topluluğu hakkında ne biliyoruz?
• İzlenme süresi yüzdesi yüksek olan izleyici topluluğu hakkında ne biliyoruz?

YouTube Algoritması Tavsiye Edilecek Benzer YouTube Kanallarını Nasıl Bulur?

YouTube algoritması, YouTube kanallarını ayrı konulara, kategorilere ve içerik kümelerine nasıl bağlar?

CNN YouTube kanalında yayınlanan videolara baktığınızda, öncelikle haber içeriği üretmeye odaklandıklarını muhtemelen anlıyorsunuzdur.

Ancak YouTube, milyonlarca YouTube kanalı için aynı ölçeği nasıl belirleyebilir?

En basit yaklaşım, her bir YouTube kanalından kendi sınıflandırmasını yapmasını istemek olacaktır.

Sadece uzun bir kanal kategorileri listesinden doğru kategoriyi seçin ve her şey yoluna girecek mi?

Pekala, o kadar hızlı değil...

Kendi kendini sınıflandırma ile ilgili sorun, hatalara eğilimli olmasıdır.

Bir YouTube içerik oluşturucusu, net bir kanal yönüne veya içerik stratejisine sahip olmayabilir. Bu nedenle hangi kategoriyi seçeceklerini bilemeyebilirler.

İçerik oluşturucular, her bir kategorinin tanımını veya anlamını anlamadıklarında hangi kategoriyi seçecekleri konusunda kafaları karışabilir.

Bazen, özellikle kategori listesi çok uzunsa, bunalabilirler.

Çözüm?

YouTube kanal kategorisini algoritmik olarak belirliyorlar!

İşte YouTube, YouTube kanallarının ne hakkında olduğunu anlayabilir.

Üç farklı faktöre bakıyorlar.

• Videolarının her birinin içeriği nedir?
• Tüm videolarındaki en popüler konular ve temalar nelerdir?
• Videolarının izleyicileri hangi özellikleri, özellikleri ve ilgi alanlarını paylaşıyor?

Her üç bilgi parçası da birbirini tamamlar.

Veriler ne kadar uyumlu olursa, YouTube'un belirli bir kanalın belirli bir kategoriye ve nişe ait olduğuna dair güven puanı o kadar yüksek olur. YouTube, videolarınızı aynı niş içindeki YouTube kanallarının Önerilen Videolar bölümünde önerme olasılığı o kadar yüksek olur.

Bu nedenle, tüm videolarınız için net bir YouTube içerik stratejisi geliştirmeniz çok önemlidir. YouTube içerik kümesi stratejisi makalemde sıfırdan içerik stratejisi oluşturma hakkında daha fazla bilgi edinebilirsiniz.

YouTube'un Algoritması Her Kullanıcının Neyle İlgilendiğini Nasıl Belirler?

YouTube, kullanıcıların web sitelerinde yaptıkları her şeyi izliyor.

Her fare hareketi. Bir YouTube küçük resmine yapılan her tıklama.

Her sayfada bir küçük resmin yüzde kaçının görünür olduğu.

Ön planda veya arka planda bir video oynatılıyorsa.

Her kullanıcıya hangi video küçük resimleri ve başlıkları tanıtıldı ve kaç kez?

Her bir video gösteriminin tıklama oranı neydi?

Her bir YouTube videosunun kaç görüntülemesi var?

Bir videoya tıkladıktan sonra videonun izlenme süresi dakika ve yüzde olarak neydi? Bu kullanıcının video izleme süresinin tipik yüzdesi nedir? Bu videonun izlenme süresi ortalamanın üzerinde mi yoksa altında mı?

Birisi belirli bir videoyu ilk kez izledikten sonra ne yaptı?

Nişanlandılar mı? Beğenmeme butonuna basmışlar mı? Yorum yazmışlar mı? Duyarlılık analizine dayalı olumlu veya olumsuz bir yorum ifadesi miydi?

Kullanıcı video açıklamasını genişletti mi?

Bir izleyici videoyu paylaştı mı? Evet ise, hangi platformda? Ve paylaşmanın en olası nedeni neydi?

Bir YouTube kanalına abone oldular mı? Eğer öyleyse, hangi sayfada? Video sayfasındaysa, videonun yüzde kaçını izlediler?

Belirli YouTube kanallarını keşfettiler mi? Hangi video başlıkları onlara göründü? Hangisine tıkladılar?

Belirli oynatma listelerine video eklediler mi? Bu oynatma listesinin adı neydi? Aynı oynatma listesindeki diğer videoların temaları ve konuları nelerdi?

Sonra izle düğmesine bastılar mı?

Bu videonun ilişkili içerik kümeleri, temaları ve konuları nelerdir? Bu kullanıcı, geçmiş davranış ve izleme geçmişine dayalı bu içerik kümelerinden herhangi biriyle ilgilendi mi? İki içerik kümesi arasında, örneğin Linux ve yazılım geliştirme arasında tipik olarak örtüşen çıkarlar var mı?

YouTube daha sonra tüm bu veri noktalarını kullanarak birden fazla kullanıcı arasında kalıpları bulmak için makine öğrenimi algoritmalarını besler.

Özetlemek.

YouTube, her bir videonun ne hakkında olduğunu anlamak için önce videoları sınıflandırır.

Daha sonra konuları daha geniş içerik grupları ve nişler halinde gruplandırır.

Birisi belirli bir videoyu izlerse, ilişkili içerik kümeleri, ilgi alanları olarak kullanıcı profiline bağlanır.

Birisi aynı içerik kümesinden ne kadar çok video izlerse, bu kullanıcıya aynı kategorideki videoları önerme olasılığı o kadar yüksek olur.

Bu analiz, YouTube'un her kullanıcının neyle ilgilendiğini anlamasına olanak tanır, ancak kendisini yalnızca video analiziyle sınırlamaz.

YouTube ayrıca bireysel kullanıcıların ilgi alanlarını daha da hassaslaştırmak için ortak izleme verilerini kullanır.

Bu derslerin nasıl uygulanacağına dair taktiksel bir rehber için YouTube algoritmasının nasıl kırılacağına dair makaleme göz atın.

YouTube Algoritması, İnsanların İzlediklerine Dayalı Farklı Demografik ve İlgi Alanları Oluşturuyor

YouTube algoritması, bireysel izleyicileri daha geniş içerik kümelerine nasıl bağlar?

YouTube, kullanıcıları ortak ilgi alanlarına ve ilişkili içerik kümelerine göre gruplandırır, böylece diğer kullanıcıların geçmişine ve belirli içerik kümelerine eklenen yeni videolara göre önerilerde bulunabilir.

Bu özellik, sık satın alınan öneriler için Amazon öneri algoritmasına ve Facebook'a benzeyen izleyicilere çok benzer.

YouTube, platformunda oturum açmış her kullanıcının izleme geçmişini kaydediyor.

Ardından, tüm kişilerin izleme geçmişine aynı anda bakar ve aynı oturumdaki herhangi iki video arasındaki ortalama mesafeyi hesaplar. Bir kişi her iki videoyu arka arkaya izlerse mesafe ne kadar kısaysa, arada birkaç başka video izlerse o kadar uzun mesafe olur.

YouTube, iki video arasındaki ortalama mesafeyi hesapladıktan sonra, benzer izleme geçmişine sahip kullanımları birbirine bağlayabilir ve ortak ilgi alanlarına sahip kullanıcılara dayalı olarak yeni videolar önerebilir.

Daha gelişmiş bir sistem, daha da fazla veri kaynağını birleştirebilir.

YouTube Algoritmasının Yeni Konuları ve İçerik Kümelerini Belirleme Süreci Nedir?

YouTube video kategorileri

İlk günlerde YouTube, olası video kategorilerinin bir listesini manuel olarak tanımlamaya çalıştı ve kullanıcılardan her bir videosu için aşağıdaki konulardan birini seçmelerini istedi:

• Film ve Animasyon
• Otomobiller ve Araçlar
• Müzik
• Evcil Hayvanlar
• Spor Dalları
• Seyahat ve Etkinlikler
• oyun
• İnsanlar ve Bloglar
• Komedi
• Eğlence
• Haberler ve Politika
• Nasıl Yapılır ve Stil
• Eğitim
• Bilim teknolojisi
• Sivil Toplum Kuruluşları ve Aktivizm

Bugün alakasız olmasına ve göz ardı edilmesine rağmen, video kategorisi ayarını video ayarları sayfanızda bulabilirsiniz.

Video yaratıcıları, her bir kategorinin nasıl çalışması gerektiğini ve kategorilerin birbirinden nasıl farklı olması gerektiğini anlamadıklarından, kendi kendine sınıflandırma birçok soruna neden oldu.

Sonuç tutarsız etiketleme oldu.

Freebase bilgi grafiği

YouTube, bu 15 kategorinin sınırlarını hızla fark etti ve Freebase bilgi grafiği veritabanına dayalı daha bütünsel bir yaklaşım üzerinde çalışmaya başladı.

Freebase, 39 milyondan fazla yapılandırılmış veri varlığına sahip, işbirliğine dayalı büyük bir bilgi tabanıydı.

Konular olarak da bilinen "varlıklar" etrafında organize edildi. Her varlık bir veya daha fazla "tip" ile bağlantılıydı. Her türün benzersiz bir "nitelik" kümesi vardı.

Örneğin, bir "araba" varlığı, diğerleri arasında, "beygir gücü" niteliğine sahip olan "motor" tipine bağlanmıştır.

Wikipedia'ya benzer şekilde, Freebase varlık adları, türleri ve nitelikleri farklı dillere çevrildi; bu, YouTube'un uluslararası genişlemesi için harika bir haberdi.

YouTube, tescilli kategori sistemini geliştirmek için temel olarak Freebase veritabanını kullandı.

Google, arama motoru ve reklam amaçları için web sayfalarının içeriğini sınıflandırmak için zaten birkaç sınıflandırma sistemi geliştirmişti.

YouTube, Google'ın sınıflandırma sistemiyle bağlantı kurmak için Freebase veritabanının her bir varlığını, türünü ve niteliğini işlemek için Google'ın sınıflandırıcı algoritmalarını kullandı.

Ortaya çıkan model, belirli konuları özel Wikipedia portal sayfalarına bağlayarak daha da zenginleştirildi.

15'ten 39 milyondan fazla konu kategorisine çıkmak, YouTube için ileriye doğru büyük bir adımdı, ancak yine de sayısız sınırlaması vardı.

En büyük sorun, insan sınıflandırmasına ve konuları düzenlemeye yönelik hiyerarşik yukarıdan aşağıya yaklaşımına dayanmasıydı.

Bu, yeni teknolojilerin ve fikirlerin patlayıcı yükselişiyle daha belirgin hale geldi.

Manuel kategoriler çok esnek değildi ve değişikliklere uyum sağlamak için çok yavaştı.

Günümüzde çoğu fikir ve kavramın siyah beyaz tanımları yoktur, genellikle belirsiz ve anlam bakımından değişkendir ve zaman içinde sürekli olarak gelişir.

iPhone bir telekomünikasyon cihazı mı, mobil bilgisayar mı, telefon mu, video kamera mı yoksa akıllı telefon mu? Uygulamaları ele alırsak ne olur? Hesap makinesi mi, metin işlemcisi mi, oyun konsolu mu?

20 hiyerarşi düzeyine sahip daha karmaşık kavram ve fikirlerimiz varsa ne olur? Bunları nasıl organize edeceğiz?

YouTube, herhangi bir insan sınıflandırması ve kürasyonu gerektirmeyen yeni bir algoritmik sınıflandırıcı algoritması lehine 2015 yılında Freebase'i emekliye ayırmaya karar verdi.

Algoritmik içerik kümeleri oluşturma

Bir bilgisayar, dünyadaki akla gelebilecek her konunun süper kesin bir haritasını nasıl oluşturabilir ve ardından bu haritayı açıkça tanımlanmış içerik kümeleri halinde yapılandırabilir?

Bu, video meta verilerinin milyarlarca veri noktasına ve kullanıcı izleme geçmişlerine bakan gelişmiş makine öğrenimi algoritmaları ile başarılabilir.

İlk olarak, her video, video başlığı, açıklama, etiketler ve yorumlar ayıklanarak ve metin tanıma algoritmaları ile ses parçası altyazılara dönüştürülerek metin meta verilerine dönüştürülür.

Alakasız bilgiler atılır.

Her videonun birleşik metin verileri, anahtar kelimelere ve ifadelere göre analiz edilir ve gruplandırılır.

Tanımlanan anahtar kelimeler ve kelime öbekleri daha sonra alaka düzeyine ve sıklığa göre sıralanır ve ağırlıklandırılır.

Anahtar kelimeler daha sonra video izleme verilerine dayalı olarak birbirine bağlanır.

YouTube, her bir anahtar kelimeye veya kelime öbeğine birer birer bakar

Ardından, belirli anahtar kelimeyi veya ifadeyi içeren tüm videoların bir listesini derler.

Ardından, aynı oturumda aynı anahtar kelime veya kelime öbeği ile en az iki farklı video izleyen tüm kullanıcıları tanımlar.

Ardından YouTube, tüm oturumların izleme geçmişini analiz eder ve hedef anahtar kelimeyi veya kelime öbeğini içeren tüm videolar arasındaki ortalama izleme mesafesini hesaplar.

Diyelim ki aynı anahtar kelime, A, B ve C ile üç videomuz var.

Jane A ile başladıysa, sonra f, sonra B ve son olarak C.

A ile B arasındaki mesafe 2, A ile C arasındaki mesafe ise 3 olur ve böyle devam eder.

İki video arasındaki mesafe ne kadar kısaysa, videolar ve proxy tarafından bağlantılı anahtar kelimeler o kadar alakalı olur.

Milyonlarca videoyu ve kullanıcı izleme verilerini birleştirmek, size anahtar kelime alaka düzeyinin oldukça iyi bir temsilini verir.

Şimdi bir çılgınlık yapalım.

Devasa, çok boyutlu bir zihin haritası oluşturalım ve tüm anahtar kelimeleri ortalama izleme mesafesiyle birleştirelim.

Milyonlarca birbirine bağlı veri noktası içeren devasa bir grafik elde edersiniz.

YouTube, grafiği içerik kümelerine bölmek için çekirdek videoları ve anahtar kelimeleri bulmak için önce bir dıştan içe algoritmayla grafiği önceden işler.

YouTube, minimum örtüşme ve daha büyük bir ortalama izleme mesafesi ile doğal sınırlar arıyor.

YouTube, potansiyel içerik kümelerini belirledikten sonra, yerel, derinlemesine bir içerik kümesi analizi başlatmak için her kümeden rastgele iki tohum video seçer.

Bu algoritma içten dışa doğru çalışır ve iki çekirdek video arasındaki en kısa yolu belirleyerek ve ardından benzer anahtar kelimelerle ilgili komşu videoları birbirine bağlayarak açıkça tanımlanmış kenarları olan bir yerel içerik küme grafiği oluşturmaya çalışır.

Son süreçte, YouTube, daha fazla netlik için genellikle kümenin kenarlarından en düşük benzerlik puanına sahip videoları kaldırır.

Bazen YouTube, tanımlanan içerik kümesinin ek alt kümelere ayrılabileceğini fark edebilir.

Bu algoritmik içerik kümesi oluşturma yaklaşımının yararı, insan müdahalesi gerektirmemesi veya çok az insan müdahalesi gerektirmesidir.

Bu algoritma, genellikle yalnızca çok az sayıda kullanıcıyla alakalı olan yeni içerik gruplarını ve konuları sürekli olarak tanımlar.

Tek gereken, yeni bir anahtar kelime hakkında video yapan birkaç YouTuber ve videolarını izleyen bir grup insan.

Ve işte, yeni bir içerik kümesi oluşturuldu.

YouTube içerik stratejinizi YouTube'un içerik kümelerine nasıl bağlayacağınızla ilgili bu makaleyi okuyun.

YouTube herkesin izleme geçmişini bildiğinden, artık bu yeni içerik kümesini, bu videoları ilk izleyenlere benzer kişilerden oluşan bir hedef kitleye önerebilir.

YouTube Keşif Özellikleri

YouTube ana sayfa besleme algoritması

YouTube'un ana sayfası yıllar içinde çok değişti.

YouTube ana sayfasında yalnızca kullanıcıların abone olduğu kanallar için video önerileri gösteriliyordu.

Ana sayfa beslemesi artık her kullanıcının izleme geçmişine dayalı video önerileriyle %100 kişiselleştirildi.

YouTube, önerileri taze ve heyecan verici tutmak için, kullanıcının yakın zamanda izlediği tanıdık konulara dayalı videolar ve benzer kullanıcılara dayalı tamamen farklı kategorilerden yeni videolar kullanır.

Ana sayfa beslemesi neden yalnızca tanıdık konulara odaklanmıyor? Neden daha önce hiç izlemediğim biriyle zevkimi "rahatsız etme" riskini alayım?

Bu mantıksız görünebilir, ancak tazeliğin insanları YouTube platformunda daha uzun süre tutmada çok önemli bir faktör olduğu ortaya çıktı.

İnsanlar kendilerini zihinsel olarak yorgun hissetmeden önce sadece bir konu hakkında çok fazla video izleyebilirler. Yeni video konuları bir çıkış yolu sunar ve can sıkıntısının olmasını engeller.

Ana sayfa özet akışında öne çıkmak için, daha geniş kitlelere ulaşmanıza yardımcı olacağından, tıklama oranınızı ve kitleyi elde tutma oranınızı iyileştirmeniz gerekir.

YouTube abonelik besleme algoritması

Abonelik beslemesi oldukça açıklayıcıdır. Yalnızca, kullanıcıların zaten abone olduğu kanallardan gelen videolara odaklanır.

Bu besleme, aboneliklerinize odaklansa da, kronolojik bir özet değildir.

YouTube, sizi platformda daha uzun süre tutacağına inandığı mümkün olan en iyi içeriği göstermeye çalışıyor.

İşte abonelik beslemesinde göreceğiniz şey.

Abone olduğunuz kanallardan, daha önce izlemiş olduğunuz konulara benzer konulara odaklanan, yakın zamanda yüklenen videolar ve yüksek tıklama oranı ve yüksek izlenme süresi açısından zaten kanıtlanmış bir geçmişe sahip videolar.

YouTube önerilen video algoritması

YouTube'un "Sıradaki" videolarını da içeren "Önerilen" yayın algoritması, içerik oluşturucular için dikkate alınması gereken önemli bir faktördür.

Bu özellik, videoları mobil cihazlarda mevcut videonun altında veya masaüstü bilgisayarlarda sağ kenar çubuğunda önerilen alan için seçer.

YouTube, videolarınızdan birini önermeyi veya önermemeyi nasıl değerlendiriyor?

İlk adım, videolarınızın meta verilerinin, önerilmeyi umduğunuz videoların meta verileriyle eşleştiğinden emin olmaktır.

Bu, benzer başlıkları, anahtar kelimeleri, açıklamaları ve altyazılarıyla ifade edilen videonun kendisini içerir.

İçeriğiniz, YouTube'dan ayrılmak yerine izleyicileri izlemeye devam ediyorsa, burada önerilme olasılığı daha yüksektir.

AI ayrıca başka bir şey izlemek için tamamlayıcı derinlemesine videolar ve kanalların yanı sıra tat kırıcılar arar, böylece herhangi bir konu hakkında çok fazla video izleyerek asla bunalmazlar.

Tat kesiciler rastgele değildir. Yine de, her kullanıcının izleme geçmişine ve benzer kullanıcıların ortak izleme verilerine dayanan kişisel önerilere dayanırlar.

YouTube trend özet akışı algoritması

Çoğu kişi, YouTube'un "trend" bölümünün yalnızca şu anda popüler olan videoları içerdiğine inanıyor.

Bu varsayım yanlıştır.

Trend olan konular, insanların şu anda haberlerde ve sosyal medyada konuştuğu konulardır.

Her şey haberlerde, sosyal medyada, web sitelerinde, bloglarda ve başka yerlerde bildirilenlerle ilgilidir.

Trend olan özellik "coğrafi bölgeye özgüdür", yani YouTube, izleyicinin konumuna bağlı olarak farklı videolar görüntüler.

YouTube bildirim besleme algoritması

Kullanıcılar ayrıca YouTube bildirimleri aracılığıyla özel video önerileri alır.

Videolarınızı bildirim akışına almak için, kullanıcıların önce YouTube kanalınıza abone olmaları ve ardından zil simgesini tıklamaları gerekir.

Ardından YouTube, kanalınıza yüklediğiniz tüm yeni videolar hakkında aboneleri gerçek zamanlı olarak bilgilendirecektir.

Aboneler, bildirimi YouTube uygulamaları veya masaüstü bildirimleri aracılığıyla alır.

Genellikle, video bildirimleri ayrım gözetmeksizin sırayla görünür, yani YouTube, abone sayısından bağımsız olarak tüm kanallardan gelen tüm bildirimleri gösterecektir.

Tek istisna, bir kullanıcının çok fazla kanal için çok fazla bildirimi açmasıdır. Bu durumda YouTube, kullanıcının bir sonraki izleme olasılığı en yüksek olan şeye dayalı olarak alaka düzeyi algoritmasını kullanır.

YouTube arama sonuçları algoritması

YouTube araması, başlığın anahtar kelime optimizasyonu, açıklama, video etiketleri ve her videonun altyazılarında bulunan anahtar kelimeler dahil olmak üzere YouTube SEO'ya güçlü bir vurgu yapar.

Ek olarak, aramada hangi kanalın görüneceğine ve hangi videoların en üste çıkacağına karar verirken kanal abone sayısı ve video izlenme süresi dikkate alınır.

Tazelik, yeni ve güncellenmiş içeriğin önerilmesine olanak tanıyan ve daha küçük kanallara şans veren bir diğer önemli sıralama faktörüdür.

Bundan yararlanmak için yeni videolar, yüksek tıklama oranı elde etmek için video başlıklarını ve küçük resimlerini optimize etmelidir; aksi takdirde, kimse tıklamazsa yeni videoların sıralaması düşer.

YouTube ayrıca, bir videonun "bölümlere ayrılmasını" sağlayan Video Bölümlerini de kullanıma sundu, böylece izleyiciler belirli sorulara belirli yanıtları kolayca belirleyebilir. Videonuzda bu seçeneği etkinleştirmeyi seçebilir veya videonuzun konusuyla uyumlu anahtar kelimelerle kendi video bölümlerinizi oluşturabilirsiniz. Bu, YouTube'un videolarınızı arama sonuçlarında göstermesine yardımcı olmak için faydalıdır.

Sonraki adımlar

Vay be, YouTube algoritması olağanüstü bir teknoloji parçası.

Artık YouTube algoritmasının nasıl çalıştığını her yönüyle anladığınıza göre, (başarılı) YouTube kanalınızı hızla büyütmek için başka ne yapabilirsiniz?

YouTube algoritmasını kırmanıza yardımcı olmak için YouTube büyümesine yönelik taktik rehberimi okumanızı tavsiye ederim.

Bu makalede ele aldığımız YouTube algoritmasının birçok teknik ayrıntısını, YouTube algoritmasıyla ilgili temel derslerin nasıl uygulanacağına dair pratik tavsiyeler ve öneriler vermek adına dışarıda bırakıyor.

Daha sonra aşağıdaki YouTube büyüme makalelerimden bazılarına göz atabilirsiniz.

• Kanalınız için doğru içerik kümelerini seçerek YouTube kanalınız için mükemmel nişi nasıl bulabilirsiniz.
• Video başlığınızı nasıl optimize edersiniz ve ayrıca burada.
• Videonuz için tıklama alan harika küçük resimler nasıl tasarlanır?
• YouTube'da gösterim tıklama oranınızı nasıl iyileştirebilirsiniz?
• İlk 1000 YouTube abonenize nasıl ulaşırsınız?
• YouTube kanalınızdan para kazanmak için 4000 saatlik izlenme süresini nasıl hızlı bir şekilde oluşturabilirsiniz?
• YouTube kanalınızla nasıl para kazanabilirsiniz, ayrıca burada, burada ve burada.
• Son olarak, en iyi YouTube büyüme aracı TubeBuddy ile ilgili tam incelemem.