Med over en milliard brugere og milliarder timer af video er det faktum, at YouTubes algoritme formår at levere det, du vil se, når du besøger webstedet, et bevis på software engineering. Så hvordan fungerer det?
Det korte svar: Ingen kender detaljerne - ikke engang YouTube i nogen grad. YouTubes algoritme bruger maskinlæring til at foreslå videoer, hvilket betyder, at der ikke er nogen faste regler, vi kan fortælle dig. Desuden ville Google ikke fortælle os det alligevel, da det ville føre til, at folk udnyttede dem.
Hvad vi ved
Når du træner en maskinlæringsmodel, giver du den en masse input og rangerer derefter dens foreslåede output på, hvor rigtige de er.
Her er et meget forenklet eksempel. Sig, at du ville træne en AI for at fortælle forskellen mellem billeder af katte og hunde. I det væsentlige vil du give en AI en masse billeder af katte og hunde, hvis det begynder at vælge, og derefter scorer det rigtigt, hvis det svarer korrekt. Jo mere det bliver korrekt, jo bedre bliver det at vælge. Resultatet er en maskine, der kan identificere katte og hunde. Denne træning bruger en måling, hvormed resultaterne vurderes; i vores tilfælde er kat-o-måleren eller hvilken procentdel af billedet faktisk kat.
Den metriske YouTube bruger er se tid - hvor længe brugere forbliver på videoen. Dette giver mening, fordi YouTube ikke vil have folk til at springe rundt på udkig efter videoer at se, da det er mere arbejde ved deres ende og mindre tid brugt på at se.
Det er dog meget mere nuanceret end bare "hvor længe du har set en video". Algoritmen tager højde for mange forskellige faktorer og rangerer dem i overensstemmelse hermed: tilbageholdelse af seere, indtryk for klik, seerinddragelse og nogle andre faktorer bag kulisserne, som vi aldrig ser. YouTube skræddersyr derefter disse faktorer til din profil, så det kan foreslå videoer, du er mere tilbøjelige til at klikke på.
Hvad man skal tage væk fra dette
Hvis du er en håbefuld YouTuber, er de to vigtigste ting at arbejde med at maksimere din gennemsnitlige visningsvarighed og maksimere din klikrate. Tag den følgende op og ned pyramide.
YouTube foreslår din video til en flok mennesker på startskærmen og i den foreslåede fane. På min konto har jeg næsten 750 tusind visninger. Det virker ret godt, men kun en brøkdel af disse mennesker klikker på din video. Denne brøkdel kaldes din klikrate, og den måles som en procent (du kan se i mit eksempel, at jeg har en klikrate på 4,0%). Visningerne viser det faktiske antal personer, der klikkede igennem.
Når nogen har klikket på videoen, måler YouTube derefter den tid, de mennesker har brugt på at se videoerne.
Du kan se, hvorfor så mange YouTube-skabere bruger clickbait-titler og miniaturebilleder (for at få disse klik) og lange, trukkede videoer (op til opbevaringstid). Dette er to meget irriterende træk fra mange YouTube-skabere, men hej, bebrejd algoritmen.
En casestudie
Lad os se på to store kanaler, der tager forskellige tilgange til at tackle algoritmen. Den første er Primitiv teknologi , en kanal, der drives af en fyr, der går ud i ørkenen og bygger ting uden værktøj. Alle hans videoer er meget lange, men holder et godt niveau af engagement i hele den længde - ganske en bedrift, da der ikke er nogen fortælling. Denne kendsgerning betyder, at han sandsynligvis har en meget høj gennemsnitlig visningsvarighed, hvilket er godt i algoritmens øjne.
Fordi han kun laver en video om måneden, er det overraskende, at han har over 8 millioner abonnenter. Dette skyldes sandsynligvis, at den lange tid mellem videoer skaber en følelse af noget nyt, når den næste falder. Hans videoer er ikoniske, og når de vises i mit feed, klikker jeg næsten altid på dem. Jeg gætter på, at andre har det på samme måde, så han har sandsynligvis også en høj klikfrekvens.
Den anden kanal tager en lidt skummere tilgang. BCC Trolling , en Fortnite "Funny Moments" -kanal, tager klip fra populære streamers og redigerer dem til daglige videoer. I det sidste år har de mestret algoritmen og skudt op til 7,3 millioner abonnenter. For at maksimere afspilningstiden anbragte de titlen på videoklippet et sted midt i videoen, hvilket tvang folk til at se det et stykke tid, før de kom til det klip, de klikkede på, hvilket i det væsentlige fik dem "hooked" på videoen. På grund af dette er deres overvågningstid højere.
De er også fremragende til clickbait-miniaturer og titler, og de sætter * NYT * i alle hætter på mange videoer og altid med farverige miniaturer, der normalt er skræddersyede og ofte meget vildledende. Men de er ikke indlysende clickbait; videoerne leverer titlen, men det er bare nok klikbait til at få folk til at klikke.
Dette er det vigtigste at tage væk fra BCC: Hvis du vil klikke på dine miniaturebilleder, skal du gøre det subtilt. At lægge direkte løgne i titlen vil ofte gøre folk vrede og kan have den modsatte effekt, du har til hensigt.
Uanset hvad, skal du finde, hvad der fungerer for dig, og bruge det til din fordel. Hold overvågningstid og klikfrekvenser i tankerne fremadrettet, men hold dig til dit format, og lad ikke algoritmen diktere dit indhold.
