Hur väljer youtube föreslagna videor?

Videorekommendationssystemet för YouTube har bara ett mål. De vill ge dig en personlig videorekommendation av hög kvalitet som passar dina intressen. Genom att göra det kommer de att hålla dig på sin plattform när du klickar runt och tittar på deras riktade annonser. Din webbhistorik på Google, Chrome och YouTube påverkar till stor del dina sökresultat YouTube-rekommendationer. Du får dessa förslag på din YouTube-startsida och även som aviseringar i appen.

Det finns flera faktorer som påverkar dina sökresultat och videorekommendationer. Dessa matas in YouTubes algoritm som fattar dessa beslut om vilka videor du vill ha automatiskt. Det gör det genom att titta på vissa data. Låt oss ta en titt på de olika typerna:

• Innehållskällor: det finns två huvudkällor för hur YouTube ritar dina rekommenderade videor och matar algoritmen. Först är innehållsdata du skriver i sökrutan, såsom titlar, beskrivning och metadata och andra är data om användaraktivitet. Det är kategoriserat i ett antal attribut, såsom dina favoriter, betyg, antal visningar, etc.

• Din visningsaktivitet: innan YouTube föreslår dig rekommenderade videor, bestämmer den uppsättningen av associerade videor du sannolikt kommer att titta på efter videon som visas för närvarande. För att göra detta använder den metoden för association eller sambesök som görs genom att identifiera en serie videor som du nyligen har sett under en enda session. Algoritmen hittar en koppling mellan de videor du har tittat på och föreslår de videor du kan vara intresserad av att titta på.

• Rankningsrekommendation: när YouTube genererar en uppsättning rekommendationer rangordnar den dem enligt ett antal signaler. Sedan är de organiserade i olika grupper, enligt deras användarspecifikationer, diversifiering och videokvalitet. Användarspecifikationen används för att ta fram en video som liknar dina unika preferenser. Användarspecifika signaler skapas baserat på din visningstid och antalet tittande på vissa typer av videor. Diversifiering görs för att identifiera videor som är väldigt lika varandra. Exakt identiska videor tas bort och mer varierande typer av video tas in. Logiken bakom diversifiering är att användare har flera intressen och relaterade visningspreferenser. Rekommenderade videor som är för lika varandra kanske inte speglar en användares övergripande preferenser. Videokvalitet inkluderar ett antal metrik, såsom videobetyg, antal visningar, favoriter, kommentarer och delningar.

• Tittarnas engagemang: YouTube uppmärksammar hur många kommenterar, gillar och ogillar en video hämtar från publiken. Videor som är mest framgångsrika när det gäller att engagera tittarna toppar alltid listorna och visas på dina föreslagna videor. Algoritmen för YouTubes föreslagna videor fungerar på prestandan för vissa videor på YouTube. De marknadsför videor som är framgångsrika när det gäller att hålla tittarna engagerade och uppmuntra dem att gilla och kommentera dem. Dessutom marknadsförs alltid videor som får många likes och kommentarer av YouTube. Videor som är framgångsrika när det gäller att få lång tittarretention och visningstid är de som håller människor engagerade.

• Miniatyrer: en miniatyr är den lilla stillbilden av videon som du ser med länken till en video. Videor som har miniatyrer som är relevanta för titeln och innehållet i videon är mest populära bland publiken. Videor som har irrelevanta miniatyrer får negativ respons och kommentarer från publiken. Så videor med relevanta och attraktiva miniatyrer blir populära och YouTube inkluderar dem i sina föreslagna videorekommendationer.

• YouTube-sessionsstartare: YouTube-videoförslag är oftast de som börjar titta på sessioner för publiken. Den tar också hänsyn till hur a Youtube-kanal startar en visningssession och med vilken frekvens. YouTube har data om visningar och sessionstider för tittare, och det föreslår kanaler och videor som ofta börjar titta på sessioner baserat på den informationen. Om du till exempel besöker YouTube en gång i veckan kan din visningssession vara 20 minuter lång. Om du kommer till YouTube två gånger i veckan kan din visningssession vara 50 minuter lång och 4 besök totalt upp till 150 minuters visningssession. Följaktligen innebär fler förslag att fler människor kommer till YouTube och att fler videor visas i föreslagna videorekommendationer.

• Utanför YouTube: YouTube håller kontakten med sina användare utanför YouTube också via e-postlistor, sociala profiler, mediakopplingar, webbplatser, etc. Även om dessa är mycket små plattformar, hjälper de till att katalysera startsessioner och känna till användarnas preferenser, gillar och ogillar. Baserat på det här data, de ökar sin publik genom att föreslå dem relevanta videor. På sina Facebook- och andra sociala medier-sidor schemalägger de också sina nya releaser. Om en man vet när han ska komma tillbaka för en ny video på en kanal, kan han komma och hitta sin video när den är inställd på att gå live. Hur detta matas in i algoritmen är dock inte alltid väl förstådd. Detta är delvis anledningen till de senaste ändringarna av GDPR som har påverkat Europa^[1].

YouTube står inför ett antal utmaningar samtidigt välja föreslagna videor för sina användare. Först och främst finns det en svindlande mängd videor som laddas upp till YouTube varje dag. Många av dem liknar varandra, och att välja en av dem är en svår sak att göra. För det andra har många av dessa videor irrelevanta titlar, olämpliga beskrivningar, främmande miniatyrer och andra sådana tecken på dålig metadata. För det tredje är uppgifterna som YouTube använder för att förstå användarnas intresse ganska vaga och ibland olämpliga. Till exempel, när en person tittar på en video om en viss produkt, vet inte YouTube sitt syfte. De kanske är intresserade av att köpa produkten, de kanske försöker få kunskap om den, de kanske skriver marknadsföringsinnehåll om den, eller så snubblade de bara över den videon av en slump. En annan utmaning är att rekommendationerna behöver uppdateras med jämna mellanrum. Att föreslå vissa videor om och om igen kanske inte intressera tittarna.

Det finns några andra utmaningar som kommer på väg att dominera kolumnen föreslagna videor. Den ena är "up next"-funktionen som visas på den första positionen i den här kolumnen, och den är inställd på att spela upp automatiskt efter att en video avslutas. YouTube har programmerat den här enheten algoritmiskt, och den kommande videon kanske inte kommer från den senaste kanalen.

Den andra utmaningen är avsnittet "Rekommenderat" i kolumnen för föreslagna videor. Valet av detta avsnitt beror mycket på personliga val av en tittare. Att hålla tittarna engagerade genom uppmaningar och kommentarer är hur YouTube säkrar dessa platser för sina egna videor.

Slutligen är det en utmaning att ta med videor påAvsluta sidan’. Det är den sista sidan som en tittare besöker innan han eller hon bestämmer sig för att lämna webbplatsen. På YouTube, om en video gör att flera visningssessioner avslutas, skulle YouTube avstå från att inkludera den videon i sin lista över föreslagna videor. Förmodligen var den videon av låg kvalitet, irrelevant för ämnet, eller kanske ur sitt sammanhang, på grund av vilket tittaren bestämde sig för att lämna.

Om du vill läsa liknande artiklar till Hur väljer YouTube föreslagna videor?, vi rekommenderar att du besöker vår Internet kategori.

1 https://www.väktaren.com/technology/2018/may/25/facebook-google-gdpr-complaints-eu-consumer-rights