Sitemap

في عام 2008 ، كنت من أوائل الكتاب في الصناعة الذين لاحظوا أن YouTube قد تجاوز موقع Yahoo!لتصبح ثاني أكبر محرك بحث في العالم بعد Google فقط.

في ذلك الوقت ، كنت أكتب لـ Search Engine Watch وكان عنوان مقالتي ، هل اجتاز YouTube موقع Yahoo في عمليات البحث الموسعة؟

(تنبيه المفسد: كانت الإجابة على السؤال البلاغي في العنوان: "نعم").

اليوم ، أريد أن أطرح سؤالاً ذا صلة: "هل يوشك YouTube على تجاوز Amazon باعتباره أكبر نظام توصية صناعي متدرج وأكثرها تطورًا في الوجود؟"

هذا السؤال ليس بلاغي - لأنني لا أعرف الجواب.

لكني أعلم أن مقاطع الفيديو المقترحة هي عامل مضاعف للقوة لخوارزمية البحث في YouTube والتي قد ترغب في فهمها.

لقد ألمحت نوعًا ما في هذا العام الماضي في مقال في مجلة محرك البحث ، خوارزمية YouTube: 7 نتائج رئيسية يجب أن تعرفها.

لقد قلت ، "لزيادة تواجدك في بحث YouTube ومقاطع الفيديو المقترحة ، ما زلت بحاجة إلى التأكد من أن البيانات الوصفية الخاصة بك محسّنة بشكل جيد. يتضمن ذلك عنوان الفيديو ووصفه وعلاماته ".

الآن ، أعتذر ، لأنني تابعت بعد ذلك لشرح كيفية تحسين عنوان الفيديو ووصفه وعلاماته.

لقد تراجعت تمامًا عن العبارة ، "تواجدك في بحث YouTube ومقاطع الفيديو المقترحة".لكن ، اسمحوا لي أن أصحح هذا الإغفال الآن.

تركز معظم مُحسّنات محرّكات البحث على نتائج البحث - لأن هذا هو ما يهم في Google.

ولكن ، يعرف معظم المسوقين على YouTube أن الظهور في مقاطع الفيديو المقترحة يمكن أن يؤدي إلى ظهور عدد مرات المشاهدة تقريبًا مثل ظهوره في نتائج بحث YouTube.

لماذا ا؟

لأن المشاهدين يميلون إلى مشاهدة مقاطع فيديو متعددة أثناء الجلسات التي تستغرق حوالي 40 دقيقة في المتوسط.

لذلك ، قد يجري المشاهد بحثًا واحدًا ، ويشاهد مقطع فيديو ، ثم ينتقل لمشاهدة مقطع فيديو مقترح.

بمعنى آخر ، قد تحصل على مقطعي فيديو أو أكثر لكل بحث يتم إجراؤه على YouTube.

هذا ما يجعل مقاطع الفيديو المقترحة عامل مضاعف للقوة لخوارزمية البحث في YouTube.

بخجل ، أعترف أنني استفدت من هذه الظاهرة في عام 2008.

كان أحد عملائنا في ذلك الوقت هو STACK Media ، المنتج والموزع الرائد في البلاد للأداء الرياضي والتدريب ومحتوى أسلوب الحياة لرياضيين المدارس الثانوية.

لقد قمنا بتحسين 137 مقطع فيديو لقنوات STACKVids و STACK Football و STACK Baseball و Stack Basketball على YouTube ، والتي قدمت نصائح حول التمارين الرياضية المتخصصة وقصصًا داخلية من بعض الرياضيين البارزين في العالم.

على سبيل المثال ، كان لدينا مقطع فيديو ظهر فيه ويل بارثولوميو ، الذي تحدث عن تمرين الضغط على مقعد الدمبل الذي استخدمه بيتون مانينغ في غير موسمها.

ما الكلمات الرئيسية التي استخدمناها في العنوان؟

حسنًا ، إذا نظرت إلى عنوان الفيديو ، فستجد أن الإجابة واضحة جدًا: تدريب Peyton Manning.

ولن يترك وصف الفيديو أي شخص في حيرة من أمره بشأن مصطلحات البحث التي كنا نستهدفها:

"تدريب بيتون مانينغ في D1 خلال فترة الركود. اطلع على تمرين Manning الكامل (مع رابط تتبع لمقالة ذات صلة على موقع STACK الإلكتروني) ".

لكن ، ما هي العلامات التي استخدمناها؟

حسنًا ، في ذلك الوقت ، كان YouTube لا يزال يعرض العلامات التي يستخدمها الفيديو.

لم يعد هذا هو الحال.لكني شاركت دراسة الحالة هذه في SES San Jose 2008 ، لذلك حصلت على إذن من موكلي للإفصاح عن استخدامنا للعلامات التالية:

  • "بيتن مانينغ"
  • "تمرين بيتون مانينغ"
  • "تمرين قورتربك"
  • "تدريب قورتربك"
  • "تدريب بيتون مانينغ"
  • "ضغط مقاعد البدلاء"
  • "قيرتربك مقاعد البدلاء الصحافة"
  • "تمرين ضغط الدمبل"
  • "تدريب العاملين"

كيف توصلنا إلى هذه العلامات؟

نظرنا إلى مقطع الفيديو الأعلى تصنيفًا في ذلك الوقت لمصطلح "Peyton Manning workout" ، ثم استخدمنا أكبر عدد ممكن من العلامات التي كانت ذات صلة أيضًا بالفيديو الخاص بنا.

بهذه الطريقة ، قمنا بتحسين احتمالات أن نصبح أفضل مقطع فيديو مقترح بعد أن شاهد شخص ما هذا الفيديو الأعلى مرتبة.

في هذه الأيام ، من الصعب العثور على الفيديو الذي احتل المرتبة الأولى في ذلك المصطلح في عام 2008.

ولكن ، تجدر الإشارة إلى أن فيديو STACK يحتل حاليًا المرتبة الأولى في "تدريب Peyton Manning" ، والمركز الأول في "Manning workout" ، ورقم 5 لـ "Peyton Manning training".

كيف يكتشف YouTube مقاطع الفيديو المقترحة ويرتبها اليوم؟

كانت هذه هي الطريقة التي عملت بها مقاطع الفيديو المقترحة عندما كان المستخدمون يحمّلون 13 ساعة من محتوى الفيديو على YouTube كل دقيقة.

إذن ، كيف يكتشف YouTube مقاطع الفيديو المقترحة ويرتبها الآن بعد أن يتم تحميل أكثر من 500 ساعة من محتوى الفيديو على YouTube كل دقيقة؟

حتى وقت قريب ، كانت الإجابة الوحيدة التي يمكن أن أجدها تأتي من مقطع فيديو على قناة YouTube Creators بعنوان ، How YouTube's المقترحة Videos Work.

كما يوضح وصف الفيديو المؤلف من 300 كلمة:

"مقاطع الفيديو المقترحة هي مجموعة مخصصة من مقاطع الفيديو التي قد يهتم المشاهد الفردي بمشاهدتها بعد ذلك ، بناءً على نشاط سابق."

لا توجد طريقة يمكن من خلالها لمنشئي المحتوى التأثير في السلوك السابق للمشاهد ، ولكن هذا يعني أيضًا أن القناة الرياضية يمكنها الاستفادة من عشاق الرياضة.

"يتم عرضها للمشاهدين على الجانب الأيمن من صفحة المشاهدة ضمن" التالي "، أسفل الفيديو على تطبيق الجوّال ، وكفيديو التالي قيد التشغيل التلقائي".

يأتي أكثر من 70٪ من وقت مشاهدة YouTube من أجهزة الجوّال ، لذا فأنت بحاجة إلى استراتيجية الجوّال أولاً لمقاطع الفيديو المقترحة.

"أظهرت الدراسات حول استهلاك YouTube أن المشاهدين يميلون إلى مشاهدة المزيد عندما يتلقون توصيات من مجموعة متنوعة من القنوات ، ومقاطع الفيديو المقترحة تفعل ذلك بالضبط. يتم ترتيب مقاطع الفيديو المقترحة لزيادة تفاعل المشاهد ".

لذلك ، لا يزال تحسين البيانات الوصفية مفيدًا ، ولكنك تحتاج أيضًا إلى إنشاء فتحة مقنعة لمقاطع الفيديو الخاصة بك ، والحفاظ على الاهتمام وإثارة الاهتمام خلال الفيديو ، بالإضافة إلى إشراك جمهورك من خلال تشجيع التعليقات والتفاعل مع المشاهدين كجزء من المحتوى الخاص بك.

وفقًا للوصف ، من المرجح أن تكون مقاطع الفيديو المقترحة:

  • "مقاطع الفيديو ... ذات الصلة بالموضوع. يمكن أن تكون مقاطع فيديو من نفس القناة أو من قناة مختلفة ".بمعنى آخر ، مقاطع الفيديو الرياضية لعشاق الرياضة سواء من قناتك أو من قناة رياضية مختلفة.
  • "مقاطع فيديو من سجل المشاهدة السابق للمشاهد".ما لم يكن لديك آلة زمن DeLorean ، فلا توجد طريقة يمكنك من خلالها التأثير في سجل المشاهدة السابق للمشاهد.

يوضح وصف الفيديو أيضًا لمنشئي المحتوى:

"يمكنك معرفة مقاطع الفيديو التي تجلب المشاهدين إلى قناتك من مقاطع الفيديو المقترحة في تقرير مصادر الزيارات (في YouTube Analytics) من خلال النقر على مربع" مقاطع الفيديو المقترحة ".

اممم نعم.لكن ، أليست الغالبية العظمى إذا كان منشئو المحتوى على YouTube يعرفون ذلك بالفعل؟

أخيرًا ، يتضمن الوصف النصائح التالية للمبدعين:

  • قم بتضمين عبارات قوية تحث المستخدم على اتخاذ إجراء في مقاطع الفيديو الخاصة بك لمشاهدة مقطع فيديو آخر في سلسلتك.
  • اقنع المشاهدين بالسبب الذي يدفعهم للذهاب ومشاهدة مقطع فيديو آخر في سلسلتك.
  • ضع في اعتبارك كيف تنتهي مقاطع الفيديو الخاصة بك لأن النهايات الطويلة قد تثني المشاهدين عن مشاهدة المزيد من مقاطع الفيديو.
  • استخدم قوائم التشغيل والروابط والبطاقات وشاشات النهاية لاقتراح الفيديو التالي لمشاهدته.
  • طوّر سلسلة من مقاطع الفيديو المرتبطة ببعضها البعض.
  • أنشئ مقاطع فيديو ذات صلة بالتنسيقات الشائعة على YouTube مثل التحديات أو القوائم.

الآن ، هذا الفيديو لديه 394000 مشاهدة.

لذلك ، من الآمن أن نفترض أن مئات الآلاف من خريجي ما كان يُعرف سابقًا باسم أكاديمية منشئي المحتوى في YouTube يعرفون على الأقل الكثير عن كيفية عمل مقاطع الفيديو المقترحة من YouTube.

لذلك ، لن يمنحك هذا ميزة تنافسية كبيرة.

ومع ذلك ، هناك المزيد من المعلومات التفصيلية المتاحة - على الرغم من أنها كانت مخفية بأمان على مرأى من الجميع حتى أرسل لي مصدر مجهول ، قد يكون أو لا يكون بوثان ، رابطًا إلى حيث يمكنني العثور عليه.

أخذني الرابط إلى ورقة بحثية نُشرت في 15 سبتمبر 2016 ، وهي الآن مؤرشفة على Google Research.

كتب هذه الورقة البحثية القديمة بول كوفينجتون وجاي آدامز وإيمري سارجين من Google.بعنوان "الشبكات العصبية العميقة لتوصيات YouTube".

كيف تقوم أنظمة التوصيات في YouTube بإنشاء وترتيب مقاطع الفيديو المقترحة؟

إذا كنت تبحث عن ميزة تنافسية جادة ، فأنت تريد تنزيل ملف PDF وقراءة ورقة البحث هذه بنفسك.

ولكن ، إذا كنت بحاجة إلى أن تكون مقتنعًا بأن قراءة مستند أكاديمي مكون من 8 صفحات يزيد عمره عن ثلاث سنوات ونصف تستحق وقتك واهتمامك ، فدعنا نشارك بعض النقاط البارزة التي وجدتها متناثرة في " الشبكات العصبية العميقة لتوصيات YouTube. "

بالنسبة للمبتدئين ، كشفت شركة Covington و Adams و Sargin أن نظام التوصيات الهائل في YouTube يتألف من "شبكتين عصبيتين: واحدة لتوليد المرشحين والأخرى للترتيب".

هذا مهم.

أو ، كما يقول مون موثما (كارولين بلاكيستون) رسميًا في حرب النجوم: الحلقة السادسة - عودة الجيداي (1983) ، "مات العديد من بوثان لإحضار هذه المعلومات إلينا."

ورقتهم تقول:

"تأخذ شبكة إنشاء المرشحين الأحداث من سجل نشاط المستخدم على YouTube كمدخلات وتسترد مجموعة فرعية صغيرة (مئات) من مقاطع الفيديو من مجموعة كبيرة. تهدف هذه العناصر المرشحة إلى أن تكون مناسبة بشكل عام للمستخدم بدقة عالية ".

الآن ، لا يمكننا تحسين مقاطع الفيديو الخاصة بنا لتلائم سجل المشاهدة السابق للمشاهد - إلا إذا كان لدينا آلة زمنية.

لكن يمكننا إنشاء مقاطع فيديو تستهدف الجماهير التي يستخدمها YouTube أيضًا لاستهداف حملات إعلانات الفيديو.

بمعنى آخر ، لن ينتهي الفيديو الخاص بك في مجموعة فرعية صغيرة (مئات) من مقاطع الفيديو إذا كان يتعلق بموضوع مختلف تمامًا عن مقاطع الفيديو الأخرى على قناتك ، أو إذا كان يستهدف مجموعة ديموغرافية مختلفة تمامًا عما كنت عليه في الماضي.

حسنًا ، لا تفكر حتى في إنشاء مقطع فيديو جديد يستهدف "عشاق الموسيقى" إذا كانت جميع مقاطع الفيديو الأخرى التي شاهدها المشتركون في قناتك تستهدف "عشاق الرياضة".

كما أشرت في مقال بعنوان اتجاهات النظام الأساسي: كيف يزيد التحويل الرأسي للمحتوى من الوصول على YouTube و Facebook ، والذي تم نشره على Tubular Insight في سبتمبر 2018 ، يدرك نصف دزينة من الناشرين الرقميين الأوائل الذين يتابعون بالفعل استراتيجية عمودية.

وهذا يشمل: Axel Springer SE و Group Nine و BuzzFeed و UNILAD و Jungle Creations و The LADbible Group و 9GAG.

إليكم السؤال البلاغي الذي طرحته في تلك المقالة:

"إذن ، لماذا يقوم كل هؤلاء الناشرين بتقسيم ممتلكاتهم إلى عدة أعمدة بدلاً من مجرد حشو نطاق واسع من المحتوى في قنوات YouTube عملاقة وأفقية ...؟ لأنه في نظام تنافسي متزايد للفيديو عبر الإنترنت ، من المرجح أن تجذب الجماهير بمحتوى يستهدف اهتماماتهم الخاصة بشكل ضيق أكثر مما تفعله مع مجموعة عشوائية من المحتوى الذي قد يجذب أو لا يجذب اهتماماتهم العامة. بعبارة أخرى ، من الأفضل التعمق أكثر من التوسيع ".

هذا يقودنا إلى الشبكة العصبية الثانية للترتيب.

يقر Covington و Adams و Sargin بوجود العديد من الطرق لتصنيف مقاطع الفيديو المقترحة.لكنهم يكشفون:

"غالبًا ما يروج الترتيب حسب نسبة النقر إلى الظهور (CTR) لمقاطع فيديو خادعة لا يكملها المستخدم (" اصطياد النقرات ") بينما يجسد وقت المشاهدة التفاعل بشكل أفضل".

لذلك ، تجنب استخدام العناوين والصور المصغرة المضللة أو المثيرة.

نعم ، لقد عملوا في الماضي.

لكنهم سلكوا طريق الدودو بمجرد أن استبدل YouTube "المشاهدات" بـ "وقت المشاهدة" في خوارزميته في أكتوبر 2012.

حسنًا ، لا تستخدم الشبكة العصبية الثانية نسبة النقر إلى الظهور كإشارة.ما هي الإشارات الأخرى التي تستخدمها؟

لاحظ مؤلفو الورقة أن "أهم الإشارات" تشمل:

  • ما هو تفاعل المستخدم السابق مع الفيديو نفسه ومقاطع الفيديو الأخرى المشابهة؟
  • كم عدد مقاطع الفيديو التي شاهدها المستخدم من هذه القناة؟
  • متى كانت آخر مرة شاهد فيها المستخدم مقطع فيديو حول هذا الموضوع؟

يقول كوفينجتون وآدامز وسارجين:

"هذه الميزات المستمرة التي تصف إجراءات المستخدم السابقة على العناصر ذات الصلة قوية بشكل خاص لأنها تعمم جيدًا عبر العناصر المتباينة. لقد وجدنا أيضًا أنه من الأهمية بمكان نشر المعلومات من جيل المرشح إلى الترتيب في شكل ميزات ، على سبيل المثال ما هي المصادر التي رشحت هذا الفيديو المرشح؟ ما هي الدرجات التي خصصوا لها؟ "

ويضيفون:

"تعتبر الميزات التي تصف معدل تكرار مرات ظهور الفيديو السابقة مهمة أيضًا لتقديم" زخم "في التوصيات (الطلبات المتتالية لا تعرض قوائم متطابقة). إذا أوصى مستخدم مؤخرًا بمقطع فيديو ولكن لم يشاهده ، فسيقوم النموذج بطبيعة الحال بتخفيض هذا الانطباع عند تحميل الصفحة التالية. يعد تقديم انطباع حتى الثانية وسجل المشاهدة إنجازًا هندسيًا خارج نطاق هذه الورقة ، ولكنه أمر حيوي لإنتاج توصيات سريعة الاستجابة ".

إفشاء كوفينجتون وآدامز وسارجين:

"هدفنا هو توقع وقت المشاهدة المتوقع في ضوء أمثلة التدريب التي تكون إما إيجابية (تم النقر على مرة ظهور الفيديو) أو سلبية (لم يتم النقر على الظهور). يتم توضيح الأمثلة الإيجابية على مقدار الوقت الذي يقضيه المستخدم في مشاهدة الفيديو. للتنبؤ بوقت المشاهدة المتوقع ، نستخدم تقنية الانحدار اللوجستي المرجح ، والتي تم تطويرها لهذا الغرض ".

بعبارة أخرى ، إذا كنت ترغب في تحسين الفيديو الخاص بك لأنظمة التوصية في YouTube ، فأنت بحاجة إلى مساعدة المشاهدين في العثور على مقاطع الفيديو التي يرغبون في مشاهدتها ، ثم زيادة تفاعلهم ورضاهم على المدى الطويل.

هذا صعب.

ولكن مع تحميل أكثر من 500 ساعة من محتوى الفيديو على YouTube كل دقيقة ، فهذا ما تحتاج إلى القيام به هذه الأيام.

ماذا يعني هذا بالنسبة لك؟

ولكن انتظر هناك المزيد!

كشف مؤلفو الورقة أيضًا أن YouTube يستخدم "التعلم العميق" لتصميم وتكرار وصيانة "نظام توصية ضخم" منذ عام 2016.

وقد رأوا "تحسينات كبيرة في الأداء" مع "تأثير هائل في مواجهة المستخدم" حتى في ذلك الوقت.

الآن ، هذا قد لا يبقيك مستيقظًا في الليل.

ولكن ، إذا طرح Google ما تعلموه ، أوه ، Google Shopping على سبيل المثال ، فسأراهن على أنه سيخلق كوابيس للباحثين والمطورين في أمازون.

الآن ، ماذا يعني هذا بالنسبة لك؟

أدرك أن تركيزك ينصب على التسويق الرقمي وتحسين محركات البحث وتسويق المحتوى والبحث المدفوع.حسنًا ، لقد أوصلك هذا بعيدًا.

ماذا عن السنوات الأربع القادمة؟

حسنًا ، إذا كنت أنت أو أي شخص في فريقك يفهم بالفعل TensorFlow ، (المعروف سابقًا باسم Google Brain) ، فأنت جاهز لموسيقى الروك أند رول.

ولكن ، إذا لم يكن لديك باحث أو مطور في فريقك يفهم كيفية استخدام نظام TensorFlow الشامل والمرن للأدوات والمكتبات وموارد المجتمع لدفع أحدث التقنيات في التعلم الآلي (ML) إلى بناء ونشر تطبيقات مدعومة من ML لمؤسستك أو عملائك ، فأنت بحاجة إلى العثور على أحدها… بسرعة.

لماذا ا؟

لأنه في المستقبل ، سيتزايد مصيرك - ومصير مؤسستك أو عملائك - في أيدي أنظمة التوصية.

لهذا السبب تستحق قراءة "توصيات الشبكات العصبية العميقة على YouTube" وقتك واهتمامك.

تمامًا مثل إحدى ألعاب التجسس المنبثقة التي تسمح للأطفال "بالرؤية حول الزوايا وفوق الجدران" ، يمكن أن تساعدك هذه الوثيقة الأكاديمية المكونة من 8 صفحات في رؤية ما تم إخفاؤه في مرمى البصر لأكثر من ثلاث سنوات ونصف.

المزيد من الموارد:

جميع الفئات: مدونات