Sitemap

Im Jahr 2008 war ich einer der ersten Autoren in der Branche, der bemerkte, dass YouTube Yahoo!hinter Google die zweitgrößte Suchmaschine der Welt zu werden.

Damals schrieb ich für Search Engine Watch und mein Artikel trug den Titel Hat YouTube Yahoo bei erweiterten Suchen überholt?

(Spoiler-Alarm: Die Antwort auf die rhetorische Frage in der Überschrift lautete: „Ja.“)

Heute möchte ich eine verwandte Frage stellen: „Ist YouTube dabei, Amazon als das größte und fortschrittlichste industrielle Empfehlungssystem, das es gibt, zu überholen?“

Diese Frage ist nicht rhetorisch – weil ich die Antwort nicht kenne.

Aber ich weiß, dass vorgeschlagene Videos ein Kraftmultiplikator für den Suchalgorithmus von YouTube sind, den Sie verstehen möchten.

Irgendwie habe ich das letztes Jahr in einem Artikel des Search Engine Journal angedeutet, YouTube Algorithm: 7 Key Findings You Must Know.

Ich sagte: „Um Ihre Präsenz in der YouTube-Suche und den vorgeschlagenen Videos zu maximieren, müssen Sie immer noch sicherstellen, dass Ihre Metadaten gut optimiert sind. Dazu gehören der Titel, die Beschreibung und die Tags Ihres Videos.“

Jetzt entschuldige ich mich, weil ich dann erklärt habe, wie du den Titel, die Beschreibung und die Tags deines Videos optimieren kannst.

Ich bin total über den Satz "Ihre Anwesenheit in der YouTube-Suche und vorgeschlagenen Videos" hinausgerutscht.Aber lassen Sie mich dieses Versehen jetzt korrigieren.

Die meisten SEOs konzentrieren sich auf die Suchergebnisse – denn darauf kommt es bei Google an.

Die meisten YouTube-Vermarkter wissen jedoch, dass das Erscheinen in vorgeschlagenen Videos fast so viele Aufrufe generieren kann wie das Erscheinen in den Suchergebnissen von YouTube.

Wieso den?

Weil Zuschauer während Sitzungen, die im Durchschnitt etwa 40 Minuten dauern, in der Regel mehrere Videos ansehen.

Ein Zuschauer kann also eine Suche durchführen, ein Video ansehen und dann ein vorgeschlagenes Video ansehen.

Mit anderen Worten, Sie erhalten möglicherweise zwei oder mehr Videos für jede Suche, die auf YouTube durchgeführt wird.

Das macht vorgeschlagene Videos zu einem Kraftmultiplikator für den Suchalgorithmus von YouTube.

Ich gebe verlegen zu, dass ich dieses Phänomen bereits 2008 ausgenutzt habe.

Einer unserer damaligen Kunden war STACK Media, der landesweit führende Produzent und Vertreiber von Sportleistungs-, Trainings- und Lifestyle-Inhalten für Highschool-Athleten.

Wir haben 137 Videos für die Kanäle STACKVids, STACK Football, STACK Baseball und Stack Basketball auf YouTube optimiert, die Expertentipps zum Sporttraining und Insider-Geschichten von einigen der weltbesten Athleten präsentierten.

Wir hatten zum Beispiel ein Video mit Will Bartholomew, der über das Kurzhantel-Bankdrücken-Training sprach, das Peyton Manning in der Nebensaison benutzte.

Welche Keywords haben wir im Titel verwendet?

Nun, wenn Sie sich den Titel des Videos ansehen, ist die Antwort ziemlich offensichtlich: Peyton Manning Workout.

Und die Beschreibung des Videos lässt niemanden über die Suchbegriffe rätseln, auf die wir abzielten:

„Peyton Manning trainiert in der Nebensaison bei D1. Siehe Mannings vollständiges Training (mit einem Tracking-Link zu einem verwandten Artikel auf der STACK-Website).“

Aber welche Tags haben wir verwendet?

Damals zeigte YouTube noch, welche Tags ein Video verwendet.

Das ist nicht mehr der Fall.Aber ich habe diese Fallstudie auf der SES San Jose 2008 geteilt, also habe ich von meinem Kunden die Erlaubnis erhalten, offenzulegen, dass wir die folgenden Tags verwendet haben:

  • „Peyton Manning“
  • „Peyton Manning-Training“
  • „Quarterback-Training“
  • „Quarterback-Training“
  • „Peyton-Manning-Training“
  • "Bankdrücken"
  • „Quarterback-Bankdrücken“
  • „Bankdrücken mit Kurzhanteln“
  • „Bemannungstraining“

Wie sind wir auf diese Tags gekommen?

Wir haben uns das damals am besten platzierte Video nach dem Begriff „Peyton Manning Workout“ angesehen und dann so viele Tags wie möglich verwendet, die auch für unser Video relevant waren.

Auf diese Weise haben wir unsere Chancen verbessert, das am häufigsten vorgeschlagene Video zu werden, nachdem jemand dieses Video mit dem höchsten Rang angesehen hat.

Heutzutage ist es schwierig, das Video zu finden, das 2008 für diesen Begriff an der Spitze stand.

Es ist jedoch erwähnenswert, dass das Video von STACK derzeit auf Platz 1 für „Peyton Manning-Training“, Platz 1 für „Manning-Training“ und Platz 5 für „Peyton Manning-Training“ steht.

Wie entdeckt und bewertet YouTube heute vorgeschlagene Videos?

So funktionierten vorgeschlagene Videos früher, als Nutzer jede Minute 13 Stunden Videoinhalte auf YouTube hochluden.

Wie also entdeckt und bewertet YouTube vorgeschlagene Videos jetzt, wo jede Minute mehr als 500 Stunden Videoinhalte auf YouTube hochgeladen werden?

Bis vor kurzem kam die einzige Antwort, die ich finden konnte, aus einem Video auf dem YouTube Creators-Kanal mit dem Titel How YouTube’s Suggested Videos Work.

Wie die 300-Wörter-Beschreibung des Videos erklärt:

„Vorgeschlagene Videos sind eine personalisierte Sammlung von Videos, die ein einzelner Zuschauer basierend auf früheren Aktivitäten möglicherweise als nächstes ansehen möchte.“

Es gibt keine Möglichkeit, dass YouTuber das vorherige Verhalten eines Zuschauers beeinflussen, aber das bedeutet auch, dass ein Sportkanal Sportfans ansprechen kann.

„Sie werden den Zuschauern auf der rechten Seite der Wiedergabeseite unter ‚Als Nächstes‘, unter dem Video in der mobilen App und als nächstes Video in der automatischen Wiedergabe angezeigt.“

Mehr als 70 % der YouTube-Wiedergabezeit stammt von Mobilgeräten, daher benötigen Sie eine Mobile-First-Strategie für vorgeschlagene Videos.

„Studien zur YouTube-Nutzung haben gezeigt, dass Zuschauer tendenziell viel mehr ansehen, wenn sie Empfehlungen von einer Vielzahl von Kanälen erhalten, und vorgeschlagene Videos tun genau das. Vorgeschlagene Videos werden geordnet, um das Engagement für den Zuschauer zu maximieren.“

Die Optimierung Ihrer Metadaten hilft also immer noch, aber Sie müssen auch eine überzeugende Eröffnung für Ihre Videos schaffen, das Interesse während des gesamten Videos aufrechterhalten und aufbauen sowie Ihr Publikum einbeziehen, indem Sie Kommentare anregen und mit Ihren Zuschauern als Teil Ihrer Inhalte interagieren.

Laut Beschreibung sind vorgeschlagene Videos eher:

  • „Videos … die themenbezogen sind. Das können Videos vom selben Kanal oder von einem anderen Kanal sein.“Mit anderen Worten, Sportvideos für Sportfans entweder von Ihrem Kanal oder einem anderen Sportkanal.
  • „Videos aus dem vergangenen Wiedergabeverlauf eines Zuschauers.“Wenn Sie keine DeLorean-Zeitmaschine haben, können Sie den vergangenen Wiedergabeverlauf eines Zuschauers nicht beeinflussen.

Die Beschreibung des Videos sagt den Erstellern auch:

„Du kannst sehen, welche Videos Zuschauer zu deinem Kanal bringen, indem du in „Vorgeschlagene Videos“ im Bericht „Zugriffsquellen“ (in YouTube Analytics) auf das Feld „Vorgeschlagene Videos“ klickst.“

Ähm, ja.Aber wissen die meisten YouTuber das nicht bereits?

Schließlich enthält die Beschreibung die folgenden Tipps für Ersteller:

  • Integrieren Sie starke Calls-to-Action in Ihre Videos, um ein weiteres Video Ihrer Serie anzusehen.
  • Überzeugen Sie die Zuschauer, warum sie sich ein weiteres Video Ihrer Serie ansehen sollten.
  • Achte darauf, wie deine Videos enden, denn lange Enden können Zuschauer davon abhalten, sich weitere Videos anzusehen.
  • Verwenden Sie Playlists, Links, Karten und Abspanne, um das nächste Video zum Ansehen vorzuschlagen.
  • Entwickeln Sie eine Reihe von Videos, die organisch miteinander verbunden sind.
  • Erstellen Sie Videos, die sich auf beliebte Formate auf YouTube beziehen, z. B. Herausforderungen oder Listen.

Jetzt hat dieses Video 394.000 Aufrufe.

Man kann also davon ausgehen, dass mehrere hunderttausend Absolventen der ehemaligen YouTube Creator Academy mindestens so viel darüber wissen, wie die von YouTube vorgeschlagenen Videos funktionieren.

Dies wird Ihnen also keinen großen Wettbewerbsvorteil verschaffen.

Es sind jedoch detailliertere Informationen verfügbar – obwohl sie sicher vor aller Augen verborgen waren, bis eine anonyme Quelle, die ein Bothaner sein kann oder nicht, mir einen Link schickte, wo ich sie finden konnte.

Der Link führte mich zu einem Papier, das am 15. September 2016 veröffentlicht wurde und jetzt bei Google Research archiviert ist.

Diese alte Forschungsarbeit wurde von Paul Covington, Jay Adams und Emre Sargin von Google verfasst.Es trägt den Titel „Deep Neural Networks for YouTube Recommendations“.

Wie generieren und ordnen die Empfehlungssysteme von YouTube vorgeschlagene Videos?

Wenn Sie nach einem ernsthaften Wettbewerbsvorteil suchen, sollten Sie das PDF herunterladen und dieses Forschungspapier selbst lesen.

Aber wenn Sie überzeugt werden müssen, dass das Lesen eines 8-seitigen akademischen Dokuments, das mehr als dreieinhalb Jahre alt ist, Ihre Zeit und Aufmerksamkeit wert ist, dann lassen Sie uns einige der Highlights teilen, die ich in „ Deep Neural Networks für YouTube-Empfehlungen.“

Für den Anfang enthüllen Covington, Adams und Sargin, dass das massive Empfehlungssystem von YouTube aus „zwei neuronalen Netzwerken besteht: eines für die Kandidatengenerierung und eines für das Ranking“.

Das ist wichtig.

Oder wie Mon Mothma (Caroline Blakiston) in Star Wars: Episode VI – Die Rückkehr der Jedi-Ritter (1983) feierlich sagt: „Viele Bothaner starben, um uns diese Informationen zu bringen.“

Ihr Papier sagt:

„Das Kandidatengenerierungsnetzwerk nimmt Ereignisse aus dem YouTube-Aktivitätsverlauf des Benutzers als Eingabe und ruft eine kleine Teilmenge (Hunderte) von Videos aus einem großen Korpus ab. Diese Kandidaten sollen mit hoher Präzision allgemein relevant für den Nutzer sein.“

Jetzt können wir unsere Videos nicht für den vergangenen Wiedergabeverlauf eines Zuschauers optimieren – es sei denn, wir haben eine Zeitmaschine.

Wir können jedoch Videos erstellen, die auf Zielgruppen ausgerichtet sind, die YouTube auch für die Ausrichtung von Videowerbekampagnen verwendet.

Mit anderen Worten, dein Video wird nicht in einer kleinen Teilmenge (Hunderte) von Videos landen, wenn es sich um ein völlig anderes Thema als andere Videos auf deinem Kanal handelt oder wenn es auf eine völlig andere demografische Gruppe als in der Vergangenheit abzielt.

Oh, und denk nicht einmal daran, ein neues Video zu erstellen, das auf „Musikfans“ ausgerichtet ist, wenn alle anderen Videos, die sich die Abonnenten deines Kanals angesehen haben, auf „Sportfans“ ausgerichtet waren.

Wie ich in einem Artikel mit dem Titel Plattformtrends: Wie die Vertikalisierung von Inhalten die Reichweite auf YouTube und Facebook erhöht, der im September 2018 auf Tubular Insight veröffentlicht wurde, darauf hingewiesen habe, verfolgen ein halbes Dutzend Digital-First-Publisher bereits eine vertikale Strategie.

Dazu gehören: Axel Springer SE, Group Nine, BuzzFeed, UNILAD, Jungle Creations, The LADbible Group und 9GAG.

Hier ist die rhetorische Frage, die ich in diesem Artikel gestellt habe:

„Warum sollten all diese Publisher ihre Eigenschaften in mehrere Branchen aufteilen, anstatt einfach eine breite Palette von Inhalten in riesige, horizontale … ​​YouTube-Kanäle zu stopfen? Denn in einem zunehmend wettbewerbsorientierten Online-Video-Ökosystem ist es wahrscheinlicher, dass Sie Ihr Publikum mit Inhalten ansprechen, die eng auf ihre speziellen Interessen ausgerichtet sind, als mit einer zufälligen Sammlung von Inhalten, die ihre allgemeinen Interessen ansprechen können oder auch nicht. Mit anderen Worten, es ist klüger, tief zu gehen als weit zu gehen.“

Dies bringt uns zum zweiten neuronalen Netzwerk für das Ranking.

Covington, Adams und Sargin erkennen an, dass es viele Möglichkeiten gibt, vorgeschlagene Videos zu ordnen.Aber sie offenbaren:

„Das Ranking nach Klickrate (CTR) fördert oft irreführende Videos, die der Benutzer nicht abschließt („Clickbait“), während die Wiedergabezeit das Engagement besser erfasst.“

Vermeiden Sie daher die Verwendung irreführender, Clickbaity- oder sensationeller Titel und Thumbnails.

Ja, die haben früher funktioniert.

Aber sie gingen den Weg des Dodos, als YouTube im Oktober 2012 „Aufrufe“ durch „Wiedergabezeit“ in seinem Algorithmus ersetzte.

Okay, das zweite neuronale Netzwerk verwendet CTR nicht als Signal.Welche anderen Signale verwendet es?

Die Autoren des Papiers stellen fest, dass „die wichtigsten Signale“ Folgendes umfassen:

  • Wie war die vorherige Interaktion des Nutzers mit dem Video selbst und anderen ähnlichen Videos?
  • Wie viele Videos hat sich der Nutzer von diesem Kanal angesehen?
  • Wann hat der Nutzer zuletzt ein Video zu diesem Thema angesehen?

Covington, Adams und Sargin sagen:

„Diese kontinuierlichen Funktionen, die frühere Benutzeraktionen an verwandten Elementen beschreiben, sind besonders leistungsfähig, da sie sich gut über unterschiedliche Elemente hinweg verallgemeinern lassen. Wir haben auch festgestellt, dass es entscheidend ist, Informationen aus der Kandidatengenerierung in Form von Merkmalen in das Ranking zu übertragen, z. Welche Quellen haben diesen Videokandidaten nominiert? Welche Punkte haben sie vergeben?“

Sie fügen hinzu:

„Funktionen, die die Häufigkeit vergangener Videoimpressionen beschreiben, sind auch entscheidend für die Einführung von ‚Abwanderung‘ in Empfehlungen (aufeinanderfolgende Anfragen geben keine identischen Listen zurück). Wenn einem Benutzer kürzlich ein Video empfohlen wurde, es aber nicht angesehen wurde, wird das Modell diese Impression beim nächsten Seitenladevorgang natürlich herabstufen. Das Bereitstellen von Eindrücken und Uhrenhistorien auf die Sekunde genau ist eine technische Meisterleistung, die außerhalb des Rahmens dieses Dokuments liegt, aber für die Erstellung reaktionsschneller Empfehlungen von entscheidender Bedeutung ist.“

Covington, Adams und Sargin enthüllen:

„Unser Ziel ist es, die erwartete Wiedergabezeit anhand von Trainingsbeispielen vorherzusagen, die entweder positiv (auf die Videoimpression wurde geklickt) oder negativ (auf die Impression wurde nicht geklickt) sind. Positive Beispiele sind mit der Zeit versehen, die der Benutzer mit dem Ansehen des Videos verbracht hat. Um die erwartete Wiedergabezeit vorherzusagen, verwenden wir die Technik der gewichteten logistischen Regression, die für diesen Zweck entwickelt wurde.“

Mit anderen Worten, wenn Sie Ihr Video für die Empfehlungssysteme von YouTube optimieren möchten, müssen Sie den Zuschauern helfen, die Videos zu finden, die sie sehen möchten, und dann ihr langfristiges Engagement und ihre Zufriedenheit maximieren.

Das ist schwierig.

Aber mit mehr als 500 Stunden Videoinhalten, die jede Minute auf YouTube hochgeladen werden, ist das genau das, was Sie heutzutage tun müssen.

Was bedeutet das für Sie?

Aber warte, es gibt noch mehr!

Die Autoren des Papiers enthüllten auch, dass YouTube seit 2016 „tiefes Lernen“ verwendet, um „ein massives Empfehlungssystem“ zu entwerfen, zu iterieren und zu pflegen.

Und sie sahen schon damals „dramatische Leistungsverbesserungen“ mit „enormen Auswirkungen auf die Benutzer“.

Nun, das hält Sie vielleicht nachts nicht wach.

Aber wenn Google das einführt, was sie gelernt haben, oh, Google Shopping zum Beispiel, dann wette ich, dass es Albträume für Forscher und Entwickler bei Amazon schaffen wird.

Nun, was bedeutet das für Sie?

Mir ist klar, dass Sie sich auf digitales Marketing, SEO, Content-Marketing und bezahlte Suche konzentrieren.Nun, das hat dich so weit gebracht.

Und die nächsten vier Jahre?

Nun, wenn Sie oder jemand in Ihrem Team TensorFlow (früher bekannt als Google Brain) bereits verstehen, dann sind Sie bereit für Rock and Roll.

Aber wenn Sie keinen Forscher oder Entwickler in Ihrem Team haben, der versteht, wie man das umfassende, flexible Ökosystem von TensorFlow aus Tools, Bibliotheken und Community-Ressourcen nutzt, um den neuesten Stand des maschinellen Lernens (ML) voranzutreiben Erstellen und implementieren Sie ML-basierte Anwendungen für Ihr Unternehmen oder Ihre Kunden, dann müssen Sie schnell eine finden.

Wieso den?

Denn in Zukunft wird Ihr Schicksal – und das Schicksal Ihrer Organisation oder Ihrer Kunden – zunehmend in die Hände von Empfehlungssystemen geraten.

Deshalb ist es Ihre Zeit und Aufmerksamkeit wert, heute „Deep Neural Networks for YouTube Recommendations“ zu lesen.

Genau wie eines dieser Periskop-Spionagespielzeuge, mit denen Kinder „um Ecken und über Wände sehen können“, kann dieses 8-seitige akademische Dokument Ihnen helfen, zu sehen, was seit mehr als dreieinhalb Jahren vor aller Augen verborgen ist.

Mehr Ressourcen:

Alle Kategorien: Blog