Sitemap

En 2008, fui uno de los primeros escritores de la industria en notar que YouTube había superado a Yahoo!convertirse en el segundo motor de búsqueda más grande del mundo, solo detrás de Google.

En ese entonces, estaba escribiendo para Search Engine Watch y mi artículo se titulaba ¿YouTube ha superado a Yahoo en búsquedas ampliadas?

(Alerta de spoiler: la respuesta a la pregunta retórica del titular fue: "Sí").

Hoy, quiero hacer una pregunta relacionada: "¿Está YouTube a punto de superar a Amazon como el sistema de recomendación industrial más sofisticado y de mayor escala que existe?"

Esta pregunta no es retórica, porque no sé la respuesta.

Pero sí sé que los videos sugeridos son un multiplicador de fuerza para el algoritmo de búsqueda de YouTube que querrá comprender.

De alguna manera insinué esto el año pasado en un artículo de Search Engine Journal, Algoritmo de YouTube: 7 hallazgos clave que debes saber.

Dije: “Para maximizar su presencia en la búsqueda de YouTube y los videos sugeridos, aún debe asegurarse de que sus metadatos estén bien optimizados. Esto incluye el título, la descripción y las etiquetas de su video”.

Ahora, me disculpo, porque luego explique cómo optimizar el título, la descripción y las etiquetas de su video.

Me deslicé por completo más allá de la frase, "su presencia en la búsqueda de YouTube y videos sugeridos".Pero déjame corregir ese descuido ahora mismo.

La mayoría de los SEO se enfocan en los resultados de búsqueda, porque eso es lo que importa en Google.

Sin embargo, la mayoría de los especialistas en marketing de YouTube saben que aparecer en videos sugeridos puede generar casi tantas vistas como aparecer en los resultados de búsqueda de YouTube.

¿Por qué?

Porque los espectadores tienden a ver varios videos durante sesiones que duran alrededor de 40 minutos, en promedio.

Por lo tanto, un espectador puede realizar una búsqueda, ver un video y luego ver un video sugerido.

En otras palabras, puede obtener dos o más videos vistos por cada búsqueda que se realiza en YouTube.

Eso es lo que hace que los videos sugeridos sean un multiplicador de fuerza para el algoritmo de búsqueda de YouTube.

Tímidamente, admito que me aproveché de este fenómeno allá por 2008.

Uno de nuestros clientes en ese entonces era STACK Media, el principal productor y distribuidor del país de contenido de rendimiento deportivo, entrenamiento y estilo de vida para atletas de secundaria.

Optimizamos 137 videos para los canales STACKVids, STACK Football, STACK Baseball y Stack Basketball en YouTube, que presentaban consejos de entrenamiento deportivo de expertos e historias internas de algunos de los mejores atletas del mundo.

Por ejemplo, teníamos un video que presentaba a Will Bartholomew, quien habló sobre el entrenamiento de press de banca con mancuernas que Peyton Manning usó fuera de temporada.

¿Qué palabras clave usamos en el título?

Bueno, si miras el título del video, la respuesta es bastante obvia: Peyton Manning Workout.

Y la descripción del video no dejará a nadie desconcertado acerca de los términos de búsqueda a los que nos dirigíamos:

“Peyton Manning entrenando en D1 fuera de temporada. Vea el entrenamiento completo de Manning (con un enlace de seguimiento a un artículo relacionado en el sitio web de STACK)”.

Pero, ¿qué etiquetas usamos?

Bueno, en ese entonces, YouTube todavía mostraba qué etiquetas usaba un video.

Ese ya no es el caso.Pero compartí este estudio de caso en SES San Jose 2008, así que obtuve el permiso de mi cliente para revelar que usamos las siguientes etiquetas:

  • Peyton Manning
  • “Entrenamiento de Peyton Manning”
  • "entrenamiento de mariscal de campo"
  • “entrenamiento de mariscal de campo”
  • “Entrenamiento de Peyton Manning”
  • "press de banca"
  • “press de banca de mariscal de campo”
  • “press de banca con mancuernas”
  • “Entrenamiento de dotación”

¿Cómo se nos ocurrieron estas etiquetas?

Miramos el video de mayor clasificación en ese entonces para el término "ejercicio de Peyton Manning", y luego usamos tantas etiquetas como pudimos que también eran relevantes para nuestro video.

De esa manera, mejoramos nuestras probabilidades de convertirnos en el video más sugerido después de que alguien viera ese video con la clasificación más alta.

En estos días, es difícil encontrar el video que obtuvo la mejor clasificación para ese término en 2008.

Pero vale la pena señalar que el video de STACK actualmente ocupa el puesto número 1 en "entrenamiento de Peyton Manning", el número 1 en "entrenamiento de Manning" y el número 5 en "entrenamiento de Peyton Manning".

¿Cómo descubre y clasifica YouTube los videos sugeridos hoy?

Así funcionaban los videos sugeridos cuando los usuarios subían 13 horas de contenido de video a YouTube cada minuto.

Entonces, ¿cómo descubre y clasifica YouTube los videos sugeridos ahora que cada minuto se suben a YouTube más de 500 horas de contenido de video?

Hasta hace poco, la única respuesta que pude encontrar provino de un video en el canal YouTube Creators titulado Cómo funcionan los videos sugeridos de YouTube.

Como explica la descripción de 300 palabras del video:

“Los videos sugeridos son una colección personalizada de videos que un espectador individual puede estar interesado en ver a continuación, según su actividad anterior”.

No hay forma de que los creadores puedan influir en el comportamiento anterior de un espectador, pero esto también significa que un canal de deportes puede aprovechar los fanáticos de los deportes.

"Se muestran a los espectadores en el lado derecho de la página de visualización en 'A continuación', debajo del video en la aplicación móvil y como el siguiente video en reproducción automática".

Más del 70 % del tiempo de reproducción de YouTube proviene de dispositivos móviles, por lo que necesita una estrategia móvil primero para los videos sugeridos.

“Los estudios sobre el consumo de YouTube han demostrado que los espectadores tienden a mirar mucho más cuando reciben recomendaciones de una variedad de canales, y los videos sugeridos hacen precisamente eso. Los videos sugeridos se clasifican para maximizar la participación del espectador”.

Por lo tanto, optimizar sus metadatos aún ayuda, pero también necesita crear una apertura atractiva para sus videos, mantener y generar interés a lo largo del video, así como atraer a su audiencia alentando los comentarios e interactuando con sus espectadores como parte de su contenido.

Según la descripción, es más probable que los videos sugeridos sean:

  • “Videos… que están relacionados por temas. Pueden ser videos del mismo canal o de un canal diferente”.En otras palabras, videos de deportes para fanáticos de los deportes, ya sea de tu canal o de otro canal de deportes.
  • “Videos del historial de reproducciones anteriores de un espectador”.A menos que tenga una máquina del tiempo DeLorean, no hay forma de que pueda influir en el historial de visualización anterior de un espectador.

La descripción del video también les dice a los creadores:

"Puede ver qué videos atraen a los espectadores a su canal desde los videos sugeridos en el informe de fuentes de tráfico (en YouTube Analytics) haciendo clic en el cuadro 'Videos sugeridos'".

Sí.Pero, ¿acaso la gran mayoría de los creadores de YouTube ya lo saben?

Finalmente, la descripción incluye los siguientes consejos para los creadores:

  • Incluya fuertes llamados a la acción en sus videos para ver otro video en su serie.
  • Persuade a los espectadores por qué deberían ir y ver otro video de tu serie.
  • Tenga en cuenta cómo terminan sus videos porque los finales largos pueden desanimar a los espectadores a ver más videos.
  • Use listas de reproducción, enlaces, tarjetas y pantallas finales para sugerir el próximo video para ver.
  • Desarrolle una serie de videos que estén conectados orgánicamente.
  • Haz videos que estén relacionados con formatos populares en YouTube, como desafíos o listas.

Ahora, este video tiene 394,000 visitas.

Por lo tanto, es seguro asumir que varios cientos de miles de graduados de lo que antes se conocía como la Academia de creadores de YouTube saben al menos esto sobre cómo funcionan los videos sugeridos de YouTube.

Por lo tanto, esto no le dará mucha ventaja competitiva.

Sin embargo, hay información más detallada disponible, aunque estaba oculta a plena vista hasta que una fuente anónima, que puede ser un bothan o no, me envió un enlace donde podía encontrarla.

El enlace me llevó a un artículo que se publicó el 15 de septiembre de 2016 y ahora está archivado en Google Research.

Este antiguo artículo de investigación fue escrito por Paul Covington, Jay Adams y Emre Sargin de Google.Se titula "Redes neuronales profundas para recomendaciones de YouTube".

¿Cómo generan y clasifican los videos sugeridos los sistemas de recomendación de YouTube?

Si está buscando una ventaja competitiva seria, querrá descargar el PDF y leer este trabajo de investigación por sí mismo.

Pero, si necesita estar convencido de que la lectura de un documento académico de 8 páginas que tiene más de tres años y medio vale su tiempo y atención, entonces permítanos compartir algunos de los aspectos más destacados que encontré escondidos en " Redes neuronales profundas para recomendaciones de YouTube”.

Para empezar, Covington, Adams y Sargin revelan que el sistema de recomendación masiva de YouTube se compone de "dos redes neuronales: una para la generación de candidatos y otra para la clasificación".

Eso es importante.

O, como dice solemnemente Mon Mothma (Caroline Blakiston) en Star Wars: Episodio VI - El retorno del Jedi (1983), "Muchos bothans murieron para traernos esta información".

Su papel dice:

“La red de generación de candidatos toma eventos del historial de actividad de YouTube del usuario como entrada y recupera un pequeño subconjunto (cientos) de videos de un gran corpus. Estos candidatos están destinados a ser generalmente relevantes para el usuario con alta precisión”.

Ahora, no podemos optimizar nuestros videos para el historial de reproducción anterior de un espectador, a menos que tengamos una máquina del tiempo.

Sin embargo, podemos crear videos dirigidos a audiencias que YouTube también usa para orientar campañas de anuncios de video.

En otras palabras, su video no terminará en un pequeño subconjunto (cientos) de videos si se trata de un tema totalmente diferente al de otros videos en su canal, o si está dirigido a un grupo demográfico totalmente diferente al que tenía en el pasado.

Ah, y ni siquiera pienses en crear un nuevo video dirigido a "fanáticos de la música" si todos los demás videos que han visto los suscriptores de tu canal estaban dirigidos a "fanáticos de los deportes".

Como señalé en un artículo titulado Tendencias de la plataforma: cómo la verticalización del contenido aumenta el alcance en YouTube y Facebook, que se publicó en Tubular Insight en septiembre de 2018, media docena de editores digitales primero reconocen que ya están siguiendo una estrategia vertical.

Esto incluye: Axel Springer SE, Group Nine, BuzzFeed, UNILAD, Jungle Creations, The LADbible Group y 9GAG.

Aquí está la pregunta retórica que hice en ese artículo:

“Entonces, ¿por qué todos estos editores segmentarían sus propiedades en varias verticales en lugar de simplemente incluir una amplia gama de contenido en gigantes, horizontales … canales de YouTube? Debido a que en un ecosistema de videos en línea cada vez más competitivo, es más probable que atraiga a las audiencias con contenido que está específicamente dirigido a sus intereses especiales que con una colección aleatoria de contenido que puede o no atraer sus intereses generales. En otras palabras, es más inteligente ir a lo profundo que a lo ancho”.

Esto nos lleva a la segunda red neuronal para la clasificación.

Covington, Adams y Sargin reconocen que hay muchas formas de clasificar los videos sugeridos.Pero revelan:

"La clasificación por tasa de clics (CTR) a menudo promueve videos engañosos que el usuario no completa ("clickbait"), mientras que el tiempo de visualización capta mejor la participación".

Por lo tanto, evite el uso de títulos y miniaturas engañosos, clickbaity o sensacionalistas.

Sí, trabajaron en el pasado.

Pero siguieron el camino del dodo una vez que YouTube reemplazó "vistas" con "tiempo de visualización" en su algoritmo en octubre de 2012.

Bien, entonces la segunda red neuronal no usa CTR como señal.¿Qué otras señales utiliza?

Los autores del artículo observan que "las señales más importantes" incluyen:

  • ¿Cuál fue la interacción anterior del usuario con el video en sí y otros videos similares?
  • ¿Cuántos videos ha visto el usuario de este canal?
  • ¿Cuándo fue la última vez que el usuario vio un video sobre este tema?

Covington, Adams y Sargin dicen:

“Estas características continuas que describen las acciones pasadas de los usuarios en elementos relacionados son particularmente poderosas porque se generalizan bien en elementos dispares. También hemos encontrado que es crucial propagar la información desde la generación de candidatos hasta la clasificación en forma de características, p. ¿Qué fuentes nominaron a este video candidato? ¿Qué puntajes asignaron?

Agregan:

“Las características que describen la frecuencia de las impresiones de videos anteriores también son fundamentales para introducir la 'abandono' en las recomendaciones (las solicitudes sucesivas no devuelven listas idénticas). Si a un usuario se le recomendó recientemente un video pero no lo vio, entonces el modelo degradará naturalmente esta impresión en la próxima carga de la página. Ofrecer impresiones actualizadas y el historial de reproducciones es una hazaña de ingeniería en sí misma fuera del alcance de este documento, pero es vital para producir recomendaciones receptivas”.

Covington, Adams y Sargin divulgan:

“Nuestro objetivo es predecir el tiempo de visualización esperado dados ejemplos de capacitación que son positivos (se hizo clic en la impresión del video) o negativos (no se hizo clic en la impresión). Los ejemplos positivos se anotan con la cantidad de tiempo que el usuario pasó viendo el video. Para predecir el tiempo de visualización esperado, utilizamos la técnica de regresión logística ponderada, que fue desarrollada para este propósito”.

En otras palabras, si desea optimizar su video para los sistemas de recomendación de YouTube, debe ayudar a los espectadores a encontrar los videos que desean ver y luego maximizar su compromiso y satisfacción a largo plazo.

Eso es difícil.

Pero, con más de 500 horas de contenido de video que se suben a YouTube cada minuto, eso es lo que debe hacer en estos días.

¿Qué significa esto para usted?

¡Pero espera hay mas!

Los autores del artículo también revelaron que YouTube ha estado utilizando el "aprendizaje profundo" para diseñar, iterar y mantener "un sistema de recomendación masivo" desde 2016.

Y vieron "mejoras dramáticas en el rendimiento" con un "enorme impacto para el usuario" incluso en ese entonces.

Ahora, eso puede no mantenerte despierto por la noche.

Pero, si Google implementa lo que ha aprendido, oh, Google Shopping, por ejemplo, apuesto a que creará pesadillas para los investigadores y desarrolladores de Amazon.

Ahora, ¿qué significa esto para ti?

Me doy cuenta de que su enfoque está en el marketing digital, SEO, marketing de contenido y búsqueda paga.Bueno, eso te llevó tan lejos.

¿Qué pasa con los próximos cuatro años?

Bueno, si usted o alguien de su equipo ya entiende TensorFlow (anteriormente conocido como Google Brain), entonces está listo para el rock and roll.

Pero, si no tiene un investigador o desarrollador en su equipo que entienda cómo usar el ecosistema integral y flexible de herramientas, bibliotecas y recursos de la comunidad de TensorFlow para impulsar el aprendizaje automático (ML) de vanguardia para cree e implemente aplicaciones basadas en ML para su organización o clientes, entonces necesita encontrar una... rápido.

¿Por qué?

Porque en el futuro, su destino, y el destino de su organización o clientes, aumentará en manos de los sistemas de recomendación.

Es por eso que vale la pena su tiempo y atención para leer "Redes neuronales profundas para las recomendaciones de YouTube" hoy.

Al igual que uno de esos juguetes de periscopio espía que permiten a los niños "ver alrededor de las esquinas y sobre las paredes", este documento académico de 8 páginas puede ayudarlo a ver lo que ha estado oculto a simple vista durante más de tres años y medio.

Más recursos:

Todas las categorias: Blog