Sitemap

Nel 2008, sono stato uno dei primi scrittori del settore a notare che YouTube aveva superato Yahoo!diventare il secondo motore di ricerca più grande al mondo, dietro solo a Google.

Allora, stavo scrivendo per Search Engine Watch e il mio articolo era intitolato, YouTube ha superato Yahoo nelle ricerche estese?

(Avviso spoiler: la risposta alla domanda retorica nel titolo era: "Sì.")

Oggi voglio porre una domanda correlata: "YouTube sta per superare Amazon come il più grande e sofisticato sistema di raccomandazione industriale esistente?"

Questa domanda non è retorica, perché non conosco la risposta.

Ma so che i video suggeriti sono un moltiplicatore di forza per l'algoritmo di ricerca di YouTube che vorrai capire.

In un certo senso ho accennato a questo l'anno scorso in un articolo di Search Engine Journal, YouTube Algorithm: 7 Key Findings You Must Know.

Ho detto: "Per massimizzare la tua presenza nella ricerca di YouTube e nei video suggeriti, devi comunque assicurarti che i tuoi metadati siano ben ottimizzati. Ciò include il titolo, la descrizione e i tag del tuo video".

Ora, mi scuso, perché poi ho spiegato come ottimizzare il titolo, la descrizione e i tag del tuo video.

Sono completamente scivolato oltre la frase "la tua presenza nella ricerca di YouTube e nei video suggeriti".Ma permettetemi di correggere subito questa svista.

La maggior parte dei SEO si concentra sui risultati di ricerca, perché questo è ciò che conta in Google.

Tuttavia, la maggior parte dei marketer di YouTube sa che apparire nei video suggeriti può generare quasi tante visualizzazioni quante appaiono nei risultati di ricerca di YouTube.

Come mai?

Perché gli spettatori tendono a guardare più video durante sessioni che durano in media circa 40 minuti.

Pertanto, uno spettatore potrebbe eseguire una ricerca, guardare un video e quindi continuare a guardare un video suggerito.

In altre parole, potresti visualizzare due o più video per ogni ricerca condotta su YouTube.

Questo è ciò che rende i video suggeriti un moltiplicatore di forza per l'algoritmo di ricerca di YouTube.

Con vergogna, ammetto di aver approfittato di questo fenomeno nel 2008.

Uno dei nostri clienti all'epoca era STACK Media, il principale produttore e distributore nazionale di contenuti sportivi, allenamenti e lifestyle per gli atleti delle scuole superiori.

Abbiamo ottimizzato 137 video per i canali STACKVids, STACK Football, STACK Baseball e Stack Basketball su YouTube, che presentavano consigli di allenamento sportivo di esperti e storie interne di alcuni dei migliori atleti del mondo.

Ad esempio, avevamo un video che presentava Will Bartholomew, che parlava dell'allenamento con la panca con manubri che Peyton Manning usava in bassa stagione.

Quali parole chiave abbiamo utilizzato nel titolo?

Bene, se guardi il titolo del video, la risposta è abbastanza ovvia: Peyton Manning Workout.

E la descrizione del video non lascerà nessuno perplesso sui termini di ricerca che stavamo prendendo di mira:

“Peyton Manning si è allenato in D1 durante la bassa stagione. Guarda l'allenamento completo di Manning (con un collegamento di monitoraggio a un articolo correlato sul sito Web di STACK)."

Ma quali tag abbiamo usato?

Ebbene, all'epoca YouTube mostrava ancora quali tag utilizzava un video.

Non è più così.Ma ho condiviso questo case study al SES San Jose 2008, quindi ho ottenuto il permesso dal mio cliente di rivelare che abbiamo utilizzato i seguenti tag:

  • “Peyton Manning”
  • “Allenamento di Peyton Manning”
  • “allenamento quarterback”
  • “allenamento quarterback”
  • “Addestramento Peyton Manning”
  • "panca"
  • “panca quarterback”
  • “panca con manubri”
  • “Allenamento di equipaggio”

Come siamo arrivati ​​a questi tag?

Abbiamo esaminato il video in cima alla classifica di allora per il termine "allenamento di Peyton Manning", quindi abbiamo utilizzato tutti i tag possibili che erano rilevanti anche per il nostro video.

In questo modo, abbiamo migliorato le nostre probabilità di diventare il video più consigliato dopo che qualcuno ha guardato quel video più importante.

Al giorno d'oggi, è difficile trovare il video che è stato classificato al primo posto per quel termine nel 2008.

Ma vale la pena notare che il video di STACK è attualmente al primo posto per "allenamento Peyton Manning", #1 per "allenamento Manning" e #5 per "allenamento Peyton Manning".

In che modo YouTube scopre e classifica i video suggeriti oggi?

Ecco come funzionavano i video suggeriti quando gli utenti caricavano 13 ore di contenuti video su YouTube ogni minuto.

Quindi, come fa YouTube a scoprire e classificare i video suggeriti ora che più di 500 ore di contenuti video vengono caricati su YouTube ogni minuto?

Fino a poco tempo, l'unica risposta che potevo trovare proveniva da un video sul canale YouTube Creators intitolato How YouTube's Suggested Videos Work.

Come spiega la descrizione di 300 parole del video:

"I video consigliati sono una raccolta personalizzata di video che un singolo spettatore potrebbe essere interessato a guardare successivamente, in base all'attività precedente".

Non è possibile che i creatori possano influenzare il comportamento precedente di uno spettatore, ma ciò significa anche che un canale sportivo può attingere agli appassionati di sport.

"Vengono mostrati agli spettatori sul lato destro della pagina di visualizzazione, sotto "Prossimo", sotto il video sull'app mobile e come video successivo in riproduzione automatica".

Oltre il 70% del tempo di visualizzazione di YouTube proviene da dispositivi mobili, quindi è necessaria una strategia mobile first per i video consigliati.

"Gli studi sul consumo di YouTube hanno dimostrato che gli spettatori tendono a guardare molto di più quando ricevono consigli da una varietà di canali e i video suggeriti fanno proprio questo. I video consigliati sono classificati per massimizzare il coinvolgimento dello spettatore".

Quindi, l'ottimizzazione dei metadati aiuta ancora, ma devi anche creare un'apertura convincente per i tuoi video, mantenere e creare interesse per tutto il video, oltre a coinvolgere il tuo pubblico incoraggiando i commenti e interagendo con i tuoi spettatori come parte dei tuoi contenuti.

Secondo la descrizione, è più probabile che i video suggeriti siano:

  • “Video... che sono legati all'attualità. Potrebbero essere video dello stesso canale o di un canale diverso".In altre parole, video sportivi per gli appassionati di sport dal tuo canale o da un altro canale sportivo.
  • "Video dalla cronologia delle visualizzazioni passate di uno spettatore".A meno che tu non abbia una macchina del tempo DeLorean, non puoi influenzare la cronologia delle visualizzazioni passate di uno spettatore.

La descrizione del video dice anche ai creatori:

"Puoi vedere quali video portano gli spettatori al tuo canale da Video suggeriti nel rapporto Sorgenti di traffico (in YouTube Analytics) facendo clic sulla casella "Video suggeriti"."

Ehm, sì.Ma la stragrande maggioranza dei creatori di YouTube non lo sa già?

Infine, la descrizione include i seguenti suggerimenti per i creatori:

  • Includi forti inviti all'azione nei tuoi video per guardare un altro video della tua serie.
  • Convinci gli spettatori perché dovrebbero andare a guardare un altro video della tua serie.
  • Fai attenzione a come finiscono i tuoi video perché i finali lunghi possono scoraggiare gli spettatori dal guardare più video.
  • Usa playlist, link, schede e schermate finali per suggerire il prossimo video da guardare.
  • Sviluppa una serie di video che sono organicamente connessi.
  • Realizza video correlati a formati popolari su YouTube come sfide o elenchi.

Ora, questo video ha 394.000 visualizzazioni.

Quindi, è lecito ritenere che diverse centinaia di migliaia di diplomati di quella che in precedenza era nota come YouTube Creator Academy sappiano almeno così tanto su come funzionano i video suggeriti da YouTube.

Quindi, questo non ti darà molto vantaggio competitivo.

Tuttavia, sono disponibili informazioni più dettagliate, sebbene siano state nascoste al sicuro in bella vista fino a quando una fonte anonima, che potrebbe essere o meno un Bothan, mi ha inviato un collegamento a dove potevo trovarlo.

Il collegamento mi ha portato a un documento che era stato pubblicato il 15 settembre 2016 e ora è archiviato su Google Research.

Questo vecchio documento di ricerca è stato scritto da Paul Covington, Jay Adams ed Emre Sargin di Google.Si intitola "Reti neurali profonde per consigli su YouTube".

In che modo i sistemi di raccomandazione di YouTube generano e classificano i video suggeriti?

Se stai cercando un serio vantaggio competitivo, allora vorrai scaricare il PDF e leggere tu stesso questo documento di ricerca.

Ma, se hai bisogno di essere convinto che leggere un documento accademico di 8 pagine che ha più di tre anni e mezzo vale il tuo tempo e la tua attenzione, allora condividi alcuni dei punti salienti che ho trovato scoiattolo in " Reti neurali profonde per consigli su YouTube."

Per cominciare, Covington, Adams e Sargin rivelano che l'enorme sistema di raccomandazioni di YouTube è composto da "due reti neurali: una per la generazione dei candidati e una per la classifica".

È importante.

Oppure, come dice solennemente Mon Mothma (Caroline Blakiston) in Star Wars: Episodio VI – Il ritorno dello Jedi (1983), "Molti Bothan sono morti per portarci queste informazioni".

Il loro giornale dice:

"La rete di generazione dei candidati prende gli eventi dalla cronologia delle attività dell'utente su YouTube come input e recupera un piccolo sottoinsieme (centinaia) di video da un grande corpus. Questi candidati sono destinati ad essere generalmente rilevanti per l'utente con un'elevata precisione".

Ora, non possiamo ottimizzare i nostri video per la cronologia delle visualizzazioni passate di uno spettatore, a meno che non disponiamo di una macchina del tempo.

Tuttavia, possiamo creare video mirati al pubblico che YouTube utilizza anche per il targeting di campagne pubblicitarie video.

In altre parole, il tuo video non finirà in un piccolo sottoinsieme (centinaia) di video se tratta di un argomento completamente diverso rispetto ad altri video sul tuo canale o se si rivolge a un gruppo demografico completamente diverso da quello che hai fatto in passato.

Oh, e non pensare nemmeno di creare un nuovo video rivolto agli "appassionati di musica" se tutti gli altri video che gli iscritti al tuo canale hanno guardato fossero destinati agli "appassionati di sport".

Come ho sottolineato in un articolo intitolato Platform Trends: How the Verticalization of Content Increases Reach on YouTube and Facebook, pubblicato su Tubular Insight a settembre 2018, una mezza dozzina di editori digital first riconoscono che stanno già perseguendo una strategia verticale.

Ciò include: Axel Springer SE, Group Nine, BuzzFeed, UNILAD, Jungle Creations, The LADbible Group e 9GAG.

Ecco la domanda retorica che ho posto in quell'articolo:

"Quindi, perché tutti questi editori dovrebbero segmentare le loro proprietà in più verticali invece di inserire un'ampia gamma di contenuti in canali YouTube giganti e orizzontali? Perché in un ecosistema di video online sempre più competitivo, è più probabile che tu coinvolga il pubblico con contenuti strettamente mirati ai loro interessi speciali rispetto a una raccolta casuale di contenuti che possono o meno fare appello ai loro interessi generali. In altre parole, è più intelligente andare in profondità che andare largo".

Questo ci porta alla seconda rete neurale per la classifica.

Covington, Adams e Sargin riconoscono che esistono molti modi per classificare i video suggeriti.Ma rivelano:

"La classifica in base alla percentuale di clic (CTR) spesso promuove video ingannevoli che l'utente non completa ("clickbait"), mentre il tempo di visualizzazione cattura meglio il coinvolgimento".

Quindi, evita di utilizzare titoli e miniature fuorvianti, clickbaity o sensazionali.

Sì, hanno funzionato in passato.

Ma hanno seguito la strada del dodo una volta che YouTube ha sostituito le "visualizzazioni" con il "tempo di visualizzazione" nel suo algoritmo nell'ottobre 2012.

Ok, quindi la seconda rete neurale non usa CTR come segnale.Quali altri segnali utilizza?

Gli autori del documento osservano che "i segnali più importanti" includono:

  • Qual è stata la precedente interazione dell'utente con il video stesso e altri video simili?
  • Quanti video ha guardato l'utente da questo canale?
  • Quando è stata l'ultima volta che l'utente ha guardato un video su questo argomento?

Covington, Adams e Sargin dicono:

“Queste funzionalità continue che descrivono le azioni passate degli utenti su elementi correlati sono particolarmente potenti perché si generalizzano bene su elementi disparati. Abbiamo anche ritenuto fondamentale propagare le informazioni dalla generazione dei candidati alla classifica sotto forma di funzionalità, ad es. quali fonti hanno nominato questo candidato video? Quali punteggi hanno assegnato?”

Aggiungono:

"Anche le funzionalità che descrivono la frequenza delle impressioni video passate sono fondamentali per l'introduzione del "abbandono" nei consigli (le richieste successive non restituiscono elenchi identici). Se a un utente è stato recentemente consigliato un video ma non lo ha guardato, il modello declasserà naturalmente questa impressione al caricamento della pagina successiva. Fornire impressioni fino alla seconda e cronologia visualizzazioni è un'impresa ingegneristica che esula dallo scopo di questo documento, ma è vitale per produrre raccomandazioni reattive".

Covington, Adams e Sargin divulgano:

"Il nostro obiettivo è prevedere il tempo di visualizzazione previsto sulla base di esempi di allenamento positivi (l'impressione del video è stata cliccata) o negativa (l'impressione non è stata cliccata). Gli esempi positivi sono annotati con la quantità di tempo che l'utente ha trascorso a guardare il video. Per prevedere il tempo di visualizzazione previsto utilizziamo la tecnica della regressione logistica pesata, che è stata sviluppata per questo scopo”.

In altre parole, se vuoi ottimizzare il tuo video per i sistemi di raccomandazione di YouTube, devi aiutare gli spettatori a trovare i video che vogliono guardare e quindi massimizzare il loro coinvolgimento e la loro soddisfazione a lungo termine.

Questo è difficile.

Ma con oltre 500 ore di contenuti video caricati su YouTube ogni minuto, è quello che devi fare in questi giorni.

Cosa significa questo per te?

Ma aspetta, c'è di più!

Gli autori del documento hanno anche rivelato che YouTube utilizza il "deep learning" per progettare, ripetere e mantenere "un enorme sistema di raccomandazioni" dal 2016.

E già allora hanno visto "drammatici miglioramenti delle prestazioni" con "enorme impatto rivolto agli utenti".

Ora, questo potrebbe non tenerti sveglio la notte.

Ma se Google distribuirà ciò che ha imparato, ad esempio Google Shopping, scommetto che creerà incubi per ricercatori e sviluppatori di Amazon.

Ora, cosa significa questo per te?

Mi rendo conto che la tua attenzione è rivolta al marketing digitale, alla SEO, al marketing dei contenuti e alla ricerca a pagamento.Bene, questo ti ha portato così lontano.

E i prossimi quattro anni?

Bene, se tu o qualcuno del tuo team conoscete già TensorFlow (precedentemente noto come Google Brain), allora siete pronti per il rock and roll.

Tuttavia, se non hai un ricercatore o uno sviluppatore nel tuo team che sappia come utilizzare l'ecosistema completo e flessibile di strumenti, librerie e risorse della community di TensorFlow per spingere lo stato dell'arte dell'apprendimento automatico (ML) a crea e distribuisci applicazioni basate su ML per la tua organizzazione o i tuoi clienti, quindi devi trovarne una... velocemente.

Come mai?

Perché lungo la strada, il tuo destino – e il destino della tua organizzazione o dei tuoi clienti – aumenterà nelle mani dei sistemi di raccomandazione.

Ecco perché vale la pena dedicare tempo e attenzione a leggere "Reti neurali profonde per consigli su YouTube" oggi.

Proprio come uno di quei giocattoli spia a periscopio che consentono ai bambini di "vedere dietro gli angoli e oltre i muri", questo documento accademico di 8 pagine può aiutarti a vedere ciò che è stato nascosto in bella vista per più di tre anni e mezzo.

Altre risorse:

Tutte le categorie: Blog