Sitemap

早在 2008 年,我是业内最早注意到 YouTube 已超过 Yahoo! 的作家之一。成为仅次于谷歌的全球第二大搜索引擎。

那时,我正在为 Search Engine Watch 撰写文章,我的文章的标题是,YouTube 在扩展搜索中是否超过了雅虎?

(剧透警告:标题中反问的答案是:“是的。”)

今天,我想问一个相关的问题:“YouTube 是否即将超越亚马逊成为现存规模最大、最复杂的行业推荐系统?”

这个问题不是修辞性的——因为我不知道答案。

但是,我知道推荐的视频是 YouTube 搜索算法的力量倍增器,你会想了解它。

我在去年的一篇搜索引擎期刊文章 YouTube 算法:你必须知道的 7 个关键发现中暗示了这一点。

我说,“为了最大限度地提高你在 YouTube 搜索和推荐视频中的存在,你仍然需要确保你的元数据得到了很好的优化。这包括您视频的标题、描述和标签。”

现在,我道歉,因为我接着解释了如何优化视频的标题、描述和标签。

我完全忽略了“你在 YouTube 搜索和推荐视频中的存在”这句话。但是,让我现在纠正这个疏忽。

大多数 SEO 都关注搜索结果——因为这在 Google 中很重要。

但是,大多数 YouTube 营销人员都知道,出现在推荐视频中可以产生几乎与出现在 YouTube 搜索结果中一样多的观看次数。

为什么?

因为观众倾向于在平均持续约 40 分钟的会话期间观看多个视频。

因此,观众可能会进行一次搜索,观看视频,然后继续观看建议的视频。

换句话说,在 YouTube 上进行的每次搜索,您可能会看到两个或更多视频。

这就是使推荐视频成为 YouTube 搜索算法的力量倍增器的原因。

不好意思,我承认我早在 2008 年就利用了这一现象。

我们当时的客户之一是 STACK Media,该公司是美国领先的为高中运动员提供运动表现、训练和生活方式内容的生产商和分销商。

我们针对 YouTube 上的 STACKVids、STACK Football、STACK Baseball 和 Stack Basketball 频道优化了 137 个视频,其中介绍了一些世界顶级运动员的专业运动锻炼技巧和内幕故事。

例如,我们有一段以 Will Bartholomew 为主角的视频,他谈到了佩顿·曼宁在休赛期使用的哑铃卧推训练。

我们在标题中使用了哪些关键字?

好吧,如果你看视频的标题,答案就很明显了:Peyton Manning Workout。

视频的描述不会让任何人对我们定位的搜索词感到困惑:

“休赛期佩顿曼宁在 D1 训练。查看 Manning 的完整锻炼(带有指向 STACK 网站上相关文章的跟踪链接)。”

但是,我们使用了哪些标签?

嗯,那时候,YouTube 仍然显示视频使用了哪些标签。

情况不再如此。但是,我在 SES San Jose 2008 上分享了这个案例研究,所以我得到了客户的许可,透露我们使用了以下标签:

  • “佩顿曼宁”
  • “佩顿曼宁锻炼”
  • “四分卫锻炼”
  • “四分卫训练”
  • “佩顿曼宁训练”
  • “卧推”
  • “四分卫卧推”
  • “哑铃卧推”
  • “曼宁锻炼”

我们是怎么想出这些标签的?

我们查看了当时排名最高的视频“Peyton Manning 锻炼”一词,然后尽可能多地使用与我们的视频相关的标签。

这样,在有人观看了排名靠前的视频后,我们提高了成为最受推荐视频的几率。

这些天来,很难找到 2008 年该词排名第一的视频。

但是,值得注意的是,STACK 的视频目前在“Peyton Manning 训练”中排名第一,在“Manning 训练”中排名第一,在“Peyton Manning 训练”中排名第五。

YouTube 今天如何发现和排名推荐的视频?

当用户每分钟向 YouTube 上传 13 小时的视频内容时,建议视频的效果就是这样。

那么,在每分钟有超过 500 小时的视频内容上传到 YouTube 的情况下,YouTube 是如何发现推荐视频并对其进行排名的呢?

直到最近,我能找到的唯一答案来自 YouTube 创作者频道上的一段视频,标题为“YouTube 推荐视频的工作原理”。

正如视频的 300 字描述所解释的那样:

“推荐视频是个人观看者接下来可能有兴趣观看的视频的个性化集合,基于之前的活动。”

创作者无法影响观众之前的行为,但这也意味着体育频道可以吸引体育迷。

“它们会在观看页面右侧的‘Up next’下方、移动应用上的视频下方以及自动播放中的下一个视频中显示给观看者。”

超过 70% 的 YouTube 观看时间来自移动设备,因此您需要针对推荐视频采取移动优先策略。

“对 YouTube 消费的研究表明,当观众从各种渠道获得推荐时,他们往往会观看更多内容,而推荐视频就是这样做的。对推荐视频进行排名,以最大限度地提高观众的参与度。”

因此,优化您的元数据仍然有帮助,但您还需要为您的视频创建一个引人入胜的开头,在整个视频中保持和建立兴趣,以及通过鼓励评论和与您的观众互动作为您内容的一部分来吸引您的观众。

根据描述,推荐视频更有可能是:

  • “视频……与主题相关。它们可能是来自同一频道的视频,也可能是来自不同频道的视频。”换句话说,来自您的频道或其他体育频道的体育迷的体育视频。
  • “来自观众过去观看历史的视频。”除非您拥有 DeLorean 时间机器,否则您无法影响观众过去的观看历史。

视频的描述还告诉创作者:

“您可以通过点击‘推荐视频’框,在流量来源报告(在 YouTube 分析中)的推荐视频中查看哪些视频将观众带到了您的频道。”

嗯,是的。但是,如果 YouTube 创作者已经知道这一点,那么绝大多数人不是吗?

最后,描述包括以下针对创作者的提示:

  • 在您的视频中加入强烈的号召性用语,以观看您系列中的另一个视频。
  • 说服观众为什么他们应该去观看您系列中的另一个视频。
  • 请注意视频的结尾方式,因为过长的结尾可能会阻止观众观看更多视频。
  • 使用播放列表、链接、卡片和片尾画面来推荐下一个要观看的视频。
  • 开发一系列有机连接的视频。
  • 制作与 YouTube 上流行格式相关的视频,例如挑战或列表。

现在,这个视频有 394,000 次观看。

因此,可以肯定的是,前身为 YouTube 创作者学院的数十万毕业生至少对 YouTube 推荐视频的工作原理了解这么多。

因此,这不会给您带来太多竞争优势。

然而,还有更详细的信息可用——尽管它被安全地隐藏在了众目睽睽之下,直到一位匿名消息来源(可能是也可能不是博萨人)给我发了一个链接到我可以找到它的地方。

该链接将我带到了 2016 年 9 月 15 日发表的一篇论文,该论文现已存档在 Google Research 上。

这篇旧研究论文由 Google 的 Paul Covington、Jay Adams 和 Emre Sargin 撰写。它的标题是“用于 YouTube 推荐的深度神经网络”。

YouTube 的推荐系统如何生成推荐视频并对其进行排名?

如果您正在寻找真正的竞争优势,那么您会想要下载 PDF 并自己阅读这份研究论文。

但是,如果您需要确信阅读超过三年半的 8 页学术文件值得您花时间和精力,那么让我们分享一些我发现隐藏在“用于 YouTube 推荐的深度神经网络。”

首先,Covington、Adams 和 Sargin 透露,YouTube 的大规模推荐系统由“两个神经网络组成:一个用于候选生成,一个用于排名”。

这很重要。

或者,正如蒙·莫思马(卡罗琳·布莱克斯顿饰)在《星球大战:第六集——绝地归来》(1983 年)中庄严地说的那样,“许多博萨人死去就是为了给我们带来这些信息。”

他们的论文说:

“候选生成网络将用户的 YouTube 活动历史中的事件作为输入,并从大型语料库中检索一小部分(数百个)视频。这些候选者旨在以高精度与用户普遍相关。”

现在,我们无法针对观众过去的观看历史优化我们的视频——除非我们有一台时间机器。

但是,我们可以创建针对 YouTube 也用于定位视频广告活动的受众的视频。

换句话说,如果您的视频与您频道上的其他视频完全不同的主题,或者如果它针对与您过去完全不同的人口群体,您的视频将不会出现在一小部分(数百个)视频中。

哦,如果您频道的订阅者观看的所有其他视频都是针对“体育迷”的,那么甚至不要考虑创建针对“音乐迷”的新视频。

正如我在 2018 年 9 月在 Tubular Insight 上发表的题为“平台趋势:内容垂直化如何增加 YouTube 和 Facebook 上的影响力”的文章中指出的那样,有六家数字优先出版商承认已经在推行垂直战略。

这包括:Axel Springer SE、Group Nine、BuzzFeed、UNILAD、Jungle Creations、The LADbible Group 和 9GAG。

这是我在那篇文章中提出的反问:

“那么,为什么所有这些出版商都将他们的资产分成几个垂直领域,而不是仅仅将广泛的内容塞进巨大的、水平的……YouTube频道?因为在竞争日益激烈的在线视频生态系统中,您更有可能通过仅针对他们特殊兴趣的内容来吸引观众,而不是通过随机收集可能会或可能不会吸引他们的一般兴趣的内容。换句话说,深入比深入更聪明。”

这将我们带到了第二个用于排名的神经网络。

Covington、Adams 和 Sargin 承认有很多方法可以对推荐的视频进行排名。但他们透露:

“按点击率 (CTR) 排名通常会宣传用户未完成的欺骗性视频(‘clickbait’),而观看时间可以更好地捕捉参与度。”

因此,请避免使用误导性、点击率或耸人听闻的标题和缩略图。

是的,他们过去工作过。

但是,在 2012 年 10 月 YouTube 将算法中的“观看次数”替换为“观看时间”后,他们就走上了渡渡鸟的道路。

好的,所以第二个神经网络不使用 CTR 作为信号。它还使用哪些其他信号?

该论文的作者观察到“最重要的信号”包括:

  • 用户之前与视频本身和其他类似视频的互动是什么?
  • 用户从该频道观看了多少视频?
  • 用户最后一次观看有关此主题的视频是什么时候?

Covington、Adams 和 Sargin 说:

“这些描述过去用户对相关项目的操作的连续特征特别强大,因为它们可以很好地概括不同的项目。我们还发现,将候选生成中的信息以特征的形式传播到排名中至关重要,例如哪些来源提名了这个视频候选人?他们打了多少分?”

他们补充说:

“描述过去视频展示频率的特征对于在推荐中引入‘流失’也至关重要(连续的请求不会返回相同的列表)。如果用户最近被推荐了一个视频但没有观看,那么该模型自然会在下一页加载时降低此印象。提供最新的印象和观看历史记录本身就是一项工程壮举,超出了本文的范围,但对于产生响应式建议至关重要。”

Covington、Adams 和 Sargin 透露:

“我们的目标是在给定正面(点击视频展示)或负面(未点击展示)的训练示例的情况下预测预期观看时间。正面示例用用户观看视频的时间量进行注释。为了预测预期观看时间,我们使用了为此目的开发的加权逻辑回归技术。”

换句话说,如果您想针对 YouTube 的推荐系统优化您的视频,那么您需要帮助观众找到他们想要观看的视频,然后最大限度地提高他们的长期参与度和满意度。

这很难。

但是,每分钟有超过 500 小时的视频内容被上传到 YouTube,这就是你现在需要做的事情。

这对你意味着什么?

但是等等,还有更多!

该论文的作者还透露,自 2016 年以来,YouTube 一直在使用“深度学习”来设计、迭代和维护“一个庞大的推荐系统”。

他们甚至在当时就看到了“显着的性能改进”和“巨大的面向用户的影响”。

现在,这可能不会让你夜不能寐。

但是,如果谷歌推出他们所学到的东西,哦,例如谷歌购物,那么我敢打赌,它会给亚马逊的研究人员和开发人员带来噩梦。

现在,这对你意味着什么?

我意识到您的重点是数字营销、搜索引擎优化、内容营销和付费搜索。好吧,这让你走到了这一步。

未来四年会怎样?

好吧,如果您或您团队中的某个人已经了解 TensorFlow(以前称为 Google Brain),那么您就可以开始摇滚了。

但是,如果您的团队中没有研究人员或开发人员了解如何使用 TensorFlow 全面、灵活的工具、库和社区资源生态系统来推动机器学习 (ML) 的最新技术,为您的组织或客户构建和部署基于 ML 的应用程序,那么您需要找到一个……快。

为什么?

因为在未来,你的命运——以及你的组织或客户的命运——将越来越多地掌握在推荐系统的手中。

这就是为什么今天值得您花时间和精力阅读“用于 YouTube 推荐的深度神经网络”。

就像那些让孩子们“四处张望和翻墙”的潜望镜间谍玩具一样,这份长达 8 页的学术文件可以帮助您了解隐藏在视线中超过三年半的东西。

更多资源:

所有类别: 博客