Sitemap

早在 2008 年,我是業內最早注意到 YouTube 已超過 Yahoo! 的作家之一。成為僅次於谷歌的全球第二大搜索引擎。

那時,我正在為 Search Engine Watch 撰寫文章,我的文章的標題是,YouTube 在擴展搜索中是否超過了雅虎?

(劇透警告:標題中反問的答案是:“是的。”)

今天,我想問一個相關的問題:“YouTube 是否即將超越亞馬遜,成為現有規模最大、最複雜的行業推薦系統?”

這個問題不是修辭性的——因為我不知道答案。

但是,我知道建議的視頻是 YouTube 搜索算法的力量倍增器,你會想了解它。

我在去年的一篇搜索引擎期刊文章 YouTube 算法:你必須知道的 7 個關鍵發現中暗示了這一點。

我說,“為了最大限度地提高你在 YouTube 搜索和推薦視頻中的存在,你仍然需要確保你的元數據得到了很好的優化。這包括您視頻的標題、描述和標籤。”

現在,我道歉,因為我接著解釋瞭如何優化視頻的標題、描述和標籤。

我完全忽略了“你在 YouTube 搜索和推薦視頻中的存在”這句話。但是,讓我現在糾正這個疏忽。

大多數 SEO 都關注搜索結果——因為這在 Google 中很重要。

但是,大多數 YouTube 營銷人員都知道,出現在推薦視頻中可以產生幾乎與出現在 YouTube 搜索結果中一樣多的觀看次數。

為什麼?

因為觀眾傾向於在平均持續約 40 分鐘的會話期間觀看多個視頻。

因此,觀眾可能會進行一次搜索,觀看視頻,然後繼續觀看建議的視頻。

換句話說,在 YouTube 上進行的每次搜索,您可能會看到兩個或更多視頻。

這就是使推薦視頻成為 YouTube 搜索算法的力量倍增器的原因。

不好意思,我承認我早在 2008 年就利用了這一現象。

我們當時的客戶之一是 STACK Media,該公司是美國領先的為高中運動員提供運動表現、訓練和生活方式內容的生產商和分銷商。

我們針對 YouTube 上的 STACKVids、STACK Football、STACK Baseball 和 Stack Basketball 頻道優化了 137 個視頻,其中介紹了一些世界頂級運動員的專業運動鍛煉技巧和內幕故事。

例如,我們有一段以 Will Bartholomew 為主角的視頻,他談到了佩頓·曼寧在休賽期使用的啞鈴臥推訓練。

我們在標題中使用了哪些關鍵字?

好吧,如果你看視頻的標題,答案就很明顯了:Peyton Manning Workout。

視頻的描述不會讓任何人對我們定位的搜索詞感到困惑:

“休賽期佩頓曼寧在 D1 訓練。查看 Manning 的完整鍛煉(帶有指向 STACK 網站上相關文章的跟踪鏈接)。”

但是,我們使用了哪些標籤?

嗯,那時候,YouTube 仍然顯示視頻使用了哪些標籤。

情況不再如此。但是,我在 SES San Jose 2008 上分享了這個案例研究,所以我得到了客戶的許可,透露我們使用了以下標籤:

  • “佩頓曼寧”
  • “佩頓曼寧鍛煉”
  • “四分衛鍛煉”
  • “四分衛訓練”
  • “佩頓曼寧訓練”
  • “臥推”
  • “四分衛臥推”
  • “啞鈴臥推”
  • “曼寧鍛煉”

我們是怎麼想出這些標籤的?

我們查看了當時排名靠前的視頻“Peyton Manning 鍛煉”一詞,然後儘可能多地使用與我們的視頻相關的標籤。

這樣,在有人觀看了排名靠前的視頻後,我們提高了成為最受推薦視頻的機率。

這些天來,很難找到 2008 年該詞排名第一的視頻。

但是,值得注意的是,STACK 的視頻目前在“Peyton Manning 訓練”中排名第一,在“Manning 訓練”中排名第一,在“Peyton Manning 訓練”中排名第五。

YouTube 今天如何發現和排名推薦的視頻?

當用戶每分鐘向 YouTube 上傳 13 小時的視頻內容時,建議視頻的效果就是這樣。

那麼,在每分鐘有超過 500 小時的視頻內容上傳到 YouTube 的情況下,YouTube 是如何發現推薦視頻並對其進行排名的呢?

直到最近,我能找到的唯一答案來自 YouTube 創作者頻道上的一段視頻,標題為“YouTube 推薦視頻的工作原理”。

正如視頻的 300 字描述所解釋的:

“推薦視頻是個人觀看者接下來可能有興趣觀看的視頻的個性化集合,基於之前的活動。”

創作者無法影響觀眾之前的行為,但這也意味著體育頻道可以吸引體育迷。

“它們會在觀看頁面右側的‘Up next’下方、移動應用上的視頻下方以及自動播放中的下一個視頻中顯示給觀看者。”

超過 70% 的 YouTube 觀看時間來自移動設備,因此您需要針對推薦視頻採取移動優先策略。

“對 YouTube 消費的研究表明,當觀眾從各種渠道獲得推薦時,他們往往會觀看更多內容,而推薦視頻就是這樣做的。對推薦視頻進行排名,以最大限度地提高觀眾的參與度。”

因此,優化您的元數據仍然有幫助,但您還需要為您的視頻創建一個引人入勝的開頭,在整個視頻中保持和建立興趣,以及通過鼓勵評論和與您的觀眾互動作為您內容的一部分來吸引您的觀眾。

根據描述,推薦視頻更有可能是:

  • “視頻……與主題相關。它們可能是來自同一頻道的視頻,也可能是來自不同頻道的視頻。”換句話說,來自您的頻道或其他體育頻道的體育迷的體育視頻。
  • “來自觀眾過去觀看歷史的視頻。”除非您擁有 DeLorean 時間機器,否則您無法影響觀眾過去的觀看歷史。

視頻的描述還告訴創作者:

“您可以通過點擊‘推薦視頻’框,在流量來源報告(在 YouTube 分析中)的推薦視頻中查看哪些視頻將觀眾帶到了您的頻道。”

嗯,是的。但是,如果 YouTube 創作者已經知道這一點,那麼絕大多數人不是嗎?

最後,描述包括以下針對創作者的提示:

  • 在您的視頻中加入強烈的號召性用語,以觀看您系列中的另一個視頻。
  • 說服觀眾為什麼他們應該去觀看您系列中的另一個視頻。
  • 請注意視頻的結尾方式,因為過長的結尾可能會阻止觀眾觀看更多視頻。
  • 使用播放列表、鏈接、卡片和片尾畫面來推薦下一個要觀看的視頻。
  • 開發一系列有機連接的視頻。
  • 製作與 YouTube 上流行格式相關的視頻,例如挑戰或列表。

現在,這個視頻有 394,000 次觀看。

因此,可以肯定的是,前身為 YouTube 創作者學院的數十萬畢業生至少對 YouTube 推薦視頻的工作原理了解這麼多。

因此,這不會給您帶來太多競爭優勢。

然而,還有更詳細的信息可用——儘管它被安全地隱藏在了眾目睽睽之下,直到一位匿名消息來源(可能是也可能不是博薩人)給我發了一個鏈接到我可以找到它的地方。

該鏈接將我帶到了 2016 年 9 月 15 日發表的一篇論文,該論文現已存檔在 Google Research 上。

這篇舊研究論文由 Google 的 Paul Covington、Jay Adams 和 Emre Sargin 撰寫。它的標題是“用於 YouTube 推薦的深度神經網絡”。

YouTube 的推薦系統如何生成推薦視頻並對其進行排名?

如果您正在尋找真正的競爭優勢,那麼您會想要下載 PDF 並自己閱讀這份研究論文。

但是,如果您需要確信閱讀超過三年半的 8 頁學術文件值得您花時間和精力,那麼讓我們分享一些我發現隱藏在“用於 YouTube 推薦的深度神經網絡。”

首先,Covington、Adams 和 Sargin 透露,YouTube 的大規模推薦系統由“兩個神經網絡組成:一個用於候選生成,一個用於排名”。

這很重要。

或者,正如蒙·莫思馬(卡羅琳·布萊克斯頓飾)在《星球大戰:第六集——絕地歸來》(1983 年)中莊嚴地說的那樣,“許多博薩人死後為我們帶來了這些信息。”

他們的論文說:

“候選生成網絡將用戶的 YouTube 活動歷史中的事件作為輸入,並從大型語料庫中檢索一小部分(數百個)視頻。這些候選者旨在以高精度與用戶普遍相關。”

現在,我們無法針對觀眾過去的觀看歷史優化我們的視頻——除非我們有一台時間機器。

但是,我們可以創建針對 YouTube 也用於定位視頻廣告活動的受眾的視頻。

換句話說,如果您的視頻與您頻道上的其他視頻完全不同的主題,或者如果它針對與您過去完全不同的人口群體,您的視頻將不會出現在一小部分(數百個)視頻中。

哦,如果您頻道的訂閱者觀看的所有其他視頻都是針對“體育迷”的,那麼甚至不要考慮創建針對“音樂迷”的新視頻。

正如我在 2018 年 9 月在 Tubular Insight 上發表的題為“平台趨勢:內容垂直化如何增加 YouTube 和 Facebook 上的影響力”的文章中指出的那樣,有六家數字優先出版商承認已經在推行垂直戰略。

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

這是我在那篇文章中提出的反問:

“那麼,為什麼所有這些出版商都將他們的資產分成幾個垂直領域,而不是將廣泛的內容塞進巨大的、水平的……YouTube頻道?因為在競爭日益激烈的在線視頻生態系統中,您更有可能通過僅針對他們特殊興趣的內容來吸引觀眾,而不是通過隨機收集可能會或可能不會吸引他們的一般興趣的內容。換句話說,深入比深入更聰明。”

這將我們帶到了第二個用於排名的神經網絡。

Covington、Adams 和 Sargin 承認有很多方法可以對推薦的視頻進行排名。但他們透露:

“按點擊率 (CTR) 排名通常會宣傳用戶未完成的欺騙性視頻(‘點擊誘餌’),而觀看時間可以更好地捕捉參與度。”

因此,請避免使用誤導性、點擊率或聳人聽聞的標題和縮略圖。

是的,他們過去工作過。

但是,在 2012 年 10 月,YouTube 在其算法中將“觀看次數”替換為“觀看時間”後,他們就走上了渡渡鳥的道路。

好的,所以第二個神經網絡不使用 CTR 作為信號。它還使用哪些其他信號?

該論文的作者觀察到“最重要的信號”包括:

  • 用戶之前與視頻本身和其他類似視頻的互動是什麼?
  • 用戶從該頻道觀看了多少視頻?
  • 用戶最後一次觀看有關此主題的視頻是什麼時候?

Covington、Adams 和 Sargin 說:

“這些描述過去用戶對相關項目的操作的連續特徵特別強大,因為它們可以很好地概括不同的項目。我們還發現,將候選生成中的信息以特徵的形式傳播到排名中至關重要,例如哪些來源提名了這個視頻候選人?他們打了多少分?”

他們補充說:

“描述過去視頻展示頻率的特徵對於在推薦中引入‘流失’也至關重要(連續請求不會返回相同的列表)。如果用戶最近被推薦了一個視頻但沒有觀看它,那麼該模型自然會在下一頁加載時降低此印象。提供最新的印象和觀看歷史記錄本身就是一項工程壯舉,超出了本文的範圍,但對於產生響應式建議至關重要。”

Covington、Adams 和 Sargin 透露:

“我們的目標是在給定正面(點擊視頻展示)或負面(未點擊展示)的訓練示例的情況下預測預期觀看時間。正面示例用用戶觀看視頻的時間量進行註釋。為了預測預期觀看時間,我們使用了為此目的開發的加權邏輯回歸技術。”

換句話說,如果您想針對 YouTube 的推薦系統優化您的視頻,那麼您需要幫助觀眾找到他們想要觀看的視頻,然後最大限度地提高他們的長期參與度和滿意度。

這很難。

但是,每分鐘有超過 500 小時的視頻內容上傳到 YouTube,這就是您現在需要做的事情。

這對你意味著什麼?

但是等等,還有更多!

該論文的作者還透露,自 2016 年以來,YouTube 一直在使用“深度學習”來設計、迭代和維護“一個龐大的推薦系統”。

他們甚至在當時就看到了“顯著的性能改進”和“巨大的面向用戶的影響”。

現在,這可能不會讓你夜不能寐。

但是,如果谷歌推出他們所學的東西,哦,例如穀歌購物,那麼我敢打賭它會給亞馬遜的研究人員和開發人員帶來噩夢。

現在,這對你意味著什麼?

我意識到您的重點是數字營銷、搜索引擎優化、內容營銷和付費搜索。好吧,這讓你走到了這一步。

未來四年會怎樣?

好吧,如果您或您團隊中的某個人已經了解 TensorFlow(以前稱為 Google Brain),那麼您就可以開始搖滾了。

但是,如果您的團隊中沒有研究人員或開發人員了解如何使用 TensorFlow 全面、靈活的工具、庫和社區資源生態系統來推動機器學習 (ML) 的最新技術,為您的組織或客戶構建和部署基於 ML 的應用程序,那麼您需要找到一個……快。

為什麼?

因為在未來,你的命運——以及你的組織或客戶的命運——將越來越多地掌握在推薦系統的手中。

這就是為什麼今天值得您花時間和精力閱讀“用於 YouTube 推薦的深度神經網絡”。

就像那些讓孩子們“看到角落和牆外”的潛望鏡間諜玩具一樣,這份長達 8 頁的學術文件可以幫助您看到隱藏了三年半多的東西。

更多資源:

所有類別: 部落格