Hvordan vælger YouTube foreslåede videoer?

Videoanbefalingssystemet til YouTube har kun ét mål. De ønsker at give dig en personlig videoanbefaling i høj kvalitet, der passer til dine interesser. På den måde vil de holde dig på deres platform, mens du klikker rundt og ser deres målrettede annoncer. Din browserhistorik er slået til Google, Chrome og YouTube påvirker i høj grad søgeresultaterne på din YouTube-anbefalinger. Du modtager disse forslag på din YouTube-startside og også som meddelelser i appen.

Der er flere faktorer, der påvirker dine søgeresultater og videoanbefalinger. Disse fodres ind YouTubes algoritme som automatisk træffer disse beslutninger om, hvilke videoer du gerne vil have. Det gør den ved at se på bestemte data. Lad os se på de forskellige typer:

• Indholdskilder: der er to hovedkilder til, hvordan YouTube tegner dine anbefalede videoer og feeds algoritmen. Først er de indholdsdata, du indtaster i søgefeltet, såsom titler, beskrivelse og metadata, og for det andet er dataene om brugeraktivitet. Det er kategoriseret i en række attributter, såsom dine favoritter, vurderinger, antal visninger osv.

• Din visningsaktivitet: før YouTube foreslår dig anbefalede videoer, bestemmer det det sæt af tilknyttede videoer, du sandsynligvis vil se efter den video, der i øjeblikket vises. For at gøre dette bruger den metoden til association eller co-visitation, som gøres ved at identificere en række videoer, du for nylig har set i en enkelt session. Algoritmen finder en sammenhæng mellem de videoer, du har set, og foreslår dig de videoer, du kan være interesseret i at se.

• Placeringsanbefaling: Når først YouTube genererer et sæt anbefalinger, rangerer det dem i henhold til en række signaler. Derefter er de organiseret i forskellige grupper i henhold til deres brugerspecifikation, diversificering og videokvalitet. Brugerspecifikation bruges til at bringe en video frem, der ligner dine unikke præferencer. Brugerspecifikke signaler oprettes baseret på din visningstid og antallet af visninger af bestemte typer videoer. Diversificering udføres ved at identificere videoer, der minder meget om hinanden. Præcis identiske videoer fjernes, og mere varierede typer videoer bringes ind. Logikken bag diversificering er, at brugere har flere interesser og relaterede visningspræferencer. Anbefalede videoer, der minder for meget om hinanden, afspejler muligvis ikke en brugers overordnede præferencer. Videokvalitet omfatter en række målinger, såsom videovurderinger, antal visninger, favoritter, kommentarer og delinger.

• Seers engagement: YouTube er opmærksom på hvor mange kommentarer, likes og dislikes en video trækker fra publikum. Videoer, der har størst succes med at engagere seerne, topper altid hitlisterne og vises på dine foreslåede videoer. YouTube foreslåede videoer algoritme virker på ydeevnen af ​​visse videoer på YouTube. De promoverer videoer, der har succes med at holde seerne engageret og opmuntre dem til at synes godt om og kommentere dem. Derudover promoveres videoer, der får masser af likes og kommentarer, altid af YouTube. Videoer, der har succes med at modtage lang seerfastholdelse og visningstid, er dem, der holder folk engageret.

• Miniaturebilleder: et miniaturebillede er det lille stillbillede af videoen, du ser med linket til en video. Videoer, der har miniaturer, der er relevante for titlen og videoens indhold, er mest populære blandt publikum. Videoer, der har irrelevante thumbnails, modtager negativ respons og kommentarer fra publikum. Så videoer med relevante og attraktive miniaturebilleder bliver populære, og YouTube inkluderer dem i sine foreslåede videoanbefalinger.

• YouTube-sessionstartere: YouTube-videoforslag er for det meste dem, der begynder at se sessioner for publikum. Den overvejer også måden a YouTube-kanal starter en visningssession, og med hvilken frekvens. YouTube har data om visninger og sessionstider for seere, og det foreslår kanaler og videoer, der ofte begynder at se sessioner baseret på disse data. Hvis du f.eks. besøger YouTube en gang om ugen, kan din visningssession være 20 minutter lang. Hvis du kommer til YouTube to gange om ugen, kan din visningssession være 50 minutter lang, og 4 besøg i alt op til 150 minutters visningssession. Følgelig betyder flere forslag, at flere mennesker kommer til YouTube, og at flere videoer vises på foreslåede videoanbefalinger.

• Uden for YouTube: YouTube holder kontakten med sine brugere uden for YouTube også via e-mail-lister, sociale profiler, medieforbindelser, websteder osv. Selvom disse er meget små platforme, hjælper de med at katalysere startsessioner og kende brugernes præferencer, likes og dislikes. Baseret på dette data, de øger deres publikum ved at foreslå dem relevante videoer. På deres Facebook og andre sociale mediesider planlægger de også deres nye udgivelser. Hvis en mand ved, hvornår han skal vende tilbage til en ny video på en kanal, kan han komme og finde sin video, når den skal gå live. Hvordan dette indføjes i algoritmen, er dog ikke altid godt forstået. Dette er til dels årsagen til de seneste ændringer af GDPR, som har påvirket Europa^[1].

YouTube står over for en række udfordringer valg af foreslåede videoer for sine brugere. Først og fremmest er der en svimlende mængde af videoer, der bliver uploadet til YouTube hver eneste dag. Mange af dem ligner hinanden, og det er svært at vælge en blandt dem. For det andet har mange af disse videoer irrelevante titler, upassende beskrivelser, uvedkommende thumbnails og andre sådanne tegn på dårlige metadata. For det tredje er de data, som YouTube bruger til at forstå brugernes interesse, til tider ret vage og upassende. For eksempel, når en person ser en video om et bestemt produkt, kender YouTube ikke hans eller hendes formål. De kan være interesserede i at købe produktet, de prøver måske at få viden om det, de skriver måske marketingindhold om det, eller de faldt bare over den video ved et tilfælde. En anden udfordring er, at anbefalingerne skal opdateres med jævne mellemrum. Det er ikke sikkert, at du foreslår bestemte videoer igen og igen interesserer seerne.

Der er nogle andre udfordringer, der kommer på vej til at dominere kolonnen af foreslåede videoer. Den ene er funktionen `up next`, der vises på den første position i denne kolonne, og den er indstillet til automatisk afspilning efter en video slutter. YouTube har programmeret denne enhed algoritmisk, og den kommende video kommer muligvis ikke fra den sidste kanal.

Anden udfordring er sektionen `Anbefalet` i kolonnen med foreslåede videoer. Valget af dette afsnit afhænger i høj grad af personlige valg af en seer. At holde seerne engageret gennem opfordringer til handling og annoteringer er, hvordan YouTube sikrer disse pladser til deres egne videoer.

Endelig er det en udfordring at medtage videoer på `Afslut side’. Det er den sidste side, som en seer besøger, før han eller hun beslutter sig for at forlade hjemmesiden. På YouTube, hvis en video får flere visningssessioner til at afslutte, vil YouTube afstå fra at inkludere den video i deres liste over foreslåede videoer. Sandsynligvis var den video af lav kvalitet, irrelevant for emnet eller måske ude af kontekst, hvorfor seeren besluttede at forlade.

Hvis du vil læse lignende artikler til Hvordan vælger YouTube foreslåede videoer?, vi anbefaler, at du besøger vores Internettet kategori.

1 https://www.værgen.com/technology/2018/may/25/facebook-google-gdpr-complaints-eu-consumer-rights