Hvordan velger youtube foreslåtte videoer?

Videoanbefalingssystemet for YouTube har bare ett mål. De ønsker å gi deg en personlig tilpasset videoanbefaling av høy kvalitet som passer til dine interesser. Ved å gjøre det vil de holde deg på plattformen deres mens du klikker deg rundt og ser på de målrettede annonsene deres. Nettleserloggen din er på Google, Chrome og YouTube påvirker i stor grad søkeresultatene dine YouTube-anbefalinger. Du mottar disse forslagene på YouTube-hjemmesiden din og også som varsler i appen.

Det er flere faktorer som påvirker søkeresultatene og videoanbefalingene dine. Disse mates inn YouTubes algoritme som tar disse avgjørelsene om hvilke videoer du vil ha automatisk. Det gjør det ved å se på visse data. La oss ta en titt på de forskjellige typene:

• Innholdskilder: det er to hovedkilder for hvordan YouTube tegner de anbefalte videoene dine og mater algoritmen. Først er innholdsdataene du skriver inn i søkeboksen, for eksempel titler, beskrivelse og metadata, og for det andre er dataene om brukeraktivitet. Det er kategorisert i en rekke attributter, for eksempel dine favoritter, rangeringer, antall visninger osv.

• Din seeraktivitet: før YouTube foreslår anbefalte videoer, bestemmer det settet med tilknyttede videoer du sannsynligvis vil se etter videoen som vises for øyeblikket. For å gjøre dette bruker den metoden for assosiasjon eller sambesøk som gjøres ved å identifisere en serie videoer du nylig har sett i en enkelt økt. Algoritmen finner en sammenheng mellom videoene du har sett og foreslår videoene du kan være interessert i å se.

• Rangeringsanbefaling: Når YouTube genererer et sett med anbefalinger, rangerer det dem i henhold til en rekke signaler. Deretter er de organisert i forskjellige grupper, i henhold til brukerspesifikasjoner, diversifisering og videokvalitet. Brukerspesifikasjonen brukes til å vise frem en video som ligner på dine unike preferanser. Brukerspesifikke signaler lages basert på visningstiden din og antall sett på bestemte typer videoer. Diversifisering gjøres for å identifisere videoer som ligner veldig på hverandre. Nøyaktig identiske videoer fjernes og mer varierte videotyper hentes inn. Logikken bak diversifisering er at brukere har flere interesser og relaterte visningspreferanser. Anbefalte videoer som er for like hverandre gjenspeiler kanskje ikke en brukers generelle preferanser. Videokvalitet inkluderer en rekke beregninger, som videovurderinger, antall visninger, favoritter, kommentarer og delinger.

• Seerengasjement: YouTube tar behørig hensyn til hvor mange kommentarer, liker og misliker en video trekker fra publikum. Videoer som lykkes best med å engasjere seerne, topper alltid listene og vises på de foreslåtte videoene dine. Algoritmen for foreslåtte videoer på YouTube fungerer på ytelsen til visse videoer på YouTube. De promoterer videoer som lykkes med å holde seerne engasjert og oppmuntre dem til å like og kommentere dem. I tillegg blir videoer som får mange likes og kommentarer alltid promotert av YouTube. Videoer som lykkes med å motta lang seeroppbevaring og seertid, er de som holder folk engasjert.

• Miniatyrbilder: et miniatyrbilde er det lille stillbildet av videoen du ser med lenken til en video. Videoer som har miniatyrbilder som er relevante for tittelen og innholdet i videoen, er mest populære blant publikum. Videoer som har irrelevante miniatyrbilder får negativ respons og kommentarer fra publikum. Så videoer med relevante og attraktive miniatyrbilder blir populære, og YouTube inkluderer dem i sine foreslåtte videoanbefalinger.

• YouTube-øktstartere: YouTube-videoforslag er stort sett de som begynner å se økter for publikum. Den tar også hensyn til måten a YouTube-kanal starter en visningsøkt, og med hvilken frekvens. YouTube har data om visninger og økttider for seere, og det foreslår kanaler og videoer som ofte begynner å se økter basert på disse dataene. Hvis du for eksempel besøker YouTube en gang i uken, kan seøkten din være på 20 minutter. Hvis du kommer til YouTube to ganger i uken, kan visningsøkten din være 50 minutter lang, og 4 besøk totalt opptil 150 minutter. Følgelig betyr flere forslag at flere kommer til YouTube og at flere videoer vises i foreslåtte videoanbefalinger.

• Utenfor YouTube: YouTube holder kontakten med brukerne sine utenfor YouTube også via e-postlister, sosiale profiler, medieforbindelser, nettsteder osv. Selv om dette er veldig små plattformer, hjelper de med å katalysere startøkter og kjenne brukernes preferanser, liker og misliker. Basert på dette data, de øker publikummet sitt ved å foreslå dem relevante videoer. På Facebook og andre sosiale medier-sider planlegger de også nye utgivelser. Hvis en mann vet når han bør komme tilbake for en ny video på en kanal, kan han komme og finne videoen sin når den er satt til å gå live. Hvordan dette inngår i algoritmen er imidlertid ikke alltid godt forstått. Dette er delvis årsaken til de nylige endringene i GDPR som har påvirket Europa^[1].

YouTube står overfor en rekke utfordringer mens velge foreslåtte videoer for sine brukere. Først av alt er det en svimlende mengde videoer som lastes opp til YouTube hver eneste dag. Mange av dem ligner hverandre, og det er vanskelig å velge en blant dem. For det andre har mange av disse videoene irrelevante titler, upassende beskrivelser, fremmede miniatyrbilder og andre slike tegn på dårlige metadata. For det tredje er dataene som YouTube bruker for å forstå brukerinteresser, til tider ganske vage og upassende. For eksempel, når en person ser på en video om et bestemt produkt, vet ikke YouTube hensikten hans eller hennes. De kan være interessert i å kjøpe produktet, de kan prøve å få kunnskap om det, de kan skrive markedsføringsinnhold om det, eller de snublet over den videoen ved en tilfeldighet. En annen utfordring er at anbefalingene må oppdateres med jevne mellomrom. Det er ikke sikkert å foreslå visse videoer gang på gang interesserer seerne.

Det er noen andre utfordringer som kommer på veien til å dominere kolonnen til foreslåtte videoer. Den ene er "up next"-funksjonen som vises på den første posisjonen i denne kolonnen, og den er satt til å spille av automatisk etter at en video avsluttes. YouTube har programmert denne enheten algoritmisk, og den kommende videoen kommer kanskje ikke fra den siste kanalen.

Den andre utfordringen er delen «Anbefalt» i kolonnen for foreslåtte videoer. Valg av denne delen avhenger sterkt av personlige valg av en seer. Å holde seerne engasjert gjennom oppfordringer til handling og kommentarer er hvordan YouTube sikrer disse plassene for sine egne videoer.

Til slutt er det en utfordring å ta med videoer påAvslutt side’. Det er den siste siden en seer besøker før han eller hun bestemmer seg for å forlate nettstedet. På YouTube, hvis én video fører til at flere seersøkter avsluttes, vil YouTube avstå fra å inkludere den videoen i listen over foreslåtte videoer. Sannsynligvis var den videoen av lav kvalitet, irrelevant for emnet, eller kanskje ute av kontekst, noe som gjorde at seeren bestemte seg for å forlate.

Hvis du vil lese lignende artikler til Hvordan velger YouTube foreslåtte videoer?, vi anbefaler deg å besøke vår Internett kategori.

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