广西快3专家杀号破解|广西快3中奖绝招

YouTube訂閱打法2.0:算法與平臺合力,迷思與憂思并存

2020-01-14 16:52 稿源:全媒派公眾號  0條評論

聲明:本文來自于微信公眾號全媒派(ID:quanmeipai),作者:騰訊傳媒,授權站長之家轉載發布。

對于YouTube來說, 1 分鐘意味著什么?是多達 400 小時的視頻上傳量; 1 天意味著什么?是高達 10 億的視頻播放量。

在這個內容劇增、用戶擁擠的UGC內容平臺上,如何精準抓住觀眾眼球、有效轉化訂閱無疑是生態內各方的迷思。

youtube

當用戶困惑于推薦流的奇怪內容,創作者正因寥寥無幾的播放量頭禿,廣告主也在糾結投放是否能夠精準觸達,這時候對于平臺來說,如何促進內容生態、用戶生態的可持續發展及營收的穩定運轉,有賴于步步升級的訂閱策略。

縱觀YouTube十四年的發展,在訂閱策略的調整上從未掉以輕心,它已經孵化出一套運作相對成熟、方法較為多維的訂閱打法,主以強大的算法,輔以穩健的平臺,不斷試圖從海量視頻中更精準地錨定用戶。

在今天,想要徜徉在YouTube匯聚的流量巨池,那么就不得不先穿過這片訂閱的密林。本期全媒派(ID:quanmeipai)就帶你一同拆解YouTube近年來的訂閱打法,揭開這背后的訂閱“黑箱”。

算法的進擊:更智能、更走心

在每分鐘就有 400 小時視頻上傳的YouTube ,如何在指數級膨脹的視頻海洋中,精準把握海量用戶的需求?強大的算法無疑是最有力的答案。

經過算法的篩選與排序,YouTube能夠決定用戶能看到什么內容,以及這些內容會出現在哪些位置。根據YouTube首席產品官Neal Mohan的說法,用戶在YouTube上花費的時間有70%都用于觀看算法推薦的內容,移動端的平均登錄時長達 60 分鐘。其精準度、有效性可見一斑。

要想在劇增的內容深海、流量巨池中牢握注意力,算法的持續升級無疑是重中之重。

YouTube算法進化簡史

YouTube算法不斷升級的過程,存在幾個重要節點:

  • 2012 年:觀看次數

在播放量僅 40 億/月的古早年代(如今為 10 億/天),YouTube只根據一種指標進行排序:觀看次數。這種策略雖然可以鼓勵優質視頻,但也帶來了 “點擊誘餌”(clickbait),例如通過標題黨博取眼球等負面操作。這導致用戶可能會點擊,但不會停留,總體來說,不利于廣告主的投放與平臺的發展。

  • 2012 年- 2016 年:觀看時間、登錄時長

這一時期,YouTube推薦機制發生了一項重要轉折——加入了觀看時間和登錄時長兩項指標。觀看時間是指通過用戶觀看視頻的時長來側面衡量視頻的質量,更加強調用戶對內容的投入和參與,以規避“點擊誘餌”。登錄時長則是指用戶在整個平臺上停留的時間,這一指標關注人們觀看某些視頻后是否選擇觀看更多視頻,從而體現平臺的粘性。

  • 2016 年:機器學習

在這一年,YouTube公布了白皮書,解釋了深度神經網絡和機器學習在算法中的作用機制。此外,該論文還拆解了YouTube對視頻進行排序、推薦的各項指標,分別為:觀看次數(視頻的點擊量);觀看時間;用戶在某頻道觀看了多少視頻;用戶近期如何觀看此主題視頻;用戶的搜索記錄;用戶的觀看歷史;用戶的人口統計學信息與地理位置。

YouTube不斷升級算法,本意是為了優化內容生態以促進平臺的可持續發展,但同時也傳播了虛假新聞、仇恨言論等有害內容。平臺也在不斷調整,例如: 2017 年,調整算法以改善彈出的新聞視頻質量; 2019 年,YouTube宣布不再推薦可能會傷害或誤導用戶的內容。

YouTube算法如何運作

目前YouTube算法指標主要包含以下幾項:

  • 是否觀看:體現為點擊量高的熱門內容;

  • 觀看時長:觀看時間較長的頻道和視頻往往更容易被推薦;

  • 登錄時長:觀眾花在平臺上的時間,在觀看某些視頻后是否選擇看更多視頻;

  • 內容評分:點贊、踩贊、分享,“不感興趣”按鈕的點擊;

  • “觀看速度”(view velocity):在視頻發布后立即觀看視頻的訂閱者數量。視頻的觀看速度越高,排名就越高。在對視頻進行排名時,YouTube也會考慮視頻發布者擁有的活躍訂閱者的數量。

算法的主要任務有二:第一,幫助用戶找到他們想看的視頻;第二,提高用戶的長期參與度和滿意度。因此,“弄清用戶喜歡什么”是YouTube算法的要義所在。

如何弄清用戶的喜好?YouTube在 2016 年發布的算法白皮書打開了這一黑箱。白皮書顯示,在機器學習的模型結構中,有兩個網絡在起作用:

漏斗式的模型結構,來源:《YouTube推薦機制的深度學習網絡》, 2016 年

候選網絡(The candidate generation network):記錄用戶的活動歷史(搜索記錄、觀看行為、人口統計學信息),輸出與之相契合的幾百個視頻作為可能推薦給用戶的候選。

排序網絡(the ranking network):排序階段更多是面向“場景”,記錄用戶點擊視頻的地點、時間、操作,相比候選網絡,這一步納入模型的指標更細致,例如,用戶最近的一次搜索詞、上一次觀看的同一主題下的視頻數量、上一次觀看同主題視頻的時間、用戶所使用的語言等等。在為每個視頻打上更詳細的標簽的基礎上,依照標準給候選網絡中的視頻打分,從而確定最終的推薦結果。

通過這兩個網絡,YouTube運用機器學習,搭建出一個個人化的候選網絡和排序網絡,將用戶對YouTube的使用具體到某個場景中,讓首頁顯示與用戶更相關的推薦內容。

總體而言,整個推薦結果的生成是從終端到終端,高度個人化,但追根溯源,這一系列算法的排序與推薦都離不開用戶長期穩定的使用。

被篩選出來的視頻會呈現在六個關鍵位置:搜索結果、推薦內容、用戶主頁、熱門內容、頻道訂閱、用戶通知。

平臺的策略:更負責、更開放

在過去的三年里,YouTube也是水逆不斷。仇恨言論、極端內容、虛假新聞、過濾氣泡引發用戶憂思,其算法被斥為“錯誤信息的引擎”、“極端主義者”。要想促成平臺訂閱的可持續性,光依靠算法升級,還遠遠不夠。

平臺策略作為調控的“另一只手”,也在嘗試施以積極的影響。

公開算法策略,提升參與度

面向公眾、更開放、更透明,這成為近年來YouTube的一條試水路徑。

首先,在算法的調整中著力提升用戶的參與度。 2019 年 6 月,YouTube宣布將公開部分算法的運作機制。在推薦視頻的下方,YouTube會解釋該視頻為什么會進入用戶的首頁。

此外,功能上增加了可排序的主題和過濾功能,人們可以在首頁頂部點擊他們想要探索的特定主題,能夠更具體地選擇他們希望看到的推薦視頻類型,以及他們希望看到的視頻來自哪些創作者,這使得用戶可自主決定自己感興趣的內容,幫助算法更科學。

另一方面,針對內容創作者,YouTube開設了專門的“創作者學院”,重點培訓內容生產者提升頻道吸引力。一方面向內容生產者說明YouTube算法機制的運作模式、內容的展示界面,幫助他們了解YouTube內部如何運作;另一方面訓練內容生產者設計縮圖、標題、關鍵字,以便用戶更容易搜集到影片。

嚴抓內容品控,方法多元化

內容品控,是促進訂閱的持續動力。為了減少重復內容、有害信息、虛假新聞,YouTube出臺多元手段以維護其內容生態。

打擊重復內容:YouTube一再致力于提高原創內容的吸引力,加強對重復低質內容的篩選和打擊。例如在 2019 年 9 月,YouTube聲稱在第二季度刪除了 5 倍多的不良內容,包括仇恨言論、虛假信息等。

算法推薦優化:算法機制也向著多樣化方向發展,用戶被鼓勵觀看更多元的新內容,防止個別頻道的爆發式推薦。

用戶協同凈化:除機器識別外,YouTube還引入人工機制,用戶可以通過“舉報”標記不良內容,協同參與平臺內容的治理。

懲罰舉措升級:全媒派往期文章《YouTube的水逆2019:算法的紅與黑,平臺的難與易》提到,YouTube沿用了原有的“三振出局”的懲罰系統,它指的是被舉報三次的賬號將無法再使用。在此基礎上,YouTube增加了警告系統,提高處罰系統的透明度,闡明處罰原因、后果以及申訴方式。此外,它更是利用“重定向方法(Redirect Method)”對恐怖主義內容進行打擊。

“重定向方法”指的是內容審查員會移除恐怖分子招募視頻,與此同時,招募視頻的搜索結果將重新定向到反恐怖主義和反極端主義的視頻。YouTube也對推薦系統進行了調整,擦邊內容的搜索結果將重新定向到權威信源,比如CNN、福克斯等。

視頻內容評級:YouTube會針對視頻內容進行評級,如“無益處的極端血腥或暴力”,或是支持仇恨思想的視頻都會被內容評級員給予低評級,隨后平臺AI系統會根據評級結果進行機器學習,減少爭議性視頻出現在推薦系統中的概率。

此外,YouTube為促成訂閱還做出許多小的嘗試。例如開發簡單的頻道訂閱按鈕,用戶只需要把鼠標停留在播放器左上角的圖標上就可以直接訂閱;開放內容資源,許多原創視頻、電影和現場活動免費提供給所有YouTube觀眾,中間插有廣告。但是,高級會員可以無廣告觀看內容,區分會員制和廣告投放兩種方式將訂閱分流。

新時期的“迷”與“憂”

盡管YouTube不斷試圖更新其訂閱機制,但近年來相關的焦慮與批評并未消減。

針對其頻頻調整的訂閱機制,人們始終在問這樣幾個問題:

觀看時長的轉向真的能有效引導內容生態的良性發展嗎?

谷歌內部的算法工程師承認,當算法推薦以“點擊率”為導向時,可能誘發奪人眼目的標題黨等現象。但以“觀看時長”為指標,則會帶來奇長的視頻,內容創作者可能僅僅關注時長反而忽視內容創作,也可能因為不堪高昂的制作成本而退出。

以用戶為中心、高度個人化的推薦機制與公共生活的參與如何權衡?推薦機制的調整真的能抗衡有毒內容的泛濫嗎?

算法倫理與平臺責任的關系在新時期需要重新被審視,算法推薦與平臺調整的老路子在意見激化、過濾氣泡加劇的新生態中也呼喚著新的對策。

此外,還有一些具體問題,例如算法向兒童推薦的不良內容如何遏制,這些都亟待平臺解決。

總的來說,盡管YouTube近年來的努力不斷,但其面臨的問題也越來越復雜嚴峻。在憂思齊飛的新當口,YouTube在沿襲以往的同時,另一方面更要重新審視平臺生態,如何在“創作者-用戶-廣告主”的鏈條中重新定位平臺責任,是環繞于YouTube周圍的新型迷思。

image.png


聲明:本文轉載自第三方媒體,如需轉載,請聯系版權方授權轉載。協助申請

相關文章

相關熱點

查看更多
?
關閉
广西快3专家杀号破解 甘肃十一选五开奖记录 手机免费棋牌游戏下载 足彩混合过关 甘肃11选5 免费精准一肖两码中特 上证指数的点位 浙江十一选五中奖结果 排球女将主题曲 宁夏十一选五 中彩彩票首页