Yakın tarihli bir video röportajında, YouTube irtibat René Ritchie, Platformun öneri sistemi işlevlerini ve yaratıcıların bu yıl neler bekleyebileceğini tartışmak için YouTube'un Kıdemli Büyüme ve Keşif Direktörü Todd Beaupré ile konuştu.
Tartışmaları, günün saati, cihaz türü, izleyici memnuniyeti ve büyük dil modellerinin (LLM'lerin) YouTube'un algoritmalarını nasıl yeniden şekillendirdiğini ortaya koydu.
YouTube'un öneri sistemi ve nasıl çalıştığı hakkında bilmeniz gerekenler.
Kişiselleştirilmiş Öneriler
Röportajın ana temalarından biri, YouTube'un içeriği bireysel izleyici tercihleriyle eşleştirmeye odaklanmasıdır.
Beaupré'ye göre:
“Çoğu zaman içerik oluşturucular hey, uh öneri sistemi videomu insanlara zorluyor ya da neden videomu zorlamıyor evet bunu sorabilirler ve çalıştığı işin nasıl olduğu… çok fazla değil Çektiği kadar dışarı itmek hakkında… ”
YouTube'un ev beslemesinin içeriği, her bir izleyicinin herhangi bir anda neyin keyif alması için öncelik verdiğini açıklamaya devam ediyor:
“Ana sayfayı açtığınızda YouTube, Hey Rene'nin burada olduğunu söyleyecek, Rene'yi bugün mutlu edecek en iyi içeriği vermeliyiz.”
Metrikler ve Memnuniyet
Tıklama oranı (TO) ve izleme süresi önemli kalırken, YouTube'un sistemi doğrudan anketler ve diğer geri bildirim sinyalleri aracılığıyla toplanan kullanıcı memnuniyetini de açıklar.
Beaupré Notlar:
“Bu memnuniyet kavramını tanıttık… Sadece izleyicinin davranışını ve ne yaptıklarını değil, harcadıkları zaman hakkında ne hissettiklerini anlamaya çalışıyoruz.”
YouTube'un amacının uzun vadeli izleyici memnuniyetini geliştirmek olduğunu açıklıyor:
“… Beğeniler, hoşlanmayanlar, bu anket yanıtları gibi şeylere bakıyoruz… Bu memnuniyete ulaşmak için çeşitli farklı sinyallerimiz var… Tıpkı yaratıcıların hayranlarıyla yapmak istediği gibi izleyicilerimizle bir ilişki kurmak istiyoruz.”
Evergreen ve Trended İçerik
YouTube'un algoritmaları, trend konular, viral anlar veya nostaljik ilgi nedeniyle tekrar alakalı hale gelen eski videoları tanımlayabilir.
Beaupré, sistemin dönme yeteneğini belirtiyor:
“… Belki şu anda olduğu gibi, belirli bir kitleye ulaşan ancak daha sonra altı ay içinde olduğu gibi… bu videoyu tekrar alakalı hale getiriyor… eğer alakalı ve belki de ilk kez zevk alan farklı bir kitleye.”
Bağlam: Zaman, cihaz ve izleyici alışkanlıkları
Beaupré, YouTube'un sisteminin sabah veya gece, bir cep telefonu veya TV'de birisinin izlediğine bağlı olarak farklı içerik türleri gösterebileceğini açıkladı:
“Tavsiye sistemi günün ve cihazın saatini kullanıyor… bu farklı bağlamlarda çekici olan farklı içerik olup olmadığını anlamak için öğrendiğimiz bazı sinyaller olarak… Sabah haberleri ve komedi izlemeyi tercih ediyorsanız Gece… Bu desenleri varsa sizin gibi diğer izleyicilerden öğrenmeye çalışacağız. ”
Görünümlerde dalgalanmalar
İçerik oluşturucular görüşleri düşerse sık sık endişeleniyor, ancak Beaupré bunun doğal bir ebb ve akış olabileceğini öne sürüyor:
“… İlk şey bu doğal … Her zaman en üst düzey görüşünüzde olmanızı beklemek özellikle makul değil… Bu konuda çok fazla endişelenmemenizi öneririm…”
Ayrıca metriklerin daha uzun sürelerde karşılaştırılmasını ve Google Trends gibi araçlardan yararlanmanızı önerir:
“… Sezonluğun rol oynayabileceğini görüyoruz… sizi ötesine bakmaya teşvik edin… tam bağlamı görmek için 90 gün veya daha fazla.”
Çok dilli ses
Birçok içerik oluşturucu izleyicilerini genişletmek için çok dilli ses araştırıyor.
Beaupré, YouTube'un dublajlı parçaları desteklemek için nasıl adapte olduğunu vurgular:
“… Bazı yeni özellikler eklememiz gerekiyor… bu videonun aslında birden fazla dilde mevcut olduğunun farkında… bu yüzden dublar aracılığıyla erişiminizi genişletmek isteyen bir yaratıcı iseniz… başlıklarınızın ve açıklamalarınızın da yüklendiğinden emin olun [in] Çeviri başlıkları ve açıklamalar… ”
Ayrıca tutarlılığı da vurguluyor:
“Özellikle yaratıcıların en az% 80'ini… izleme süresinin… daha az dublajlardan daha fazla başarılı olma eğiliminde olan yaratıcıları gördük…”
LLM Entegrasyonu
Geleceğe baktığımızda, büyük dil modelleri (LLMS) YouTube'un video içeriğini ve görüntüleyici tercihlerini daha iyi anlamasını sağlar.
Beaupré diyor ki:
“… Büyük dil modeli teknolojisini YouTube'daki önerilere uyguladık… onları izleyicilerle daha alakalı hale getirmek… sadece bu videonun bu tür izleyiciyle iyi olma eğiliminde olduğunu ezberlemek yerine… aslında malzemeleri anlayabilir Yemeğin daha iyi ve belki de video stilinin bazı unsurları… ”
Beaupré bunu tarifleri uyarlayabilen uzman bir şefe benzetiyor:
“… Daha çok uzman şef gibi olmak istiyoruz ve daha az… ezberlenmiş tarife benzemek istiyoruz.”
Yaratıcılar için temel çıkarımlar
İşte YouTube öneri sistemindeki 21 dakikalık konuşmalarından en iyi çıkarımlar.
- Tavsiye sistemi, videolara evrensel olarak basmadan, her görüntüleyici için içeriği “çekmek” ile ilgilidir.
- CTR ve Watch Time Matter gibi metrikler, ancak memnuniyet (beğeniler, sevilmeyen, araştırılan geri bildirim) de esastır.
- Yenilenen faiz ortaya çıkarsa YouTube eski videoları yeniden canlandırabilir.
- Günün zamanı ve cihaz kullanımı etkisi önerileri.
- Görünüm dalgalanmaları normaldir – mevsimlik, trend olaylar ve dış faktörlerin hepsi devreye girebilir.
- Dublaj ve tercüme edilen başlıklar, özellikle içeriğinizin yüksek bir yüzdesi aynı dilde mevcutsa, yeni pazarlara ulaşmaya yardımcı olabilir.
- Büyük dil modelleri daha nüanslı anlayışı güçlendirir – yaratıcılar bunun keşfi nasıl etkilediğine uyum sağlamalıdır.
Aşağıdaki röportajın tamamını izleyin.
https://www.youtube.com/watch?v=dhyib72l1hu
YouTube, bu yılın ilerleyen saatlerinde Vidcon'da daha fazla güncelleme paylaşmayı planlıyor.
Öne Çıkan Resim: Mamun_sheikh/Shutterstock
Bir yanıt yazın