Сегодня большой и очень важный материал от официального представительства Google в России. Как работает система, позволяющая видеороликам попадать на главную страницу, в раздел "Следующее", в раздел "Рекомендованные видео"? Рекомендации направляют зрителей, приносят больше половины просмотров на всей платформе. Это значительно больше, чем подписки, чем поиск или любые другие источники трафика за пределами рекомендаций. Этот материал должен знать каждый ютубер, поэтому мы разберем все детально.
00:00 ► Вступление
00:57 ► Что такое система рекомендаций
01:40 ► Как раньше работала система рекомендаций
03:01 ► Современная модель работы системы рекомендаций
06:10 ► Как собираются рекомендации
07:14 ► Как персонализируются рекомендации
07:56 ► Клики
08:42 ► Время просмотра
09:49 ► Результаты опросов
11:58 ► Ссылки на контент, а также отметки «Нравится» и «Не нравится»
14:30 ► Этапы на пути к становлению системы рекомендаций
16:25 ► Как формируется авторитетность контента
Понимать, как работают рекомендации youtube необходимо каждому. Чтобы попасть в рекомендованные видео на youtube, следует обращать внимание на цепочки рекомендованного контента и понимать интересы аудитории. Так же важно понимать поведенческие факторы ваших зрителей. Нужно избегать пограничного состояния контента, которые могут выбивать ваши ролики из системы рекомендаций. Важно понимать, что система рекомендаций индивидуальна для каждого зрителя. Я надеюсь, что вы осознали важность понимания тех аспектов, которые озвучены в этой статье и будете строить работу с вашим каналом, исходя из этих принципов. Чтобы не задаваться вопросом: как попасть в рекомендованные видео на youtube. А также добиться быстрого продвижения видео на youtube.
https://russia.googleblog.com/2021/09/youtube_15.html
Школа YouTube: https://school.konoden.ru/
Медиасеть #GTRussia http://gtrussia.com
Методички с рекомендациями по составлению эффективных заголовков и потрясающих значков для видео:
https://konoden.ru/nazvaniya
https://konoden.ru/znachki
С вами Денис Коновалов #Konoden, сертифицированный специалист #YouTube. Я работаю на YouTube с 2009 года и сейчас развиваю целый ряд Youtube-каналов, в том числе каналы известных людей.
=================== текст видео ====================
привет сегодня у нас большой очень
важный материал прямо от официального
представительства google в россии как
работают рекомендации на youtube как
работает система позволяющий
видеороликом попадать на главную
страницу в раздел следующие в раздел
рекомендованные видео
этот материал должен знать каждый блогер
каждый ютубер сумочка на статью будет в
описании под этим видео а мы разберем
все детально поехали
рекомендации направляю зрителей приносят
больше половины просмотров на всей
платформе это значительно больше чем
подписки чем поиск или любые другие
источники трафика за пределами
рекомендации этим youtube и отличается
от любой поисковой машины где собственно
из названия понятно что любой контент
находится через поиск youtube сам
предлагает зрителям контент так чтобы их
это заинтересовало что такое система
рекомендаций для новичков если не знают
да рекомендации отображаются в двух
основных разделах это на главной
странице youtube и в панели похожие
рекомендованные видео следующее видео
следующее видео появляется когда вы
смотрите ролик и вам предлагает
дополнительный контент сформированный
внимание на основе информации о том что
вы смотрите в данный момент а также на
основе контента который как google
думает может вас заинтересовать и тут
вот интересная во люция того как youtube
и google представляли контент
потенциально интересны зрителям в начале
когда только система рекомендаций
создавалась разрабатывалась 2008 году
она работала не так как сейчас в
частности если вы смотрите к примеру
кулинарное видео то
было бы странно по современным
представлением видеть в рекомендациях
какой-то просто популярный контент
спортивный музыкальный потому что у него
больше просмотров и значит раз его
смотрят наверное он вам понравиться но
тем ни менее раньше это случалось когда
модель ранжирование построение
рекомендаций строилась на количестве про
смотрим и популярные ролики попадали в
порочный круг когда у ролика уже много
просмотров его рекомендуют другим
зрителям потенциальным тоже он набирает
еще больше просмотров и популярность
замыкается сама в себе
соответственно ранние годы сервиса
грешили такой проблемой когда видео
отбирались исходя из их популярности и
группировались на одной странице мало
кто смотрел в такие рекомендации большую
часть просмотров youtube в то время в
раннее время приносил поиск и внешние
ссылки и поэтому те так скажем
оптимизаторы seo-шники которые
занимались всегда поисковыми системами
или ранним ютюбом они считают до сих пор
что нужно попадать в топ поиска чтобы
набирать просмотры хотя это далеко
далеко не так и мы переходим к
современные модели работы системы
рекомендаций сегодня систему
классифицирует миллиарды видео чтобы
подобрать контент соответствующий именно
вашим интересам то есть фактически
youtube становится индивидуальным для
каждого отдельно взятого зрителя то есть
грубо говоря нам дают свою песочницу и
если вы смотрите такой-то вот такой to
content то вам будут подсовывать то что
потенциально вас заинтересуют подробнее
как он горит мы обнаружили что я смотрю
ролик с лучшими моментами футбольного
матча университет южной калифорнии и
предположили что и другие спортивные
подборки того времени с подобными
командами будут интересны без системы
рекомендаций зритель бы мог и никогда и
не найти такой контент он бы мог даже не
задуматься о том что стоит такой контент
поискать но youtube ему предложил этот
контент показал и поэтому зритель залип
и смотрит в отличие от других платформ
youtube не подбирая для пользователей
контент на основании их социальной
активности это очень важно вместо этого
успешность рекомендации на youtube
зависит от того насколько точно
платформа и алгоритмы youtube могут
предсказать желание зрителей вот эта
модель предсказание она принципиально
важно и она является главной
коммерческой тайной компании google
youtube
для того чтобы удерживать внимание
аудитории на платформе чтобы это сделать
чтобы предсказывать интересы система
отталкивается от зрительских привычек
которые уникальны для каждого зрителя на
тем не менее имеет определенные паттерна
и повторяемость система сравнивает ваши
действия в сервисе с поведением других
похожих на вас людей и на основании этой
информации предлагает вам контент
который может вас заинтересовать
знаете вспоминается философское
высказывание что все уже было придумано
до нас и что когда мы считаем что наши
проблемы уникальны мы ошибаемся уже
многие поколения людей через это
проходили так вот эту гениальную мысль
youtube использует в работе своих
алгоритмов потому что как бы мы не
считали себя сверху уникальной
творческой личностью это в нормальном
смысле я тут без претензии да но все
равно найдутся люди у которых есть
подобные же интересы нашим и
соответственно анализируя поведение этих
людей и выстраивая вот эти бихевиорист
тические модели и модели предсказания
поведения система дает нам в
рекомендации контент который мы сами еще
не додумались искать мы даже не знали
что он есть на платформе но система
считает ага вот это его конкретно может
заинтересовать очень даже вероятно
покажу посмотрю как он себя поведет
предположим вам нравится смотреть видео
про теннис алгоритмы определяют что
другие зрители которым тоже нравятся
ролики про теннис с удовольствием
смотрят видео про джаз вероятно в ваших
рекомендациях после этого появятся
ролики с джазовой тематикой даже если вы
никогда не искали и никогда не смотрели
ролики про джаз есть исключение для
новостных информационных разделов
принцип работы рекомендаций иной об этом
будет чуточку позже это очень важно для
авторов новостных информационных каналов
как собираются рекомендации если вы
зайдёте в аккаунт вашего youtube канала
и посмотрите настройки вы увидите там
настройки конфиденциальности
вы можете самостоятельно включать или
отключать доступ к этим данным хотите
предоставить например вы можете удалять
и редактировать или отключать историю
поиска и просмотров на youtube вы можете
скрывать ваши предпочтения то есть
увеличить либо уменьшить долю информации
которая собирается ютюбом но помните что
даже если вы смотрите без авторизации из
анонимного казалось бы аккаунта youtube
все равно собирает огромное количество
данных которые используются для
персонализации контента
рекомендованного вам к просмотру как в
рамках одной сессии так и вероятно в
межсессионный период это же и не для
кого не секрет что google с его
мощностям его алгоритмами и объемом
информации который у него есть доступ
может определить каждого из нас с вами
откуда мы и как бы мы не заходили это
интернет грубо говоря это современные
реалии и с этим приходится жить дальше
как же все-таки персонализируется
рекомендации youtube собирает огромное
количество сигналов 80 миллиардов
информационных объектов которые они
называют своих алгоритмах сигналами
чтобы объяснить работу системы
рекомендации нужно не только объяснить
принципы их работы но и рассказать какие
данные используются чтобы определить
предпочтение алгоритмы youtube принимают
во внимание множество сигналов это и
нажатия и время просмотра и результаты
опросов и ссылки на контент
а также отметки нравится не нравится
короче куча-куча поведенческих факторов
наших с вами теперь о некоторых из них
подробнее клики когда вы кликаете на
ролик с большой вероятностью это говорит
о том что он покажется вам интересным
капитан очевидность вряд ли вы станете
нажимать на то что не хотите смотреть ну
как знать как знать однако в 2011 году
выяснили что даже если пользователь
кликнул на ролик это не значит что он
его посмотрел и в одиннадцатом
двенадцатом году произошло одно из самых
масштабных обновлений работы алгоритмов
youtube тогда система ранжирования были
перестроены количество просмотров на
суммарное время просмотра и уже в
четырнадцатом году
присоединилась динамика трафика в первые
часы то есть тогда уже произошло
приближении к современной модели учета
ранжирования видеороликов собственно
ввели такой параметр который стал решать
как время просмотра анализируя какие
видео вы смотрели как долго вы их
смотрели система получает
персонализированные сигналы о том какой
контент вам скорее всего понравится
поскольку если вы кликнули на контент
мог сработать просто эффект кликбейта и
есть отдельный ролик oklick bt он у нас
выйдет скоро на канале than 1 не
пропустите
есть кликбейты 1 2 типа об этом мы
поговорим отдельно но короче если вас
ввели в заблуждение вы кликнули но ролик
не оправдал ваши ожидания такой ролик не
будет ранжироваться ютюбом положительно
это не будет работать потому что время
просмотра было не с кем бы быстро
закрыли такой контент время просмотра
покажет намного достовернее какой
контент вас заинтересовал когда youtube
впервые стал учитывать время просмотра
при подборе рекомендаций удивительно но
количество просмотров мгновенно упала на
20 процентов однако специалисты google и
youtube верят что намного важнее
предоставлять зрителям интересный
контент польза от просмотра разных видео
может отличаться и здесь кстати вступают
в дело еще один корректирующий слой
работу алгоритмов результаты опросов
когда вы смотрите ролик периодически вам
выскакивает окошечко с опросом например
помните ли вы такой видеоролик на
сколько он там
дом для вас интересен и вы можете
ответить да там соответствовать мы
соответствуем и им ожиданием да там пять
звезд например 4 звезды или не помню
такой ролик или что то еще поставить эти
опросы корректируют работу алгоритмов
индивидуально для вас и более того
вносят понимание в общую систему чтобы
определить довольны ли зрители контентом
которые не смотрят учитываются так
называемое ценное время просмотра это
тоже алгоритмическое понятие это время
которое вы сами оцениваете как
проведенное с пользой ценное время
просмотра определяется с помощью опросов
где пользователь ставит видео оценку по
шкале от 1 до 5 так можно понять доволен
ли зритель контентом если пользователь
ставит видео одну или две звезды мы
спрашиваем что ему не понравилось
говорит google а если четыре или пять
что оказалось полезным при подсчете
ценного времени просмотра учитываются
только те ролики которым вы поставили
четыре или пять звезд опять учитываются
они для вас но важно понимать что каждый
отдельно взятый фактор не является
определяющим и есть байес и так
называемое заблуждение добросовестные
есть комплексные факторы и есть и ошибки
в работе системы ну к примеру
элементарно не все пользователи проходят
опрос после просмотра каждого ролика и
некоторые просто закрывают опросы на
основе ответов которые системы получает
модель машинного обучения учиться
предсказывать возможные оценки то есть
уже по вашему поведению системы
предполагает да вот этому ролику он
скорее всего поставить четыре или пять
звезд вот здесь скорее всего одну звезду
и смотрят ага так что он ответит чтобы
проверить точность прогнозов специально
исключаются из задания для обучения
часть уже выставленных пользователями
оценок это позволяет проверить насколько
полученные с помощью системы данное
соответствует реальным ответом следующий
пункт ссылки на контент а также нравится
не нравится ну и когда делятся контентом
обычно если пользователь делится роликом
ли ставит отметку нравится это означает
что он доволен этим контентом система
использует эту информацию чтобы
предсказывать вероятность того что вы
поделитесь следующими роликами или
поставить отметку нравится когда вы
нажимаете не нравится это сигнал что
контент не показалось отлично вам
интересным однако как и везде один
отдельно взятый фактор не учитывается
вот сейчас тоже важное дополнение многие
думают но там поставлю дизлайк мне не
будет больше этот контент показываться
но по сути это не так потому что как в
случае с рекомендациями значимость
каждого сигнала зависит от вас вы сами
можете обесценить какие-то сигналы по
каким-то наоборот добавить значимость в
отношении вас при работе алгоритмом если
вы делитесь всеми просмотрены myvideo
даже теме которыми поставили одну или
две звезды система не будет учитывать
отправленные вами ссылки на контент при
подборе рекомендации поэтому он горит мы
не базируется на чётких правилах
адаптируются к вашему поведению но зато
очень важно алгоритмы youtube в
отношении каждого конкретно взятого
зрителя не базируются на чётких правилах
они адаптируются к его поведению еще
очень важный момент нельзя анализировать
эффективность своего канала пользуясь
зрительскими инструментами потому что
все это есть отражение работы алгоритмов
youtube в отношении вас как бывает
ситуация
пользователь со своего аккаунта вбивает
что-то в поиске говорит у меня вот так
здесь нет там моего ролика выдач либо он
на первом месте но это для вас так для
другого зрителя будет по-другому у вас
есть youtube analytics инструмент
который показывает объективную картину
не подменяете эти понятия теперь что
касается новостного информационного
контента для такого контента очень важен
контекст здесь очень важно качество
роликов и их правдивость соответствия
действительности потому что кто-то может
поставить высокую оценку ролику где
утверждается что земля плоская это не
значит что youtube будет рекомендовать
подобный некачественный контент и сейчас
ведется разработка систем которые
препятствуют распространению фэйков и
различных потеряв запрещенных принципами
сообщества youtube youtube все больше
уделяют внимание проверки информации и
минимизации вероятности того что зрители
столкнуться с сомнительным контентом как
минимум три больших этапа на пути
становления этой системы в 2011 году
youtube на чем ограничивать
распространение некачественного контента
с помощью рекомендаций тогда были
разработаны классификаторы позволяющие
распознавать и исключить из рекомендаций
видео содержащая контент для взрослых и
насилия в 2015 году youtube обратим
внимание что на главной странице
показывается много нарочито сенсационных
материалов от таблоидов и принял меры
чтобы убрать этот критик кричащий
контент через год в шестнадцатом
научились прогнозировать вероятность
того что видео показана
несовершеннолетние в опасных ситуациях
стали удалять такие ролики из
рекомендаций в 2017 году начали
оценивать работу машинного обучения
отслеживая справедливость систему по
отношению к социально уязвимым лицам
последние годы увеличилось количество
недостоверной информации на платформе
куча фэйков куча спекуляций и
провоцирующего контента поэтому
продолжается доработка системы
рекомендаций чтобы она могла
обрабатывать видео с неверными данными а
также спорный контент это контент
который напрямую не нарушает принципы
сообщества
технически но тем не менее это материалы
ложного характера в конспирологические
теории например о том что высадка
человека на луне была сфальсифицирована
или ролики чеснок лекарство от всех
болезней для апельсиновый сок может
лечить рак то есть фейки и опасный
контент который может навредить людям
youtube отделяет проверенный контент от
пограничного при помощи классификаторов
оценку качества информации в ролике
осуществляют специалисты которых
привлекают для этих задач и которые
обучаются по общедоступным правилам
также youtube обращает внимание на
привлечение сертифицированных экспертов
например врачей при оценке контента
касающегося здоровье и здесь как же
формируется
авторитетность контента и тоже сложная
задача чтобы определить авторитетность
контента специалисты по оценке отвечают
на несколько ключевых вопросов материал
отвечает заявленной цели какой уровень
оссификации требуется чтобы понять смысл
видео какая репутация у выступающего в
ролике человека и канала на котором оно
опубликовано
какова основная тематика видео будь то
новости спорт история наука и так далее
контент задуман как сатирический или нет
ответы на эти и другие вопросы помогают
понять насколько видео заслуживает
доверие чем высшая оценка тем выше
вероятность что ролик будет продвигаться
в системе рекомендаций пограничные видео
определяются специалистами и
отмечаются факты присутствия неточного
вводящего в заблуждение
оскорбительного не толерантного реально
или потенциально вредоносного контента и
ряд других факторов на основании этих
результатов определяется вероятность
того содержит ролик вредоносную
информацию или пограничный контент или
нет видео которое массе фиксируется как
пограничный контент удаляются из системы
рекомендаций то есть иногда попадают в
теневой бан понимание работы принципов
рекомендаций на youtube необходимо
каждому ютуберу я надеюсь что вы
осознали важность понимания тех аспектов
которые озвучены в этой статье и будете
строить работу с вашим каналом исходя из
этих принципов давайте резюмируем кратко
на что следует обращать внимание цепочки
рекомендованного контента и понимания
интересов вашей целевой аудитории когда
вашим зрителям рекомендуется не только
контент в рамках той же тематики но и по
системе предсказаний и поведенческой
модели будет рекомендоваться тот контент
который интересен людям с подобными же
интересами из подружек на платформе вы
можете сами видеть что иногда вы
смотрите какие то контент и вам
всовывает ролик и пишет что этот контент
интересен кто тем кто смотрит канал
канады например плюс в аналитике есть
похожие каналы которые соотносятся с
вашим вы можете это внести в
конкурентный анализ
затем очень важно понимать поведенческие
факторы как зрители ведут себя на
платформе чёрным понимать по каким
принципам контент продвигается и
ранжируется в системе рекомендаций важно
избегать
пограничных состояний которые могут
выбивать ваши ролики и системы
рекомендаций можно понимать
пользу которую субъективно ощущают
зрители просмотревшие ваш контент это
что система рекомендаций
это по сути
отдельная песочница отдельный youtube
для каждого зрителя и у каждого будут
свои подборки из свои рекомендации до
группирование направленные на тем не
менее
поэтому времена когда youtube всем дает
один ответ на тот же самый ключевой
поисковый запрос одну и ту же модную
страницу давно прошли десять лет назад
сейчас все именно так если данная
публикация была вам полезна лайк этому
видео принимайте во внимание с
оригиналом текста можете ознакомиться по
ссылке в описании мы говорим про youtube
с вами con 1 подписывайтесь пока
[музыка]