Механизм рекомендаций — это тип инструмента фильтрации данных, использующий алгоритмы машинного обучения, чтобы рекомендовать наиболее релевантные элементы конкретному пользователю или клиенту. Он работает по принципу поиска закономерностей в данных о поведении потребителей, которые могут быть собраны неявно или явно.
Механизмы рекомендаций в наши дни повсюду. Фактически, некоторые из крупнейших брендов, с которыми мы взаимодействуем каждый день, основаны на одном, включая Netflix, Amazon, Google и Good reads. Тридцать пять процентов покупок на Amazon совершаются по рекомендациям товаров.
Netflix использует механизм рекомендаций, чтобы предлагать зрителям фильмы и шоу. Amazon, с другой стороны, использует механизм рекомендаций, чтобы предлагать клиентам рекомендации по продуктам. Хотя каждый из них использует один для немного разных целей, оба преследуют одну и ту же цель: стимулировать продажи, повышать вовлеченность и удержание, а также предоставлять более персонализированный опыт работы с клиентами.
В прошлом рекомендации исходили от продавца или друзей и семьи. Сегодня мы передали эту задачу в руки или умы алгоритмов. В качестве маркетингового инструмента можно сказать, что эти машины хорошо обучены искусству дополнительных и перекрестных продаж.
Но вопрос, который нас всех интересует, заключается в том, как работал механизм рекомендаций YouTube на протяжении десятилетий?
Люди во всем мире ежедневно просматривают более 1 миллиарда часов видео на YouTube — от видео о кошках до видео для кошек. Алгоритм YouTube — это система рекомендаций, которая решает, какие видео YouTube предлагает этим более чем 2 миллиардам пользователей. В связи с этим у маркетологов, влиятельных лиц и создателей возникает важный вопрос: как заставить алгоритм YouTube рекомендовать ваши видео и помочь вам заработать больше лайков?
По словам основателя Джаведа Карима, YouTube был создан в 2005 году для краудсорсинга видео с печально известным выступлением Джанет Джексон и Джастина Тимберлейка на Суперкубке. Поэтому неудивительно, что в течение многих лет алгоритм YouTube рекомендовал видео, которые привлекли наибольшее количество просмотров или кликов.
В 2012 году YouTube изменил свою систему рекомендаций, чтобы поддерживать время, потраченное на просмотр каждого видео, а также время, проведенное на платформе в целом. Когда люди находят видео ценными и интересными (по крайней мере, так гласит теория), они смотрят их дольше, возможно, даже до конца.
Это привело к тому, что некоторые создатели попытались сделать свои видео короче, чтобы повысить вероятность того, что зрители досмотрят их до конца, в то время как другие сделали свои видео длиннее, чтобы увеличить общее время просмотра. YouTube не поддержал ни одну из этих тактик и сохранил линию партии: делайте видео, которые ваша аудитория хочет смотреть, и алгоритм вознаградит вас.
Тем не менее, как знает любой, кто когда-либо проводил время в Интернете, потраченное время не обязательно эквивалентно качественно проведенному времени. YouTube снова сменил курс.
В 2015 году YouTube начал измерять удовлетворенность зрителей непосредственно с помощью опросов пользователей, а также отдавать приоритет показателям прямого отклика, таким как репосты, лайки и дизлайки и, конечно же, особенно жесткая кнопка «не заинтересован».
В 2016 году YouTube выпустил технический документ, описывающий внутреннюю работу своего искусственного интеллекта, глубоких нейронных сетей для рекомендации YouTube.
Короче говоря, алгоритм стал более личным. Цель состояла в том, чтобы найти видео, которое хочет посмотреть каждый конкретный зритель, а не просто видео, которое многие другие люди, возможно, смотрели в прошлом.
В результате в 2018 году директор по продуктам YouTube упомянул на панели, что 70% времени просмотра на YouTube тратится на просмотр видео, рекомендованных алгоритмом.
Но теперь, в 2021 году, алгоритм YouTube выбирает видео для зрителей с двумя целями: найти подходящее видео для каждого зрителя и побудить их продолжать просмотр. Когда мы говорим об «алгоритме», мы говорим о трех связанных, но немного разных системах отбора или обнаружения.
- Тот, который выбирает видео для главной страницы YouTube.
- Тот, который ранжирует результаты для любого заданного поиска.
- Тот, который выбирает предлагаемые видео для просмотра зрителями.
YouTube говорит, что в 2021 году домашняя страница и предлагаемые видео обычно являются основными источниками трафика для большинства каналов. За исключением объяснительных или обучающих видео (например, «как настроить велосипед»), которые вместо этого часто получают больше всего трафика из поиска.
Как YouTube определяет алгоритм?
Сигналы ранжирования YouTube использует, чтобы решить, какие видео показывать людям.
Каждый источник трафика немного отличается. Но, в конечном счете, на количество просмотров вашего видео влияет сочетание.
- Персонализация (история и предпочтения зрителя).
- Производительность (успех видео).
- Внешние факторы (общая аудитория или рынок).
Как YouTube определяет алгоритм своей домашней страницы?
Каждый раз, когда человек открывает свое приложение YouTube или вводит запрос на YouTube.com, алгоритм YouTube предлагает разнообразный набор видео, которые, по его мнению, этот человек может захотеть посмотреть. Этот выбор часто широк, потому что алгоритм еще не разобрался, чего хочет зритель: акустические каверы на поп-песни, Вдохновляющие выступления против прокрастинации, Догнать любимого опоссум-блогера.
Как YouTube определяет предлагаемый алгоритм видео?
Рекомендуя видео для последующего просмотра, YouTube исходит из несколько иных соображений. После того, как человек посмотрел несколько видеороликов во время визита, алгоритм имеет более полное представление о том, чем человек интересуется сегодня, поэтому предлагает некоторые варианты в правой части экрана. Помимо производительности и персонализации алгоритм, скорее всего, порекомендует.
- Видео, которые часто смотрят вместе.
- Видео по теме.
- Видео, которые пользователь смотрел в прошлом.
Если вам интересно узнать больше о том, как начать карьеру в области машинного обучения и искусственного интеллекта, обязательно ознакомьтесь с нашими курсами на нашем веб-сайте www.aisciences.io.
Следите за нами здесь, чтобы не пропустить больше статей, которые помогут вам начать карьеру в науке о данных и искусственном интеллекте и не только! Заботиться.
