Hoe werkt het YouTube-algoritme?
Met meer dan een miljard gebruikers en miljarden video-uren is het feit dat het algoritme van YouTube levert wat je wilt bekijken wanneer je de site bezoekt, een bewijs van software-engineering. Dus, hoe werkt het?
Het korte antwoord: niemand kent de details, zelfs niet YouTube, tot op zekere hoogte. Het algoritme van YouTube gebruikt machinaal leren om video's te suggereren, wat betekent dat er geen vaste regels zijn die we je kunnen vertellen. Bovendien zou Google ons dat toch niet vertellen, want dat zou ertoe leiden dat mensen ze zouden misbruiken.
Wat we weten
Wanneer je een machine-leermodel traint, geef je het een heleboel input en rangschik je de voorgestelde outputs op hoe goed ze zijn.
Hier is een zeer versimpeld voorbeeld. Stel dat je een AI wilde trainen om het verschil te zien tussen foto's van katten en honden. In wezen zou je een AI een stapel foto's van katten en honden geven, laten beginnen met kiezen en het dan goed scoren als het correct antwoordt. Hoe meer het correct wordt, hoe beter het wordt bij het kiezen. Het resultaat is een machine die honden en katten kan identificeren. Deze training gebruikt een statistiek waarmee resultaten worden beoordeeld; in ons geval is de kat-o-meter, of welk percentage van het beeld inderdaad kat is.
Het gebruikte YouTube-gebruik is kijk tijd-hoe lang gebruikers in de video blijven. Dit is logisch omdat YouTube niet wil dat mensen rondkijken op zoek naar video's om te bekijken, want dat is meer werk aan het einde en minder tijd aan kijken.
Het is veel genuanceerder dan alleen 'hoe lang je een video hebt bekeken'. Het algoritme houdt rekening met veel verschillende factoren en rangschikt ze dienovereenkomstig: kijkersretentie, vertoningen tot klikken, kijkersbetrokkenheid en enkele andere factoren achter de schermen die we nooit te zien krijgen. YouTube past deze factoren vervolgens aan je profiel aan, zodat deze video's kan voorstellen waarop je waarschijnlijk sneller klikt.
Wat moet je hiervan weg doen
Als u een ambitieuze YouTuber bent, zijn de twee belangrijkste dingen om aan te werken uw gemiddelde weergaveduur te maximaliseren en uw klikfrequentie te maximaliseren. Neem de volgende omgekeerde piramide.
YouTube stelt je video voor aan een aantal mensen, op het startscherm en op het voorgestelde tabblad. In mijn optiek heb ik bijna 750 duizend impressies. Dat lijkt redelijk goed, maar slechts een fractie van die mensen klikt op je video. Deze breuk wordt je klikfrequentie genoemd, en deze wordt gemeten als een percentage (je kunt in mijn voorbeeld zien dat ik een klikfrequentie van 4,0% heb). De afbeelding Weergaven toont het werkelijke aantal mensen dat heeft doorgeklikt.
Nadat iemand op de video heeft geklikt, meet YouTube vervolgens de hoeveelheid tijd die mensen hebben besteed aan het bekijken van de video's.
U kunt zien waarom zoveel YouTube-videomakers clickbait-titels en -miniaturen gebruiken (om die doorklikmogelijkheden te krijgen) en lange, uitgesponnen video's (om de retentietijd te verlengen). Dit zijn twee zeer vervelende eigenschappen van veel YouTube-videomakers, maar hey, geef het algoritme de schuld.
Een case study
Laten we eens kijken naar twee grote kanalen met verschillende benaderingen om het algoritme aan te pakken. De eerste is Primitive Technology, een kanaal dat wordt gerund door een man die de wildernis intrekt en dingen bouwt zonder gereedschap. Al zijn video's zijn erg lang, maar houden gedurende die hele lengte een goed niveau van betrokkenheid in stand - een hele prestatie want er is geen vertelling. Dit feit betekent dat hij waarschijnlijk een zeer hoge gemiddelde weergaveduur heeft, wat goed is in de ogen van het algoritme.
Omdat hij maar één video per maand maakt, is het verrassend dat hij meer dan 8 miljoen abonnees heeft. Dit komt waarschijnlijk omdat de lange tijd tussen video's een gevoel van iets nieuws creëert wanneer de volgende valt. Zijn video's zijn iconisch en wanneer ze in mijn feed verschijnen, klik ik er bijna altijd op. Ik vermoed dat anderen hetzelfde denken, dus hij heeft waarschijnlijk ook een hoge klikfrequentie.
Het tweede kanaal heeft een iets scummere aanpak. BCC Trolling, een Fortnite "Funny Moments" -kanaal, neemt clips van populaire streamers en bewerkt ze in dagelijkse video's. In het afgelopen jaar hebben ze het algoritme onder de knie en schoten tot 7,3 miljoen abonnees. Om de weergavetijd te maximaliseren, plaatsen ze de titelclip van de video ergens midden in de video, waardoor mensen deze een tijdje moeten bekijken voordat ze naar de clip gaan waarop ze hebben geklikt, waardoor ze in feite 'verslaafd' zijn aan de video. Hierdoor is hun weergavetijd hoger.
Ze zijn ook uitstekend geschikt voor clickbait-miniaturen en -titels, waardoor * NEW * in alle hoofdletters wordt gezet in veel video's en altijd met kleurrijke miniaturen die meestal op maat gemaakt zijn en vaak erg misleidend zijn. Maar het zijn geen voor de hand liggende clickbait; de video's leveren weliswaar de titel op, maar het is gewoon clickbait genoeg om mensen te laten klikken.
Dit is het belangrijkste om BCC weg te nemen: als je op je thumbnails klikt, doe het dan subtiel. Door regelrechte leugens in de titel te plaatsen, worden mensen vaak boos en heeft u misschien het tegenovergestelde effect.
Hoe dan ook, u moet vinden wat voor u werkt en dat in uw voordeel gebruiken. Houd rekening met de weergavetijd en de klikfrequenties in de toekomst, maar houd je aan je indeling en laat het algoritme je inhoud niet dicteren.
