youtube演算法是如何工作的？

YouTube擁有超過10億的使用者和數十億小時的影片，YouTube的演算法能夠在你訪問網站時提供你想看的內容，這一事實證明了軟體工程的重要性。那麼，它是如何工作的呢？...

YouTube擁有超過10億的使用者和數十億小時的影片，YouTube的演算法能夠在你訪問網站時提供你想看的內容，這一事實證明了軟體工程的重要性。那麼，它是如何工作的呢？

簡而言之：沒有人知道細節，在某種程度上，甚至連YouTube都不知道。YouTube的演算法使用機器學習來推薦影片，這意味著我們沒有既定的規則可以告訴你。此外，谷歌不會告訴我們，因為這會導致人們利用他們。

我們所知道的

當你訓練一個機器學習模型時，你給它一堆輸入，然後根據它們的正確程度對它的建議輸出進行排序。

這是一個非常簡單的例子。假設你想訓練一個人工智慧來區分貓和狗的圖片。基本上，你會給一個人工智慧一堆貓和狗的圖片，讓它開始選擇，然後得分，如果它回答正確。它越正確，就越善於選擇。結果是一臺能識別貓和狗的機器。這個訓練使用一個度量來判斷結果；在我們的例子中，是cat-o-meter，或者說影象的百分之幾確實是cat。

YouTube使用的指標是觀看時間，即使用者在影片上停留的時間。這是有道理的，因為YouTube不希望人們到處尋找影片觀看，因為這是他們的工作更多，花在觀看上的時間更少。

不過，這比“你看了多長時間的影片”要微妙得多。該演算法考慮了許多不同的因素，並對它們進行了相應的排序：觀眾保留率、點選印象、觀眾參與度，以及其他一些我們從未見過的幕後因素。然後YouTube會根據你的個人資料來調整這些因素，這樣就可以推薦你更有可能點選的影片。

從中得到什麼

如果你是一個有抱負的YouTuber，兩個主要的工作是最大化你的平均瀏覽時間，最大化你的點選率。以下面的倒金字塔為例。

YouTube在主螢幕和“建議”選項卡上向一群人推薦你的影片。就我而言，我有將近75萬個印象。這看起來不錯，但只有一小部分人點選了你的影片。這個分數叫做點選率，它是以百分比來衡量的（你可以在我的例子中看到，我的點選率是4.0%）。檢視圖顯示了點選的實際人數。

一旦有人點選了影片，YouTube就會測量這些人觀看影片的時間。

你可以理解為什麼如此多的YouTube創作者使用clickbait標題和縮圖（以獲得點選率）以及冗長的影片（以延長保留時間）。這是許多YouTube創作者的兩個非常惱人的特點，但是嘿，怪演算法吧。

案例研究

讓我們看看兩個大通道，它們採用不同的方法來處理演算法。第一種是原始技術，一個由一個傢伙管理的頻道，他走進荒野，不用工具就可以建造東西。他所有的影片都很長，但始終保持著良好的參與度，這是一個相當大的成就，因為沒有旁白。這個事實意味著他可能有一個非常高的平均檢視持續時間，這在演算法的眼睛是好的。

因為他一個月只**一個影片，所以他有超過800萬的訂戶，這是令人驚訝的。這可能是因為長時間的影片間隔創造了一種新的感覺時，下一個下降。他的影片是標誌性的，每當他們出現在我的飼料，我幾乎總是點選他們。我猜其他人也有同樣的感受，所以他可能也有很高的點選率。

第二個頻道採取了一種稍微令人討厭的方式。BCC Trolling是Fortnite的一個“搞笑時刻”頻道，它從流行的流媒體上擷取片段，並將其編輯成每日影片。在過去的一年裡，他們已經掌握了這個演算法，使用者數量激增到730萬。為了最大限度地延長觀看時間，他們把影片的標題剪輯放在影片中間的某個地方，強迫人們先看一段時間，然後再去看他們點選的剪輯，基本上讓他們對影片“上癮”。正因為如此，他們的手錶時間更高。

他們還擅長點選誘餌的縮圖和標題，在許多影片的所有大寫字母中新增“NEW”，並且總是有彩色的縮圖，這些縮圖通常是定製的，而且往往非常容易引起誤解。但是，它們並不是明顯的點選誘餌；影片確實傳遞了標題，但它只是點選誘餌，足以讓人們點選。

這是密件傳來的最重要的一點：如果你要點選誘餌，你的縮圖，微妙地去做。在標題中直截了當地撒謊常常會讓人生氣，而且可能會產生你想要的相反效果。

不管怎樣，你都應該找到適合你的方法，並利用它為你帶來好處。繼續關注時間和點選率，但要堅持你的格式，不要讓演算法支配你的內容。