تولید محتوا
لهستان – 2023/07/13: در این تصویر تصویری، یک لوگوی یوتیوب که روی یک گوشی هوشمند نمایش داده شده است. … [+] (تصویربرداری عکس توسط Mateusz Slodkowski/SOPA Images/LightRocket از طریق Getty Images)
SOPA Images/LightRocket از طریق Getty Images الگوریتم یوتیوب اغلب به عنوان یک جعبه سیاه مرموز دیده می‌شود که تعیین می‌کند کدام ویدیوها به شهرت می‌رسند و کدام یک در ابهام فرو می‌روند. اما طبق گفته‌های تاد بوپره، که سیستم‌های توصیه یوتیوب را مدیریت می‌کند، این الگوریتم کمتر به دنبال پخش ویدیوهای خاص است و بیشتر در مورد ارتباط بینندگان با محتوایی است که از آن لذت می‌برند. در یک گفتگوی کنار آتش در VidSummit 2024 هفته گذشته، Beaupré به عملکرد درونی موتور توصیه YouTube اشاره کرد و بینش‌های ارزشمندی را برای سازندگان و بینندگان ارائه کرد.
رویکرد بیننده محور برخلاف تصور رایج، الگوریتم یوتیوب زمانی که یک سازنده ویدیویی را آپلود می کند فعال نمی شود. همانطور که Beaupré توضیح می‌دهد، «آنچه الگوریتم را در صفحه اصلی یا در جستجو یا در پیشنهادات بعدی فعال می‌کند، زمانی است که یک بیننده به YouTube می‌آید». هدف این رویکرد بیننده محور یافتن بهترین محتوا برای هر کاربر در آن لحظه است.
بوپره ادامه می دهد: “ما از آنچه در مورد شما می فهمیم استفاده خواهیم کرد.” “ما تاریخچه تماشای گذشته، اشتراک‌های شما، لایک‌های شما را درک می‌کنیم و سعی می‌کنیم چند ویدیو را انتخاب کنیم.”
فوربس تام بیلیو از سازندگان می خواهد که با چشم انداز در حال تغییر AIBy Ian Shepherd تطبیق دهند.
اطلاعات بیشتر از FORMFORBES ADVISORبهترین حساب‌های پس‌انداز پربازده در سال 2024 توسط کوین پین مشارکت‌کننده بهترین حساب‌های پس‌انداز سود 5 درصدی 2024 توسط ByCassidy HortonContributor1. توصیه‌های مبتنی بر هدف: “اولین توصیه بیشتر شبیه این است که شما ممکن است به آن به عنوان مبتنی بر هدف اشاره کنید، جایی که، اگر به آن فکر کنید، اگر الگوریتم بودید، و مسئول دریافت ویدیو برای یک کاربر بودید، چگونه به دنبال ویدیوهایی برای توصیه می‌شوید؟»
2. فیلتر کردن مشارکتی: Beaupré این را به عنوان “شفاه دهی خودکار” توصیف می کند. او توضیح می‌دهد، “شفاهی زمانی است که کسی در مورد چیزی که دوست دارد به دیگران می‌گوید، درست است؟ مثل، اوه، من این فیلم را تازه دیدم. آیا شما آن را تا به حال دیده‌اید؟ و فیلتر مشترک چه کاری انجام می‌دهد این است که آن را خودکار می‌کند.”
3. الگوریتم های یادگیری عمیق: Beaupré می گوید: “بخش سوم بسیار پیچیده تر است و از الگوریتم های پیشرفته یادگیری ماشینی استفاده می کند که ما در یادگیری عمیق استفاده می کنیم.” بهترین راه برای توصیف آن این است که ما می‌توانیم همه چیزهایی را که درباره یک بیننده می‌دانیم برداریم و به نوعی تقطیر کنیم.
فوربس چگونه انقلاب هوش مصنوعی اقتصاد خالق را تغییر می‌دهد توسط ایان شپرد عملکرد در مقابل شخصی‌سازی در حالی که سازندگان اغلب بر معیارهایی مانند نرخ کلیک (CTR) و میانگین مدت بازدید تمرکز می‌کنند، بوپره بر رویکرد ظریف‌تری تأکید می‌کند: “دو مولفه اصلی وجود دارد. من فکر می‌کنم یکی از آنهاست. سازندگان زمان زیادی را صرف تمرکز بر تجزیه و تحلیل خود می کنند، عملکرد است… اما چیزی که واقعاً باعث می شود سیستم به خوبی کار کند، تشخیص این است که بینندگان مختلف ترجیحات متفاوتی دارند.”
او می‌افزاید: «کاری که سیستم هر بار که شخصی یک صفحه اصلی را بارگذاری می‌کند، انجام می‌دهد، این است که برای آن بیننده پیش‌بینی می‌کند که چقدر احتمال دارد روی هر ویدیو کلیک کند، و هر بیننده CTR پیش‌بینی‌شده متفاوت و پیش‌بینی‌های متفاوتی خواهد داشت. میانگین مدت زمان مشاهده.”
FutureYouTube چند زبانه به طور فزاینده ای بر پشتیبانی چند زبانه تمرکز می کند. Beaupré به سازندگانی که به دنبال گسترش بین‌المللی هستند توصیه می‌کند: “ما دیده‌ایم که در حدود 80٪ زمان تماشای یک نقطه اوج وجود دارد. بنابراین اگر به کاتالوگ خود نگاه کنید و به نوعی بر اساس محبوبیت خود نگاه کنید و 80٪ برتر را دوبله کنید. در آن زمان است که به نظر می رسد، می دانید، واقعاً بینندگان را قادر می سازد که از خود اختصاص دهند.”
رد کردن افسانه های رایج 1. “پارادوکس یوتیوب”: Beaupré توضیح می دهد، “این پدیده چیزی است که من گاهی اوقات آن را پارادوکس YouTube یا پارادوکس متریک می نامم، جایی که شما مانند آن هستید، خوب، می دانید، این بهترین ویدیوی من است، فقط 3٪ CTR دارد. ، اما ویدیوی اخیر من 10٪ CTR دارد، اما یوتیوب آنقدر به شما نشان نمی دهد.”
2. ترافیک از ویدیوهای غیرمرتبط: Beaupré توضیح می دهد: “پیشنهاد شده فقط بر اساس ویدئوهای مرتبط نیست. به آن ویدئوهای مرتبط نمی گویند.” “ما می بینیم که در حالی که گاهی اوقات افرادی که در حال تماشای ویدیو هستند می خواهند ویدیوی مشابهی را تماشا کنند، ما نیز چنین فکر می کنیم و در داده ها می بینیم که مردم گاهی اوقات می خواهند کانال آن را تغییر دهند.”
3. تأثیر نماهای خارجی: در مورد نگرانی ها در مورد نماهای خارجی با کیفیت پایین، Beaupré اطمینان می دهد، “ما همچنین می دانیم که زمینه های مختلف مانند صفحه اصلی یا صفحه بعدی یا جستجو عملکرد متفاوتی دارند. و به طور کلی، آنچه ما می خواهیم انجام دهیم برای مثال در صفحه اصلی این است که به خوبی یاد بگیریم، وقتی آن ویدیو را در صفحه اصلی به نوع خاصی از بیننده نشان می دهیم چه اتفاقی می افتد.”
ForbesFrom Rapper تا Creator Economy پیشگام: سرمایه گذاری جدید جسورانه ایگی آزالیا توسط ایان شپرد نقش هوش مصنوعی و مدل های زبان بزرگ یوتیوب از فناوری های هوش مصنوعی مشابه آنچه در چت ربات های پیشرفته استفاده می شود استفاده می کند. Beaupré توضیح می‌دهد: «مدل‌های زبان بزرگ انواعی از نوآوری‌های یادگیری ماشینی هستند که در بسیاری از ربات‌های چت مانند Gemini، Chat GPT… مشاهده می‌کنید و آنچه که ما دریافتیم این است که می‌توانیم این مدل‌ها را نیز برای استفاده از توصیه‌ها تطبیق دهیم. ”
او این پیشرفت را به تفاوت بین یک آشپز تازه کار و یک سرآشپز با تجربه تشبیه می کند: “این فناوری جدید آشپز را قادر می سازد تا واقعاً در مورد نحوه آشپزی یاد بگیرد، نه صرفاً به خاطر سپردن دستور العمل ها.”
توصیه برای CreatorsBeaupré توصیه اصلی برای سازندگان، تمرکز بر مخاطب است: “روی مخاطبان خود تمرکز کنید و ارزشی که برای آنها دارید را درک کنید، زیرا در نهایت این چیزی است که ما به آن گوش خواهیم داد.”
او همچنین به اهمیت روزافزون محتوای طولانی‌تر، به‌ویژه در صفحه‌های تلویزیون اشاره می‌کند: «ما شاهد رشد زیادی با ویدیوهای طولانی‌تر، به‌ویژه در تلویزیون‌ها بوده‌ایم، بنابراین به این فکر کنید که محتوای شما در تلویزیون چگونه به نظر می‌رسد، اما همچنین قالب بندی محتوای شما.”
Beaupré به سازندگان پیشنهاد می‌کند که بر اساس نمایش‌ها یا سریال‌ها فکر کنند: «به این فکر کنید که محتوای خود را شبیه نمایش‌ها و قالب‌هایی که قرار است برای مردم قابل تشخیص باشد، بسته‌بندی کنید، آن را در دسترس‌تر کنید».
آینده YouTube همانطور که YouTube در حال تکامل است، هدف ثابت باقی می ماند. همانطور که بوپره می گوید: “در نهایت آنچه مهم است این است که بیننده بخواهد آن ویدئو را تماشا کند.” این پلتفرم همچنان به بهبود توانایی خود در درک تفاوت های ظریف محتوا و ترجیحات بیننده ادامه می دهد، همیشه با هدف ایجاد ارتباطات معنادار بین سازندگان و مخاطبان آنها.
هم برای سازندگان و هم برای بینندگان، درک این اصول می‌تواند به تجربه لذت‌بخش‌تری از YouTube منجر شود. همانطور که Beaupré نتیجه می گیرد، “همه ما انگیزه داریم که ویدیوها را به بینندگان مناسبی که می خواهند آنها را ببینند، برسانیم.” در پایان، الگوریتم YouTube کمتر در مورد بازی کردن سیستم است و بیشتر در مورد تسهیل کشف محتوای ارزشمند برای هر بیننده منحصر به فرد است.
من را در توییتر یا لینکدین دنبال کنید. وب سایت من را بررسی کنید. Ian ShepherdFollowingIan Shepherd یک کارآفرین و سرمایه گذار اقتصاد خالق است. او یکی از بنیانگذاران و یکی از مدیران اجرایی Electrify Video Partners است، شرکتی که ده ها میلیون دلار در برخی از بزرگترین تولیدکنندگان محتوا سرمایه گذاری می کند. او همچنین میزبان Business of Creators است، یک پادکست پیشرو و شبکه اقتصاد سازندگان که شامل سازندگان، مدیران، سرمایه گذاران و کارآفرینان است. او 25 سال تجربه تجاری دارد که قبلاً یک کسب و کار اقتصاد خلاق ساخته و فروخته است و سمت های اجرایی در دیزنی، یونیورسال موزیک و وارنر مدیا داشته است.”>