Текст книги "Формула YouTube. Все, что необходимо знать, от старта канала до вирусного контента"

Создатели видео и компании смогут активно продвигать себя и добиваться успеха на YouTube, если будут понимать свою роль в его экосистеме и механизмы работы хорошего канала. Это принципиально, если вы хотите достичь высот на платформе. Не пытайтесь играть с системой; постарайтесь соответствовать ее целям, чтобы возникало меньше проблем, и вы могли сосредоточиться на создании хорошего контента.

Для справки: на YouTube-канале Orabrush на сегодняшний день более 38 миллионов просмотров видео. Речь о щетке для чистки языка. Orabrush была приобретена компанией DenTek в 2015 году.

YouTube уравнял возможности на игровом поле для престарелого изобретателя и нескольких студентов из небольшого города. Все они получили доступ к рынку, который до появления YouTube был просто недосягаем для обычных людей. Это буквально изменило траекторию их жизни. Джеффри Хармон стал соучредителем и директором по маркетингу в Orabrush, а затем и соучредителем маркетингового агентства Harmon Brothers вместе со своими тремя братьями. Они создали чрезвычайно успешные онлайн-кампании для PooPourri, Squatty Potty, Purple, Lume и многих других брендов. Все, с кем он запускал ту первую кампанию для Orabrush, также сделали успешную карьеру.

Еще один мой друг, Шей Карл Батлер, начал зарабатывать на YouTube еще в 2006 году и был одним из первых участников Партнерской программы, так что если кто-то и знает, с чего она началась и как изменилась с тех пор, то это он. «Партнерская программа YouTube была такой захватывающей в самом начале, что все, кто знал о ней, хотели урвать кусочек, – вспоминает Шей Карл. – У YouTube было много проблем, которые предстояло решить. В какой-то момент стало казаться, что недовольны все: зрители злились на создателей видео, создатели злились друг на друга, все вместе они злились на YouTube и так далее. Но разработчики платформы успешно устранили перегибы». Кроме личного канала, который Шей Карл запустил в 2006 году, он создал также семейный канал Shaytards, который на сегодняшний день насчитывает примерно пять миллионов подписчиков и является главным источником его доходов.

Более подробно о Партнерской программе поговорим в главе 6.

В условиях «цифровой золотой лихорадки» и роста количества авторов контента, а также рекламодателей, которых они привлекли, YouTube оказался технически не готов к столь массовой аудитории. Вот тут-то и появились многоканальные сети. Они предложили выступить посредником для других участников экосистемы YouTube в обмен на часть прибыли. MCN помогали создателям видео и компаниям увеличить аудиторию, предоставляли ресурсы для производства и возможности для развития бренда. Они подбирали рекламодателям каналы, соответствующие их продуктам или услугам, и занимались управлением правами. Они дали YouTube некоторую передышку и возможность заняться другими делами. Об MCN были как хорошие, так и плохие отзывы, но они во многом облегчили «головную боль» YouTube в те годы, когда распределение доходов от рекламы еще только формировалось.

Недавно я встретился с Джимом Лаудербэком, генеральным директором VidCon и бывшим генеральным директором MCN-компании Revision3. Мы говорили с ним о многоканальных сетях в моем подкасте Creative Disruption. Он рассказал, как MCN в первые годы повлияли на рост доходов от рекламы на YouTube. Мы обсудили то, как они помогли, и какие проблемы создали. «В конце концов, – сказал Джим, – многие из них не обеспечивали ту ценность, которую обещали. Они привлекли слишком много авторов видео и брендов, чтобы управлять ими, но дохода не хватало на всех».

В условиях «цифровой золотой лихорадки» и роста количества авторов контента, а также рекламодателей, которых они привлекли, YouTube оказался технически не готов к столь массовой аудитории.

Как только YouTube стал лучше справляться с техническими операциями, он предложил собственную партнерскую поддержку, чтобы не терять создателей контента из-за внешних MCN. В 2011 году YouTube приобрел компанию Next New Networks, управлявшую многими первыми создателями видео. YouTube был готов вернуть себе контроль и положить эти деньги в свой карман. По этой и другим причинам – например из-за уменьшения количества новых авторов и дохода от просмотров – в последние годы наблюдалось значительное снижение активности многоканальных сетей на YouTube.

Развивающаяся, процветающая система

Очевидно, что Партнерская программа полностью изменила экосистему YouTube. В первые годы своего существования платформа была нестабильной, как минное поле. Ее создатели на собственном горьком опыте убедились, как трудно удержать хрупкое равновесие между правообладателями, зрителями, партнерами и рекламодателями. В истории YouTube были Adpocalypse и Adpocalypse 2.0[7]7
  Так пользователи называли мероприятия платформы по отключению монетизации для каналов, размещавших видео, которое могло потенциально ущемить кого-то в правах. Каналы отключали даже за самые безобидные ролики: разработчики перестраховывались, стараясь избежать любых возможных проблем. – Прим. ред.


[Закрыть], бесчисленные проблемы с алгоритмом, безопасностью данных детей (FTC COPPA[8]8
  Федеральный закон, касающийся неприкосновенности частной жизни, вступивший в действие с 21 апреля 2000 года. Закон также касается сбора персональной информации детей младше 13 лет лицами или организациями под юрисдикцией США. – Прим. пер.


[Закрыть]) и многое другое. YouTube научился справляться с проблемами и оперативно меняться, чтобы угодить всем сразу, но это требовало постоянных усилий.

Когда мы, сделав полный круг, возвращаемся к зрителю, первому элементу экосистемы, то должны понять, насколько он изменился. YouTube делает все для того, чтобы зрителям было интересно. На протяжении многих лет он совершенствовал свою функцию рекомендаций, чтобы точно знать, что захочется посмотреть каждому из них. Ясно, что довольные зрители будут оставаться на платформе дольше, что осчастливит и создателей контента, и рекламодателей. Чем больше зрители смотрят, тем больше денег все зарабатывают. Тысячи изменений, внесенных в алгоритм за эти годы, в буквальном смысле окупились, так что, чем лучше он будет, тем счастливее станут все. Приготовьтесь подробно изучать алгоритм в следующих главах.

Однако YouTube, вероятно, удалось найти нечто особенное, потому что компания показала рост в 31 % за год! В 2020 году она впервые объявила о своих доходах. В 2019 году они заработали 15,15 миллиарда долларов, что почти вдвое больше, чем годом ранее! Это умопомрачительно, как по количеству денег, так и по проценту роста. Люди смотрят на YouTube более пяти миллиардов видео в день. Миллиардов. Чтобы понять, насколько миллиард больше миллиона, подумайте вот о чем: миллион секунд – это примерно 11 дней, тогда как миллиард секунд – 31 с половиной год. А теперь вспомните размер дохода YouTube в 2019 году в 15,15 миллиарда долларов и ахните. А ведь они действительно только начинают.

Ясно, что довольные зрители будут оставаться на платформе дольше, что осчастливит и создателей контента, и рекламодателей. Чем больше зрители смотрят, тем больше денег все зарабатывают.

YouTube возник в 2005 году как сайт знакомств для студентов колледжа в Калифорнии. Теперь он доступен в каждом уголке земного шара на любом устройстве. Примерно треть всего населения Земли регулярно смотрит YouTube. И снова речь идет о миллиардах. Если вначале его зрителями была ограниченная группа людей, то теперь – практически каждый.

Создатели видео и компании смогут активно продвигать себя и добиваться успеха на YouTube, если будут понимать свою роль в его экосистеме и механизмы работы хорошего канала. Это принципиально, если вы хотите достичь высот на платформе. Не пытайтесь играть с системой, а постарайтесь соответствовать ее целям, чтобы возникало меньше проблем, и вы могли сосредоточиться на создании хорошего контента. YouTube экспоненциально вырос с момента своего создания, и его экосистема тоже значительно изменилась. Если вы хотите быть ее частью, то должны понять, как она устроена и как к ней адаптироваться, потому что она будет продолжать меняться. Вы можете интуитивно подстраиваться, анализируя данные, которые предоставляет вам YouTube. Я же покажу, как работает алгоритм, как создавать и корректировать контент, основываясь на показателях его статистики.

Глава 3
Искусственный интеллект YouTube: глубокое машинное обучение

Создатель контента на YouTube, который понимает, что необходимо адаптироваться к данным статистики, но понятия не имеет, как это сделать, похож на садовника, который хочет собирать урожай, не посадив в землю ни одного семени. Стать успешным садовником, равно как и профессионалом на YouTube, не получится в одночасье. Вы должны взять лопату и копать. Вначале на ваших метафорических руках появятся мозоли, но когда мышцы для поиска и анализа данных укрепятся, вы начнете раскапывать сеть подземных соединений, откроете для себя целый мир «как» и «почему» и поймете, что требуется для создания успешного контента.

Создатель контента на YouTube, который понимает, что необходимо адаптироваться к данным статистики, но понятия не имеет, как это сделать, похож на садовника, который хочет собирать урожай, не посадив в землю ни одного семени.

Искусственный интеллект YouTube (ИИ) – это развивающаяся структура в экосистеме, и для ее понимания и использования придется потрудиться, хоть она и достаточно гибкая. Вам также нужно быть гибким, то есть уметь подгонять свои стратегии под то, что работает в настоящее время. Чем лучше вы в этом разбираетесь, тем выше шансы на успех.

Эволюция ИИ

Как современные пользователи YouTube, мы привыкли, что платформа предлагает интересное нам видео без каких-либо подсказок, но так было не всегда. Изначально YouTube был местом, где можно было найти ответы на вопросы (например, как сменить шину) или развлечься (например, посмотреть, как кошки играют на клавиатуре), или посмеяться над детскими видео вроде «Чарли укусил меня за палец»[9]9
  Charlie Bit My Finger – обычное семейное видео, которое почему-то стало вирусным и породило много мемов. С 2007 года его посмотрели 880 миллионов раз. Сюжет прост: годовалый малыш кусает своего трехлетнего брата за палец, а тот возмущается. В 2021 году видео было продано за 780 тысяч долларов. – Прим. ред.


[Закрыть]. Он был построен на более простом алгоритме, который выдавал рекомендации неточно. Но сегодня YouTube имеет сложную систему машинного обучения, которая действительно умеет угадывать, чего хотят люди. Давайте подробнее рассмотрим, как изменился его ИИ со временем и почему это важно для вас.

Примерно в 2011 году YouTube начал вносить системные изменения с одной целью: заставить людей дольше оставаться на платформе. Специалист YouTube, работавший над этой проблемой, обнаружил несколько зияющих дыр в системе. Например, к тому времени огромная часть зрителей начала пользоваться мобильными устройствами, но у платформы не было точной системы отслеживания их поведения. Какой ужас! Еще работать и работать.

С июля 2010 года YouTube тестировал программу под названием Leanback, которая после окончания просмотра видео ставила в очередь следующие видео, готовые к загрузке. Поначалу количество просмотров возросло, но вскоре снизилось. Те же результаты были получены от другой программы ИИ под названием Sibyl.

YouTube объединил усилия с командой проекта по машинному обучению Google Brain, чьи разработки находились на шаг впереди в этой области. Задачей сотрудничества было создание системы, позволяющей максимально долго удерживать зрителей на платформе. 15 марта 2012 года YouTube переключился с алгоритма, учитывающего количество просмотров видео, на алгоритм, который принимал во внимание только продолжительность просмотра. ИИ следовал за каждым зрителем, чтобы убедиться, что подобрал нужный контент. Его функцией также было рекомендовать подобные видео, но не абсолютно похожие. Подобные – это видео на ту же тему, но довольно сильно отличающиеся, такие видео нужны, чтобы сохранить интерес. Абсолютные копии отталкивали зрителей, потому что им приходилось смотреть одно и то же, как будто на повторе.

Другими словами, зрители ловили приманку нового искусственного интеллекта вместе с крючком, леской и грузилом. Он заставлял их остаться, а разработчики были все себя от радости.

YouTube стремился максимально сократить для зрителей время поиска нужного или интересного им видео, чтобы они «смотрели дольше, а кликали меньше». ИИ мог лучше «вычислять» контент, который нравится, чтобы зрители проводили больше времени именно за его просмотром.

Это смещение акцента на время просмотра изменило аудиторию YouTube: люди и правда начали оставаться на сайте дольше. Вводящая в заблуждение тактика кликбейта больше не вознаграждалась ИИ, потому что зрители быстро уходили, если в видео не было того, что обещали заголовок и превью. Зрители досматривали те видео, которые содержали именно то, что им было нужно. ИИ отслеживал ролики с большей продолжительностью просмотра и чаще рекомендовал их. Кроме того, зрители оставались, чтобы увидеть, что им порекомендуют дальше, потому что это было похоже на то, что им интересно.

Другими словами, зрители ловили приманку нового искусственного интеллекта вместе с крючком, леской и грузилом. Он заставлял их остаться, а разработчики были все себя от радости. Они внимательно следили за статистикой переключений и, затаив дыхание, ждали, сработает новый подход или провалится. К маю 2012 года, всего через несколько месяцев после интеграции нового ИИ, данные показали, что среднее время просмотра в четыре раза превысило прошлогодние показатели. Коллективный вздох облегчения.

Со временем искусственный интеллект позволил создать персональную ленту рекомендаций для каждого зрителя. Сейчас на главной странице каждого аккаунта представлены видео, подобранные на основе интересов его владельца. ИИ умеет со сверхъестественной точностью предсказывать, что зритель, возможно, захочет посмотреть. Это революционные изменения. Вы больше не покидаете платформу из-за того, что следующее видео – просто еще одна версия только что просмотренного. Вы остаетесь, чтобы кликнуть на то, которого никогда раньше не видели, но оно определенно вас привлекло. Как будто YouTube нанял портного, который снял с вас мерки и сшил наряд, о котором вы даже не задумывались, но он сидит как влитой и не напоминает ни одну из ваших старых вещей.

Погружение в глубокое машинное обучение

Для дальнейших объяснений давайте перемотаем историю назад и кое-что вспомним. На рубеже первого десятилетия XXI века YouTube столкнулся с некоторыми суровыми истинами. Первая из них: зрители часто смотрели видео с других платформ, а не заходили к ним напрямую. Это лишало возможности собирать статистику о пользователях, а также сохранять ее и использовать для монетизации.

Другая суровая истина: у YouTube были разные операционные программы для разных устройств и приложений, поэтому им нужно было собрать все части и перезагрузить операционную систему в одном месте прямо из источника. Поразительно, но у платформы не было даже встроенной системы для анализа использования мобильных устройств, что было неприятным фактом, поскольку огромный процент зрительской аудитории пользовался телефонами и планшетами. Их древняя мобильная версия была настолько медленной, что с этим срочно нужно было что-то делать.

В 2012 году была создана InnerTube – программа для штаб-квартиры YouTube, предназначенная для обновления алгоритмов и разработок «сверху вниз». InnerTube перезагружала систему и наблюдала за процессом, чтобы убедиться, что все встало на свои места правильно и быстро. Крайне важно, чтобы обновление внедрялось оперативно и тестировалось по всем направлениям. Если оно не срабатывало, его нужно было успеть отменить, чтобы оно не повредило систему. После корректировки попытку повторяли.

Еще одной важной частью перезагрузки было использование глубокого машинного обучения[10]10
  Глубокое машинное обучение – совокупность методов машинного обучения, основанных на обучении представлениям, а не специализированным алгоритмам, созданным под конкретные задачи. – Прим. пер.


[Закрыть]. Искусственный интеллект Google прошел несколько этапов разработки и применения и становился все лучше и лучше. Теперь он был способен использовать гигантские нейронные сети, которые хорошо справлялись с такими вещами, как рекомендации и поиск. Глубокое обучение выходит за рамки базового машинного обучения, поскольку оно создано для имитации человеческих нейронных сетей и умеет делать нелинейные выводы.

Исходные данные для глубокого машинного обучения на YouTube были получены из анализа действий пользователей. Отслеживалось не только их «позитивное» поведение (например, какие видео им нравились и они продолжали их смотреть), но и «негативное» (например, что они пропустили или даже удалили со своей стартовой страницы или из рекомендаций). Такой всестронний мониторинг критично важен для точности алгоритма. Эта нейронная сеть стала настолько совершенна, что даже может предсказывать, что пользователь будет делать с новыми или незнакомыми видео, основываясь на его нынешнем поведении. Утверждение «у него есть собственный разум» – не такая уж большая натяжка. ИИ на самом деле не наблюдает за общим поведением пользователя в Интернете: его интересует только то, что имеет отношение к YouTube. Это важно, потому что позволяет поддерживать высокую точность выдаваемых рекомендаций.

Один миллиард часов видеоконтента ежедневно потребляется зрителями на одном ресурсе! За семь лет и тысячи, если не десятки тысяч выполненных настроек и корректировок искусственный интеллект стал практически безошибочно рекомендовать видео, которые зрители смотрели бы дольше.

Как?

Допустим, вы зашли на google.com и набрали в строке поиска «стейкхаусы в Лос-Анджелесе». Приведет ли это к тому, что, зайдя позже на youtube.com, вы увидите в рекомендациях видео о том, как приготовить идеальный стейк на гриле? Или видео-тур по Лос-Анджелесу? Скорее всего, нет. Но если вы наберете «как приготовить идеальный стейк на гриле» прямо в строке поиска YouTube и нажмете на первое рекомендуемое видео, следующим роликом может стать «Самый сильный человек в мире: целый день чревоугодия», а затем – «Как очистить чугунную сковороду». Эти вторичные видео не имеют ничего общего со стейком, но, как вам кажется, на какие видео вы, вероятнее всего, продолжите кликать? Машина глубокого обучения знает, что делает. А YouTube и его экосистема получают прямую выгоду, потому что, когда зрители смотрят больше видео, каждый, кто зарабатывает на этом, получает больше денег, а бренд получает больше рекламы.

Машина трудится… и все работает

Каждый день YouTube рекомендует пользователям сотни миллионов видео на десятках разных языков в каждом уголке мира. На его предложения приходится 75 % времени, которое люди проводят на платформе.

В 2012 году ежедневное время просмотров составляло в среднем около ста миллионов часов. В 2019 году этот показатель достиг умопомрачительного миллиарда часов в день. Один миллиард часов видеоконтента ежедневно потребляется зрителями на одном ресурсе! За семь лет и тысячи, если не десятки тысяч выполненных настроек и корректировок искусственный интеллект стал практически безошибочно рекомендовать видео, которые зрители смотрели бы дольше. Он стал опытным цифровым садовником, который знает, какой продукт выращивать для каждого клиента, основываясь на видео, которыми они «питаются». Вы также можете стать мастером-садовником YouTube, когда вооружитесь правильными инструментами. Просто возьмите свою лопату, потому что мы все еще осваиваем целину.

Глава 4
Разбивка алгоритма

Вы только что узнали много нового об истории алгоритмов, на которых работал YouTube с момента его создания, а также о том, что на сегодняшний день они практически совершенны. Но что это значит? Как именно работает навигация? Давайте проясним, что происходит, когда на платформе появляется посетитель.

Как только пользователи заходят на youtube.com, за ними начинают следить. Выглядит это так. Представьте, что, будучи подростком, вы пришли в гости к своему другу, а его надоедливый младший брат не дает вам прохода. Но при этом он не висит на вас, требуя к себе внимания, а молча наблюдает за вашим поведением и выполняет каждую прихоть. Вы хотите перекусить – он бежит на кухню и приносит яблоко. Вы говорите: «Нет, спасибо». Тогда он забирает яблоко и возвращается с пакетом чипсов. Вы едите Cheetos. Затем у вас заходит разговор о Хане Соло, поэтому он бежит в гостиную и включает «Империя наносит ответный удар».

Когда вы придете в следующий раз, он с порога вручит вам печенье и включит «Возвращение джедая». Его предположение о том, что вы, возможно, захотите поесть или посмотреть, основано на вашем последнем визите, и, скорее всего, оно абсолютно точно. Держу пари, вы захотите почаще бывать в этом доме, раз в нем к вам так хорошо относятся и знают, чем угодить. (Если только он не включит «Последнего джедая» или «Соло», тогда в следующий раз вы пойдете к Цукербергу, потому что эти фильмы – полный отстой.)

Допустим, вместо Cheetos вы захотели морковные палочки, а вместо «Звездных войн» – комедию «Офис». В следующий раз вам предложат брокколи и сериал «Парки и зоны отдыха». Концепция работает с любыми предпочтениями.

Эти примеры иллюстрируют цели YouTube:

• Спрогнозировать, что будет смотреть зритель.

• Сохранять его максимальную вовлеченность и удовлетворенность.

То, как эти цели достигаются, разбивается на два процесса:

1) Сбор и использование данных статистики.

2) Алгоритмы (во множественном числе).

1. Сбор и использование данных

Ежедневно ИИ YouTube собирает 80 миллиардов единиц данных о поведении пользователей. Для достижения целей он собирает сведения в двух ключевых областях. Первая область, в которой ведется наблюдение, – это поведение пользователей, вычисляемое с помощью метаданных. Информация о видео основывается на поведении человека, чьи глаза смотрят на экран, а пальцы кликают. «Сигналы удовлетворения» обучают ИИ тому, что предлагать, а что – нет.

Существует конкретный перечень этих сигналов:

• какие видео смотрит пользователь;

• какие видео он пропускает;

• время, которое он тратит на просмотр;

• лайки и дизлайки;

• фидбек «не интересно»;

• опросы после просмотра видео;

• вернется ли он, чтобы пересмотреть или закончить просмотр;

• сохранит ли ссылку, чтобы вернуться и посмотреть позже.

Все эти сигналы питают контур обратной связи удовлетворенности. Этот цикл создается на основе данных, которые алгоритм получает от конкретного поведения. Он «зацикливает» типы видео, которые вам нравятся, с помощью своих предложений. Именно так персонализируется опыт каждого пользователя.

СБОР МЕТАДАННЫХ

Как именно ИИ собирает данные? Наблюдение начинается с превью. Искусственный интеллект YouTube использует передовые технологии набора продуктов ИИ Google. Он работает с программой под названием Cloud Vision (CV), применяющей оптическое распознавание символов (OCR) и изображений для классификации видео на основе превью. CV фиксирует каждый элемент превью и, используя миллиарды единиц данных, уже имеющихся в системе, распознает эти элементы и передает информацию обратно в алгоритм. Например, превью, включающее крупный план лица всемирно известного физика Стивена Хокинга, распознается как таковое в CV, поэтому видео будет помещено в подборку рекомендаций вместе с другими видео, имеющими тег «Стивен Хокинг». Именно так ваши видео обнаруживаются и просматриваются.

Вы хотите перекусить – он бежит на кухню и приносит яблоко. Вы говорите: «Нет, спасибо». Тогда он забирает яблоко и возвращается с пакетом чипсов. Вы едите Cheetos. Затем у вас заходит разговор о Хане Соло, поэтому он бежит в гостиную и включает «Империя наносит ответный удар».

Кроме того, CV использует инструмент «безопасность», который, основываясь на данных, собранных из изображений в превью, определяет, насколько видео безопасно для просмотра всеми аудиториями, или в нем есть темы только для взрослых, кадры насилия или другой сомнительный контент. Программа подтверждает «достоверность» сделанной оценки. Оценка также отражает, насколько точно содержимое видео соответствует тому, что показано в превью.

Cloud Vision позволяет создателям видео загрузить превью и заранее узнать, как оно, скорее всего, будет оценено системой. Если по какой-то причине CV отметит превью как неуместное, вы сможете изменить его перед загрузкой видео. Эта возможность помогает избежать демонетизации и других проблем, с которыми авторы сталкивались в прошлом. Программа помогает действовать на опережение вероятных проблем. CV не дублирует меры безопасности YouTube, но достаточно близка к ним, что позволяет авторам заранее понять, как контент будет оценен платформой. CV может пропустить то, что для YouTube окажется неприемлемым, но все же этого достаточно для предварительного запуска.

Рис. 4.1. Превью с точками данных

ВИДЕОИНТЕЛЛЕКТ

После проверки превью ИИ просматривает каждый кадр видео, создает список кадров и проставляет на них метки. Например, если вы снимаете видео на парковке, ИИ отмечает фасад магазина, людей, цветы, названия брендов и многое другое. Эту информацию он будет использовать для рекомендаций, а также проверит ее на безопасность, как и превью. Знайте, что находится на каждом кадре видео, которое вы создаете! ИИ все заметит и отсортирует, выделит главные объекты и отсеет второстепенные в видео и его метаданных.

ЗАКРЫТЫЕ СУБТИТРЫ

То же самое ИИ делает с речью в видео. У платформы есть функция автоматических субтитров, и ИИ распознает слова в роликах, чтобы дополнить данные об их содержании. Таким образом, просмотр кадров с присвоением меток похож на визуальный просмотр видео, а прослушивание аудио позволяет оценить, что на самом деле произносится. Все поступает в систему.

ЕСТЕСТВЕННЫЙ ЯЗЫК

ИИ также вычленяет фактическую структуру предложения и разбивает ее на схемы. Так он определяет смысл сказанного и особенности стиля изложения, чтобы группировать видео по категориям, а не только по темам. Например, два создателя контента сняли видео о Стивене Хокинге. Но одно из них биографическое или научное, а другое – юмористическое или развлекательное. Несмотря на то, что в обоих роликах говорится об одном человеке, они попадут в разные категории рекомендуемых видео.

НАЗВАНИЕ И ОПИСАНИЕ ВИДЕО

Думаю, вы понимаете, что алгоритм также просматривает заголовок и описание видео, чтобы дополнить то, что он уже узнал из превью, покадрового просмотра и языка. Но он отслеживает все эти сведения только до тех пор, пока не начнут поступать данные о просмотре.

ИИ «знает», что люди могут вводить в заблуждение, но у них не получится скрыть содержание видео. Не добавляйте название и описание к своим роликам бездумно, лишь бы заполнить все поля перед загрузкой. Словоблудие отталкивает, поэтому подбирайте слова с умом. Большинство создателей контента не составляют описание для видео, а ведь это еще одна точка данных, на которую обращает внимание ИИ при ранжировании видео в поиске.

Не добавляйте название и описание к своим роликам бездумно, лишь бы заполнить все поля перед загрузкой. Словоблудие отталкивает, поэтому подбирайте слова с умом.

2. Алгоритмы (во множественном числе)

Знаете ли вы, что у YouTube не один алгоритм? ИИ использует несколько систем, и каждая из них имеет цель и назначение.

Вот базовые функции сайта, которые видят зрители:

• Главная страница;

• Подписки;

• Рекомендации;

• В тренде;

• Уведомления;

• Поиск.

Каждую из этих функций обслуживают отдельные алгоритмы, которые оптимизируются для более высокой точности попадания, и все они включены в ИИ YouTube. У них есть отдельные показатели соответствия, позволяющие определять, что работает для пользователей в каждой конкретной системе. Уровень попаданий отражает, как часто зрители находят то, что действительно хотят посмотреть. Вы знаете, что такое поклевка? Это когда рыба клюет на приманку. Представьте, что вы рыбак, который забросил свою удочку-видео в воду. Потенциальные зрители – это рыбы, заметившие вашу «приманку». Примерно десять из них проплывут мимо, потому что приманка им не понравится. Но найдется рыба, которая скажет: «Выглядит неплохо» и клюнет. Допустим, вы забрасываете удочку 10 раз, и из 100 рыб 10 клюнут. Вот ваш показатель попадания. Скорость попадания очень важна для каждой системы в ИИ. Алгоритмы крайне чувствительны к поведению пользователей и метаданным каждого источника трафика, поэтому они знают, как изменить их, чтобы увеличить частоту попаданий.

Кроме того, YouTube постоянно проводит эксперименты – несколько тысяч в год – и внедряет примерно одно из десяти изменений, доказавших свою эффективность. За год их набирается несколько сотен. Это помогает системе стать умнее и точнее подбирать для зрителей то, что им захочется посмотреть.

ГЛАВНАЯ СТРАНИЦА

Главная страница YouTube неоднократно изменялась. Сейчас пользователям уже не нужно вводить запрос в поисковой строке или самостоятельно что-то разыскивать. Раньше на главной странице показывались только видео от каналов, на которые пользователь подписан. Теперь там размещена персональная лента рекомендаций, основанная на его истории просмотра.

Пока пользователь заходит на YouTube, алгоритмы отслеживают, какие видео он смотрел раньше, чтобы предположить, чего ему захочется сейчас, даже если раньше он ничего подобного не смотрел. Это выглядит нелогичным. Кажется, что алгоритм был бы точнее, предлагая ранее просмотренные и понравившиеся видео. Но на самом деле все наоборот. Именно наличие свежих предложений заставляет пользователей дольше оставаться на платформе, потому что им не подсовывают одни и те же старые ролики.

YouTube добивается результата, разделяя контент главной страницы на две категории: знакомое и найденное. В знакомом он показывает пользователям популярные или премьерные видео с каналов, на которые они заходили раньше. А в найденном – те, что смотрели и полюбили пользователи с похожими шаблонами просмотра. YouTube обнаружил, что комбинация этих стратегий повышает вовлеченность. Если вы, как производитель контента, хотите попасть на главную страницу – а это определенно должно быть вашей целью – изучите механизмы, благодаря которым видео туда попадают. Постарайтесь повысить коэффициент кликабельности и усилить удержание зрителей: это поможет вам выйти на более широкую аудиторию.

ПОДПИСКИ

Этот пункт не требует долгих объяснений. Раздел «Подписки» предлагает контент от каналов, на которые вы подписаны. Он будет рекомендовать новые видео от них, особенно если те похожи на то, что вы смотрели раньше. Например, вы посмотрели один или два видео с пранками от канала, на который подписаны, поэтому ИИ добавит последнее загруженное на этот канал видео на ту же тему в вашу ленту подписок.

РЕКОМЕНДАЦИИ

Еще одно место, на котором должны сосредоточиться создатели контента помимо главной страницы, – подборка рекомендаций, в том числе видео из раздела «Следующее». Рекомендации располагаются ниже (в приложении) просматриваемого видео или справа (в браузере) от него. За то, чтобы ваше видео туда попадало, сто́ит бороться! Когда эта функция работает на отлично, зрители «зависают» на YouTube, что и является его целью. Если вы умеете использовать механизмы, которые продвигают ваше видео в ленту рекомендаций, то находитесь именно там, где вам нужно быть.

Какие бывают механизмы? Во-первых, весь ваш контент должен быть связан между собой. Это означает, что, если метаданные всех ваших видео перекликаются, то алгоритм будет предлагать их одно за другим, и просмотры резко вырастут. Метаданные – это заголовок, теги, описание и сам контент. Подробно поговорим о них в части III.