尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
本文來自微信公眾號： 全媒派（quanmeipai） ，作者：騰訊傳媒，Photo by Kon Karampelas on Unsplash
對於YouTube來說，1分鐘意味著什麼？是多達400小時的視頻上傳量；1天意味著什麼？是高達10億的視頻播放量。
在這個內容劇增、用戶擁擠的UGC內容平台上，如何精準抓住觀眾眼球、有效轉化訂閱無疑是生態內各方的迷思。
當用戶困惑於推薦流的奇怪內容，創作者正因寥寥無幾的播放量頭禿，廣告主也在糾結投放是否能夠精準觸達，這時候對於平台來說，如何促進內容生態、用戶生態的可持續發展及營收的穩定運轉，有賴於步步升級的訂閱策略。
縱觀YouTube十四年的發展，在訂閱策略的調整上從未掉以輕心，它已經孵化出一套運作相對成熟、方法較為多維的訂閱打法，主以強大的算法，輔以穩健的平台，不斷試圖從海量視頻中更精準地錨定用戶。
在今天，想要徜徉在YouTube匯聚的流量巨池，那麼就不得不先穿過這片訂閱的密林。本期就帶你一同拆解YouTube近年來的訂閱打法，揭開這背後的訂閱「黑箱」。
算法的進擊：更智能、更走心
在每分鐘就有400小時視頻上傳的YouTube ，如何在指數級膨脹的視頻海洋中，精準把握海量用戶的需求？強大的算法無疑是最有力的答案。
經過算法的篩選與排序，YouTube能夠決定用戶能看到什麼內容，以及這些內容會出現在哪些位置。根據YouTube首席產品官Neal Mohan的說法，用戶在YouTube上花費的時間有70%都用於觀看算法推薦的內容，移動端的平均登錄時長達60分鐘。其精準度、有效性可見一斑。
要想在劇增的內容深海、流量巨池中牢握注意力，算法的持續升級無疑是重中之重。
YouTube算法進化簡史
YouTube算法不斷升級的過程，存在幾個重要節點：
2012年：觀看次數
在播放量僅40億／月的古早年代（如今為10億／天），YouTube只根據一種指標進行排序：觀看次數。這種策略雖然可以鼓勵優質視頻，但也帶來了 「點擊誘餌」 （clickbait） ，例如通過標題黨博取眼球等負面操作。這導致用戶可能會點擊，但不會停留，總體來說，不利於廣告主的投放與平台的發展。
2012年-2016年：觀看時間、登錄時長
這一時期，YouTube推薦機制發生了一項重要轉折——加入了觀看時間和登錄時長兩項指標。觀看時間是指通過用戶觀看視頻的時長來側面衡量視頻的質量，更加強調用戶對內容的投入和參與，以規避「點擊誘餌」。登錄時長則是指用戶在整個平台上停留的時間，這一指標關注人們觀看某些視頻後是否選擇觀看更多視頻，從而體現平台的黏性。
2016年：機器學習
在這一年，YouTube公布了白皮書，解釋了深度神經網路和機器學習在算法中的作用機制。此外，該論文還拆解了YouTube對視頻進行排序、推薦的各項指標，分別為：觀看次數（視頻的點擊量）；觀看時間；用戶在某頻道觀看了多少視頻；用戶近期如何觀看此主題視頻；用戶的搜尋記錄；用戶的觀看歷史；用戶的人口統計學信息與地理位置。
YouTube不斷升級算法，本意是為了優化內容生態以促進平台的可持續發展，但同時也傳播了虛假新聞、仇恨言論等有害內容。平台也在不斷調整，例如：2017年，調整算法以改善彈出的新聞視頻質量；2019年，YouTube宣布不再推薦可能會傷害或誤導用戶的內容。
YouTube算法如何運作
目前YouTube算法指標主要包含以下幾項：
是否觀看：體現為點擊量高的熱門內容；
觀看時長：觀看時間較長的頻道和視頻往往更容易被推薦；
登錄時長：觀眾花在平台上的時間，在觀看某些視頻後是否選擇看更多視頻；
內容評分：點讚、踩讚、分享，「不感興趣」按鈕的點擊；
「觀看速度」 （view velocity） ：在視頻發布後立即觀看視頻的訂閱者數量。視頻的觀看速度越高，排名就越高。在對視頻進行排名時，YouTube也會考慮視頻發布者擁有的活躍訂閱者的數量。
算法的主要任務有二：
第一，幫助用戶找到他們想看的視頻；
第二，提高用戶的長期參與度和滿意度。
因此，「弄清用戶喜歡什麼」是YouTube算法的要義所在。
如何弄清用戶的喜好？YouTube在2016年發布的算法白皮書打開了這一黑箱。白皮書顯示，在機器學習的模型結構中，有兩個網路在起作用：
漏鬥式的模型結構，來源：《YouTube推薦機制的深度學習網路》，2016年
候選網路 （The candidate generation network） ：記錄用戶的活動歷史 （搜尋記錄、觀看行為、人口統計學信息） ，輸出與之相契合的幾百個視頻作為可能推薦給用戶的候選。
排序網路 （the ranking network） ：排序階段更多是面向「場景」，記錄用戶點擊視頻的地點、時間、操作，相比候選網路，這一步納入模型的指標更細致，例如，用戶最近的一次搜尋詞、上一次觀看的同一主題下的視頻數量、上一次觀看同主題視頻的時間、用戶所使用的語言等等。在為每個視頻打上更詳細的標籤的基礎上，依照標準給候選網路中的視頻打分，從而確定最終的推薦結果。
通過這兩個網路，YouTube運用機器學習，搭建出一個個人化的候選網路和排序網路，將用戶對YouTube的使用具體到某個場景中，讓首頁顯示與用戶更相關的推薦內容。
總體而言，整個推薦結果的生成是從終端到終端，高度個人化，但追根溯源，這一系列算法的排序與推薦都離不開用戶長期穩定的使用。
被篩選出來的視頻會呈現在六個關鍵位置：搜尋結果、推薦內容、用戶主頁、熱門內容、頻道訂閱、用戶通知。
平台的策略：更負責、更開放
在過去的三年里，YouTube也是水逆不斷。仇恨言論、極端內容、虛假新聞、過濾氣泡引發用戶憂思，其算法被斥為「錯誤信息的引擎」、「極端主義者」。要想促成平台訂閱的可持續性，光依靠算法升級，還遠遠不夠。
平台策略作為調控的「另一只手」，也在嘗試施以積極的影響。
公開算法策略，提升參與度
面向公眾、更開放、更透明，這成為近年來YouTube的一條試水路徑。
首先，在算法的調整中著力提升用戶的參與度。2019年6月，YouTube宣布將公開部分算法的運作機制。在推薦視頻的下方，YouTube會解釋該視頻為什麼會進入用戶的首頁。
此外，功能上增加了可排序的主題和過濾功能，人們可以在首頁頂部點擊他們想要探索的特定主題，能夠更具體地選擇他們希望看到的推薦視頻類型，以及他們希望看到的視頻來自哪些創作者，這使得用戶可自主決定自己感興趣的內容，幫助算法更科學。
另一方面，針對內容創作者，YouTube開設了專門的「創作者學院」，重點培訓內容生產者提升頻道吸引力。一方面向內容生產者說明YouTube算法機制的運作模式、內容的展示界面，幫助他們了解YouTube內部如何運作；另一方面訓練內容生產者設計縮圖、標題、關鍵字，以便用戶更容易搜集到影片。
嚴抓內容品控，方法多元化
內容品控，是促進訂閱的持續動力。為了減少重復內容、有害信息、虛假新聞，YouTube出台多元手段以維護其內容生態。
打擊重復內容：YouTube一再致力於提高原創內容的吸引力，加強對重復低質內容的篩選和打擊。例如在2019年9月，YouTube聲稱在第二季度刪除了5倍多的不良內容，包括仇恨言論、虛假信息等。
算法推薦優化：算法機制也向著多樣化方向發展，用戶被鼓勵觀看更多元的新內容，防止個別頻道的爆發式推薦。
用戶協同淨化：除機器識別外，YouTube還引入人工機制，用戶可以通過「舉報」標記不良內容，協同參與平台內容的治理。
懲罰舉措升級：YouTube沿用了原有的「三振出局」的懲罰系統，它指的是被舉報三次的帳號將無法再使用。在此基礎上，YouTube增加了警告系統，提高處罰系統的透明度，闡明處罰原因、後果以及申訴方式。此外，它更是利用「重定向方法 （Redirect Method） 」對恐怖主義內容進行打擊。
「重定向方法」：指的是內容審查員會移除恐怖分子招募視頻，與此同時，招募視頻的搜尋結果將重新定向到反恐怖主義和反極端主義的視頻。YouTube也對推薦系統進行了調整，擦邊內容的搜尋結果將重新定向到權威信源，比如CNN、福克斯等。
視頻內容評級：YouTube會針對視頻內容進行評級，如「無益處的極端血腥或暴力」，或是支持仇恨思想的視頻都會被內容評級員給予低評級，隨後平台AI系統會根據評級結果進行機器學習，減少爭議性視頻出現在推薦系統中的概率。
此外，YouTube為促成訂閱還做出許多小的嘗試。例如開發簡單的頻道訂閱按鈕，用戶只需要把滑鼠停留在播放器左上角的圖標上就可以直接訂閱；開放內容資源，許多原創視頻、電影和現場活動免費提供給所有YouTube觀眾，中間插有廣告。但是，高級會員可以無廣告觀看內容，區分會員制和廣告投放兩種方式將訂閱分流。
新時期的「迷」與「憂」
盡管YouTube不斷試圖更新其訂閱機制，但近年來相關的焦慮與批評並未消減。
針對其頻頻調整的訂閱機制，人們始終在問這樣幾個問題：
觀看時長的轉向真的能有效引導內容生態的良性發展嗎？
Google內部的算法工程師承認，當算法推薦以「點擊率」為導向時，可能誘發奪人眼目的標題黨等現象。但以「觀看時長」為指標，則會帶來奇長的視頻，內容創作者可能僅僅關注時長反而忽視內容創作，也可能因為不堪高昂的製作成本而退出。
以用戶為中心、高度個人化的推薦機制與公共生活的參與如何權衡？推薦機制的調整真的能抗衡有毒內容的泛濫嗎？
算法倫理與平台責任的關係在新時期需要重新被審視，算法推薦與平台調整的老路子在意見激化、過濾氣泡加劇的新生態中也呼喚著新的對策。
此外，還有一些具體問題，例如算法向兒童推薦的不良內容如何遏制，這些都亟待平台解決。
總的來說，盡管YouTube近年來的努力不斷，但其面臨的問題也越來越複雜嚴峻。在憂思齊飛的新當口，YouTube在沿襲以往的同時，另一方面更要重新審視平台生態，如何在「創作者-用戶-廣告主」的鏈條中重新定位平台責任，是環繞於YouTube周圍的新型迷思。
參考鏈接：
1.https://www.theatlantic.com/technology/archive/2018/11/how-youtubes-algorithm-really-works/575212/
2.https://www.shopify.com/blog/youtube-algorithm
3.https://towardsdatascience.com/how-youtube-recommends-videos-b6e003a5ab2f
4.https://blog.hubspot.com/marketing/youtube-algorithm
5.https://blog.hootsuite.com/how-the-youtube-algorithm-works/
6.https://www.zhihu.com/question/20829671
7.https://zhuanlan.zhihu.com/p/50614379?utm_source=wechat_session&utm_medium=social&utm_oi=677555454641573888&from=singlemessage&s_r=0
8.https://techcrunch.com/2019/09/03/youtube-claims-it-removed-5x-more-hateful-content-in-q2-including-100k-videos-17k-channels/
9.https://techcrunch.com/2019/08/19/youtube-originals-become-ad-supported-and-free-after-september-24th/
10.https://www.theverge.com/2018/10/19/17999392/youtube-embed-subscriber-button-overlay-design-change
本文來自微信公眾號： 全媒派（quanmeipai） ，作者：騰訊傳媒
>YouTube訂閱打法2.0：算法與平台合力，迷思與憂思並存