編者按：本文轉(zhuǎn)自全媒派，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

對于YouTube來說，1分鐘意味著什么？是多達400小時的視頻上傳量；1天意味著什么？是高達10億的視頻播放量。

在這個內(nèi)容劇增、用戶擁擠的UGC內(nèi)容平臺上，如何精準抓住觀眾眼球、有效轉(zhuǎn)化訂閱無疑是生態(tài)內(nèi)各方的迷思。

當用戶困惑于推薦流的奇怪內(nèi)容，創(chuàng)作者正因寥寥無幾的播放量頭禿，廣告主也在糾結(jié)投放是否能夠精準觸達，這時候?qū)τ谄脚_來說，如何促進內(nèi)容生態(tài)、用戶生態(tài)的可持續(xù)發(fā)展及營收的穩(wěn)定運轉(zhuǎn)，有賴于步步升級的訂閱策略。

縱觀YouTube十四年的發(fā)展，在訂閱策略的調(diào)整上從未掉以輕心，它已經(jīng)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(wěn)健的平臺，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，那么就不得不先穿過這片訂閱的密林。本期全媒派（ID：quanmeipai）就帶你一同拆解YouTube近年來的訂閱打法，揭開這背后的訂閱“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(shù)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(jīng)過算法的篩選與排序，YouTube能夠決定用戶能看到什么內(nèi)容，以及這些內(nèi)容會出現(xiàn)在哪些位置。根據(jù)YouTube首席產(chǎn)品官Neal Mohan的說法，用戶在YouTube上花費的時間有70%都用于觀看算法推薦的內(nèi)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(nèi)容深海、流量巨池中牢握注意力，算法的持續(xù)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(jié)點：

• 2012年：觀看次數(shù)

在播放量僅40億／月的古早年代（如今為10億／天），YouTube只根據(jù)一種指標進行排序：觀看次數(shù)。這種策略雖然可以鼓勵優(yōu)質(zhì)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，不利于廣告主的投放與平臺的發(fā)展。

• 2012年-2016年：觀看時間、登錄時長

這一時期，YouTube推薦機制發(fā)生了一項重要轉(zhuǎn)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(cè)面衡量視頻的質(zhì)量，更加強調(diào)用戶對內(nèi)容的投入和參與，以規(guī)避“點擊誘餌”。登錄時長則是指用戶在整個平臺上停留的時間，這一指標關(guān)注人們觀看某些視頻后是否選擇觀看更多視頻，從而體現(xiàn)平臺的粘性。

• 2016年：機器學習

在這一年，YouTube公布了白皮書，解釋了深度神經(jīng)網(wǎng)絡(luò)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(shù)（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；用戶的搜索記錄；用戶的觀看歷史；用戶的人口統(tǒng)計學信息與地理位置。

YouTube不斷升級算法，本意是為了優(yōu)化內(nèi)容生態(tài)以促進平臺的可持續(xù)發(fā)展，但同時也傳播了虛假新聞、仇恨言論等有害內(nèi)容。平臺也在不斷調(diào)整，例如：2017年，調(diào)整算法以改善彈出的新聞視頻質(zhì)量；2019年，YouTube宣布不再推薦可能會傷害或誤導用戶的內(nèi)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(xiàn)為點擊量高的熱門內(nèi)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：觀眾花在平臺上的時間，在觀看某些視頻后是否選擇看更多視頻；

• 內(nèi)容評分：點贊、踩贊、分享，“不感興趣”按鈕的點擊；

• “觀看速度”（view velocity）：在視頻發(fā)布后立即觀看視頻的訂閱者數(shù)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(fā)布者擁有的活躍訂閱者的數(shù)量。

算法的主要任務(wù)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，“弄清用戶喜歡什么”是YouTube算法的要義所在。

如何弄清用戶的喜好？YouTube在2016年發(fā)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(jié)構(gòu)中，有兩個網(wǎng)絡(luò)在起作用：

漏斗式的模型結(jié)構(gòu)，來源：《YouTube推薦機制的深度學習網(wǎng)絡(luò)》，2016年

候選網(wǎng)絡(luò)（The candidate generation network）：記錄用戶的活動歷史（搜索記錄、觀看行為、人口統(tǒng)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(wǎng)絡(luò)（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(wǎng)絡(luò)，這一步納入模型的指標更細致，例如，用戶最近的一次搜索詞、上一次觀看的同一主題下的視頻數(shù)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簽的基礎(chǔ)上，依照標準給候選網(wǎng)絡(luò)中的視頻打分，從而確定最終的推薦結(jié)果。

通過這兩個網(wǎng)絡(luò)，YouTube運用機器學習，搭建出一個個人化的候選網(wǎng)絡(luò)和排序網(wǎng)絡(luò)，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(guān)的推薦內(nèi)容。

總體而言，整個推薦結(jié)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(wěn)定的使用。

被篩選出來的視頻會呈現(xiàn)在六個關(guān)鍵位置：搜索結(jié)果、推薦內(nèi)容、用戶主頁、熱門內(nèi)容、頻道訂閱、用戶通知。

平臺的策略：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(nèi)容、虛假新聞、過濾氣泡引發(fā)用戶憂思，其算法被斥為“錯誤信息的引擎”、“極端主義者”。要想促成平臺訂閱的可持續(xù)性，光依靠算法升級，還遠遠不夠。

平臺策略作為調(diào)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(diào)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會解釋該視頻為什么會進入用戶的首頁。

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(chuàng)作者，這使得用戶可自主決定自己感興趣的內(nèi)容，幫助算法更科學。

另一方面，針對內(nèi)容創(chuàng)作者，YouTube開設(shè)了專門的“創(chuàng)作者學院”，重點培訓內(nèi)容生產(chǎn)者提升頻道吸引力。一方面向內(nèi)容生產(chǎn)者說明YouTube算法機制的運作模式、內(nèi)容的展示界面，幫助他們了解YouTube內(nèi)部如何運作；另一方面訓練內(nèi)容生產(chǎn)者設(shè)計縮圖、標題、關(guān)鍵字，以便用戶更容易搜集到影片。

嚴抓內(nèi)容品控，方法多元化

內(nèi)容品控，是促進訂閱的持續(xù)動力。為了減少重復內(nèi)容、有害信息、虛假新聞，YouTube出臺多元手段以維護其內(nèi)容生態(tài)。

打擊重復內(nèi)容：YouTube一再致力于提高原創(chuàng)內(nèi)容的吸引力，加強對重復低質(zhì)內(nèi)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(nèi)容，包括仇恨言論、虛假信息等。

算法推薦優(yōu)化：算法機制也向著多樣化方向發(fā)展，用戶被鼓勵觀看更多元的新內(nèi)容，防止個別頻道的爆發(fā)式推薦。

用戶協(xié)同凈化：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(nèi)容，協(xié)同參與平臺內(nèi)容的治理。

懲罰舉措升級：全媒派往期文章《YouTube的水逆2019:算法的紅與黑，平臺的難與易》提到，YouTube沿用了原有的“三振出局”的懲罰系統(tǒng)，它指的是被舉報三次的賬號將無法再使用。在此基礎(chǔ)上，YouTube增加了警告系統(tǒng)，提高處罰系統(tǒng)的透明度，闡明處罰原因、后果以及申訴方式。此外，它更是利用“重定向方法（Redirect Method）”對恐怖主義內(nèi)容進行打擊。

“重定向方法”指的是內(nèi)容審查員會移除恐怖分子招募視頻，與此同時，招募視頻的搜索結(jié)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(tǒng)進行了調(diào)整，擦邊內(nèi)容的搜索結(jié)果將重新定向到權(quán)威信源，比如CNN、福克斯等。

視頻內(nèi)容評級：YouTube會針對視頻內(nèi)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(nèi)容評級員給予低評級，隨后平臺AI系統(tǒng)會根據(jù)評級結(jié)果進行機器學習，減少爭議性視頻出現(xiàn)在推薦系統(tǒng)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(fā)簡單的頻道訂閱按鈕，用戶只需要把鼠標停留在播放器左上角的圖標上就可以直接訂閱；開放內(nèi)容資源，許多原創(chuàng)視頻、電影和現(xiàn)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(nèi)容，區(qū)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(guān)的焦慮與批評并未消減。

針對其頻頻調(diào)整的訂閱機制，人們始終在問這樣幾個問題：

觀看時長的轉(zhuǎn)向真的能有效引導內(nèi)容生態(tài)的良性發(fā)展嗎？

谷歌內(nèi)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(fā)奪人眼目的標題黨等現(xiàn)象。但以“觀看時長”為指標，則會帶來奇長的視頻，內(nèi)容創(chuàng)作者可能僅僅關(guān)注時長反而忽視內(nèi)容創(chuàng)作，也可能因為不堪高昂的制作成本而退出。

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(quán)衡？推薦機制的調(diào)整真的能抗衡有毒內(nèi)容的泛濫嗎？

算法倫理與平臺責任的關(guān)系在新時期需要重新被審視，算法推薦與平臺調(diào)整的老路子在意見激化、過濾氣泡加劇的新生態(tài)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(nèi)容如何遏制，這些都亟待平臺解決。

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復雜嚴峻。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臺生態(tài)，如何在“創(chuàng)作者-用戶-廣告主”的鏈條中重新定位平臺責任，是環(huán)繞于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（含圖片）為合作媒體授權(quán)創(chuàng)業(yè)邦轉(zhuǎn)載，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系editor@cyzone.cn。