01 youtube官網網頁版優化差是什么時候提出(Netflix顛覆式創新)

Youtube 算法規則

在Google工程師Paul Covington，Jay Adams和Emre Sargin發表的這份 研究論文中 ，他們分解了用于對YouTube推薦視頻進行排名的信號：

前三個信號是您可以直接影響的唯一信號。其余部分取決于您頻道之外的因素，以便個性化推薦。

這些Google工程師甚至聲稱，他們的最終排名目標“通常 是預期的每次觀看觀看時間的簡單函數。 按點擊率排名通常會宣傳用戶未完成的欺騙性視頻（“點擊誘餌”），而觀看時間可以更好地吸引用戶參與。”

有人可能會認為這意味著優化點擊率會讓您受到YouTube的懲罰，但這是一個巨大的誤解。

YouTube只會懲罰誘餌和切換策略-點擊前的承諾過多，而點擊后的內容令人失望。點擊率仍然像以往一樣重要。畢竟，如果不先獲得點擊，就無法為YouTube帶來大量觀看時間。

您甚至可以在 YouTube Studios中 看到這些優先級：YouTube的新分析儀表板。

最多可以在5秒內總結出最出色的YouTube頻道或系列：

另一方面，許多YouTube頻道很難吸引人，因為他們將YouTube頻道視為上傳所有視頻內容的地方，而不是一個連續的視頻系列的首頁。

“我們的盛宴”頻道體現了我們正在談論的那種一致性-名人吃食物-具有多個系列，這些系列本質上是同一前提的變體。

較新的YouTube頻道不能依靠推薦引擎來獲得所有觀看次數。

畢竟，推薦內容主要取決于觀看者過去觀看和與您的視頻互動的方式。YouTube需要數據來作為推薦的依據，沒有人觀看您的視頻就沒有數據。因此，請采取所有通常的措施來宣傳您的視頻，例如：

在工程師中，工程師注意到“最重要的信號是那些描述 用戶之前與商品本身和其他類似商品互動的信息 ……例如，考慮用戶過去的歷史以及上傳了被評分視頻的頻道用戶從該頻道觀看了許多視頻？用戶最后一次觀看有關該主題的視頻是什么時候？”

我們已經確定，點擊率仍然很重要，YouTube優先考慮觀看時間只是針對低質量點擊誘餌的一種對策。

環顧YouTube，您會發現視頻縮略圖上不乏表情豐富的面孔。

Netflix所做的一項 關于平臺上藝術品性能的研究表明，“情感是傳達復雜細微差別的有效方法。眾所周知，人類必須對面孔做出硬性回應-我們已經看到這在所有媒介上都是一致的。但重要的是要注意， 情緒復雜的面孔勝過堅忍或良性的表情。 ”

Netflix也注意到的最早趨勢之一，值得發揚到自己的縮略圖，它是當圖像包含3個以上的人時，它贏得別人的傾向就下降了。

三分法則是實現“ 黃金分割率” 的簡化方法，研究表明，這種方法可以 最大程度地減少 大腦處理圖像 所需的時間 。

該圖像構圖準則建議您將興趣點放置在圖像的中心，而不是圖像的中心。

根據 Sandvine 的2019年研究，YouTube現在占互聯網上所有移動流量的37％。這也意味著相當一部分觀眾會在移動設備上觀看您的視頻。

4.鼓勵觀眾點擊后留下

讓人們觀看您的視頻是一回事。讓他們從頭到尾真正觀看視頻是另一回事。

從頭開始，并在視頻介紹中加入一個“鉤子”

轉錄您的視頻，以便人們可以觀看靜音

根據您的分析調整視頻的長度（觀看者在下車之前實際拍到多遠？）

請勿過長地使用同一張鏡頭，否則可能會讓觀看者感到厭煩（這就是為什么跳跳剪輯在YouTube上很受歡迎的原因）

如果您的視頻很長，請在片刻間撒些片刻，以便在觀眾開始徘徊時重新吸引觀眾的注意力

5.鼓勵您在頻道上瘋狂觀看

您還可以通過采用涉及視頻消耗和一致性的策略來優化頻道級別的觀看時間。

使用插卡和結束卡手動推薦相關視頻

每當您共享時，都鏈接到播放列表中的視頻，以便用戶觀看的下一個視頻始終是您自己的視頻

開發從縮略圖到視頻本身的一致格式-如果觀眾喜歡您的其中一個視頻，那么他們應該能夠正確地假設他們會喜歡您的其他視頻。

隨著YouTube算法的變化，一件事保持不變

多年來，YouTube的算法發生了很大變化，每次都使創作者和品牌爭先恐后，想知道為什么他們曾經依賴的方法不再有效。

如何做好內容營銷

內容營銷策略模型：

第一階段，SENSE意識感知

意識感知需要熟知平臺屬性規則，在品牌與用戶之間建立感知網絡，在這里，主要從多元的內容形式和分發頻率觸達。例如百家號，目前已經形成圖文、動態、視頻、直播等多元內容矩陣，通過信息流推薦、直播主頁專欄、長短視頻刷屏，24小時與用戶建立感知。

在閱讀習慣上，我們可以從目標圈層用戶的使用習慣，比如早中晚，還有即時熱點，分發推送至用戶。同時，我們還可以通過百家號后臺的大數據，了解自己賬號的用戶閱讀集中時間。

第二階段，interest & interactive 興趣交互

我們需要理解、跟隨、響應用戶的興趣和需求，成為“圈里人”，進而激發互動。在這里，主要有選題規劃布局、用戶需求響應兩大方面。

在選題規劃布局上，我們可以逐層圈定。首先，通過大數據針對所屬領域行業圈定目標用戶、明確畫像，其次，在目標群體中，建立品牌自身的圈內認知，響應圈里人需求，最后，通過選題角度的切入，激起興趣與互動。

第三階段，買粉絲nnect & 買粉絲munication 熱議互動

熱議互動，需要我們持續化運營，建立品牌與用戶由弱到強的連接。可以從互動引導、熱議話題角度來入手。

第四階段，action 留存關注

留存關注，需要品牌不斷積累圈層用戶，培養忠實粉絲、獲得穩定、持續的關注。

第五階段，share 分享破圈

也是我們成為大V的最后關鍵，通過分享裂變，擴大覆蓋聲量，實現從核心到二層、大眾，圈層的終極突破，助力內容IP的快速打造，實現大V塑造、圈層有效突破。

個性化推薦是什么？

如果不是因為算法的存在，我們的社會絕不會進步得如此之快。

3月1日，隨著《互聯網信息服務算法推薦管理規定》的實施，各大APP均被強制要求在顯眼的位置設置“關閉個性化算法推薦”按鈕。

在不少用戶眼中，關閉APP的個性化推薦甚至等同于關閉APP的廣告、關閉APP的監聽。有一說一，雖然很多互聯網公司做的APP確實不咋好，但是這個謠言是真的有點危言聳聽。

就說一句話，如果APP真的在后臺無時無刻的監聽，那么你的手機電量根本受不了。

個性化推薦是什么？

既然APP沒有在后天監聽我們，那么，為什么APP總是能知道我們想要什么呢？這就離不開個性化推薦（也被稱為個性化營銷）了。

·何為個性化推薦？

簡單說就是，APP（網頁同理）基于營銷目的，在你使用APP過程中，APP會根據你填寫的資料、你在APP上的頁面停留時長、你對相關事物的興趣等綜合因素，對你進行個性化的營銷推送。

當下的互聯網環境，為了拿到你的訪問記錄，甭管我們是打開APP還是登錄網頁，背后都有無數的跟蹤器在默默分析著你的喜好。

在主流應用中，甭管是日活上億的買粉絲、抖音，還是淘寶、小紅書這些APP，他們統統都在使用個性化推薦。可以說，個性化推送在當今社會，極為常見。

那么，這一套系統到底是怎樣運作的呢？

·數據采集

對于“個性化推薦”我們可以這樣理解：“個性化推薦”=“個性化”+“推薦”。在這個公式中，“個性化”是“個性化推薦”的前提，而“個性化”前提則是海量數據做支撐。

（淘寶個性化推薦需要收集的數據）

可以這么說，沒有足夠的數據，就不會存在個性化推送。因此，有不少公司都走上了數據采集這條路子。

良心一點的公司，他會基于正常渠道獲取到的用戶數據，給用戶打上一些正常的標簽。但這些渠道的數據，通常不怎么值錢，也無法對個性化推薦起到有效的幫助。

于是，野路子的玩法就誕生了。

就比如在APP內嵌入SDK直接采集隱私信息。違不違規無所謂，對他們來說，把用戶數據拿到手才是硬道理。

雖然很過分，但在黑馬看來，這種已經算是“相對良心”。

因為在它之上，還有公司直接從流量源頭出發，從發卡的運營商渠道直接非法收集用戶的個人信息。就比如下面這家公司——瑞智華勝。

它通過競標以合作提供營銷服務的方式取得運營商遠程登陸權限，接著在運營商系統上裝上能采集用戶Cookie信息的木馬和插件，達到清洗、采集用戶Cookie還有訪問記錄等目的。

要知道，獲取到一個人的Cookie，就意味著我們無需再次輸入賬號密碼，就可以登錄他的賬號，從而獲取他的購物、社交、開房記錄等敏感內容。

說難聽點就是，這家公司獲取到你的Cookie信息之后，你在他們面前就幾乎沒有秘密了。

說實話，這種采集程度前所未有，其離譜程度更是超乎想象。不過這也恰恰說明了數據采集在個性化推薦中的重要性。

·推薦算法

說完了數據采集，我們再來聊聊“推薦”。

“推薦”的核心就在于怎樣從海量的產品中，找出你最有可能感興趣的那些。這時候，APP之前通過各種渠道采集到的數據就起到了作用。

不過想要進行高效的推薦我們還得引入推薦算法。因為我們采集到的數據實在是太多了，只有算法的加持才可以簡化這個推薦過程。

通常情況下，開發者會用到協同過濾推薦算法。

它主要通過對用戶歷史行為數據的分析發現用戶的偏好，然后再基于不同的偏好對用戶進行群體劃分，之后再對同類用戶推薦相同的商品。

比如黑馬和36最近在看摩托，雖然是兩個賬號，但是因為黑馬和36的喜好和消費一致，那么這時候系統就會給黑馬和36推薦相同的產品。

上面黑馬也說了，協同過濾推薦算法比較簡單，所以大家都在用。這也就導致一種情況，你有我有大家有，那不就是約等于沒有嘛。

于是，聰明的開發者又開始引入了深度學習。

在深度學習的加持下，推薦算法如虎添翼。

比如字節跳動旗下的抖音。

你在平臺上的每一次點擊、觀看時長、點贊、評論與轉發等都被量化了。之后，深度學習再根據這些數據設計出相關模型，用以預測同類用戶群體的喜好。

在算法的加持下，抖音做到了比你還要了解你的喜好。越刷越有趣的抖音就此誕生。

個性化推薦存在的意義

通過上面這部分的介紹，想必大家應該知道個性化推薦是什么了。那么，個性化推薦算法存在的意義又是什么呢？

·提高效率

以Yo

很赞哦!（177）