想让视频网站乖乖帮你推内容？看看这位小哥是如何跟YouTube斗法的

2017-08-17 08:40 来源:36氪 视频 /youtube

原标题：想让视频网站乖乖帮你推内容？看看这位小哥是如何跟YouTube斗法的

编者按：本文由微信公众号“AI科技大本营”（ID：rgznai100）编译，作者Matt Gielen，参与 reason_W；36氪经授权发布。

当下视频网站的火热程度大家都是有目共睹的，因此也产生了一些网红视频博主，比如深受营长喜爱的papi酱以及papitube的各位po主。

那么，这些网红是怎样使自己的视频迅速走红的，网站是通过哪些标准向广大吃瓜群众推荐视频的，其中使用了什么算法呢？

在视频网站不公开算法的情况下，上传视频的各大网红如何才能抓住视频分发过程中的套路，长期稳定地生产高品质视频内容？这里面到底有没有一条真正可行的路径？还是真的只能靠三俗内容来不断挑战广大观众的下限？

欢迎来到我们解析YouTube算法的第一部分。我们将从YouTube的一个动画视频制作商如何跟YouTube算法的长期斗法开始说起，看一看他在对YouTube算法一无所知的情况下，如何从数个月的运营推广经验中逆向推导出影响YouTube算法的几大因素：观看时长， 访问量、访问速度、访问时长、启动会话、上传频率、持续会话时间、结束会话时间，等等。

现在，就让我们跟着本文作者Matt Gielen，一起来探索YouTube推荐视频背后的六个秘密。

正文：

无论是故事片、舞台剧、电视节目，还是当前在线播放的各种视频，只要你是在为某种形式的发行机构创作内容，它的分发机制就能在很大程度上决定你作品的成败。

比如，你在做一部电视剧，你肯定期待它能成功。那你最好清楚什么时候插播广告最好、如何做宣传更有效果、哪个频道更契合你的内容以及该频道的收视人数能有多少等等诸如此类的问题。

然而，如果你是在YouTube上发布视频，atv，那就比较难了，因为其分发机制上最有价值的点是YouTube算法的工作原理。毕竟，与算法相关的一切事情都比较难懂。更何况，YouTube根本没公开哪些变量是它的算法会考虑进去的因素。

但哪怕能获得的数据非常有限，为了弄清楚它是如何工作的，我们也想对这个巨大的黑箱一探究竟。有些数据对算法影响很大，拿到它们（如缩略图和标题印象，用户访问历史记录和行为，观看时长等）就能在很大程度上提高算法对透明度。但很可惜，我们没办法拿到。

不过我们还是尽可能地利用了能拿到手的数据。我和我的前同事Jeremy Rosen花了六个多月的时间来研究Frederator所拥有并运营的频道数据，想尽可能多地搞明白YouTube的算法。

在开始之前还有一些事儿我得说明下。在这篇文章中，我们会把YouTube的很多推广算法（如推荐(Recommended)，建议观看(Suggested)，相关视频(Related)，搜索(Search)，评分(MetaScore)等）统称为“YouTube算法”。它们之间存在很多差异，但在一点上是一致的，就是优化目标都是“观看时长”（=浏览人数×平均观看时长）

关于“观看时长”，可以参考作者另一篇文章。

众所周知，视频的成功与否在于观众的观看时长。本文中，我会就影响“观看时长”的几个核心变量，详细聊聊我的心得体会。

观看时长

首先，“观看时长”并不意味着观看的分钟数。跟我们之前讨论的一样，观看时长是以下几个项目的组合：

访问量和访问速度

访问时长

启动会话

上传频率

持续会话时间

结束会话

基本上，这些项目中的每一个都关系到你的频道和视频表现的好坏：观众是不是经常来访问（开始一次页面访问会话），以及他们是不是会停留很长时间。

为了让你的频道跟视频在算法中累计下任何变量值(译者注：起码得让变量值不为0吧)，你首先需要获取访问量。为了让这些视频“成功”（即在前30天内访问量实现等于或大于订阅者的50％的观众），你需要在视频发布开始的前数分钟、数小时、数天内获得大量的访问次数，我们将其称为访问速度。

接下来，我们先来看看两个变量的作用。

访问量和访问速度

在分析Frederator的“访问速度”时，我们发现随着前48小时订阅用户访问百分比的增加，视频的平均累计访问量也在呈指数增长：

前48小时订阅用户访问百分比与视频平均访问量

根据这个发现，我们进行了一些更深入的挖掘：如果用这个“访问速度”的规律去预测视频是否会表现良好，能达到92％的准确率。

其实，视频的平均累计访问量和前72小时订阅用户访问百分比的相关性更大。

视频的平均累计访问量趋势和其前72小时订阅用户访问百分比相关

这些图和相关性充分表明，“访问量”和“访问速度”对于视频和频道的整体成功有着直接而重大的影响。

此外，有证据表明，这个影响反过来也很明显：“访问速度”低不仅对当前视频有负面影响，对前一个视频和后一个视频也有负面影响。