Uitgelegd: hoe het aanbevelingssysteem van YouTube werkt

YouTube's VP van engineering Cristos Goodrow heeft enig licht op de zaak geworpen in een gedetailleerde blogpost.

Het aanbevelingssysteem van YouTube werkt op twee hoofdplaatsen: de startpagina van YouTube en het paneel 'Volgende'.

Hoe bepaalt YouTube welke video moet worden aanbevolen voor consumptie? Hoe bepaalt het precies welke video's op iemands YouTube-homepage terechtkomen? YouTube's VP van engineering Cristos Goodrow heeft enig licht op de zaak geworpen in een gedetailleerde blogpost.

Hij heeft geprobeerd een antwoord te geven op de vraag of sensationele en misleidende inhoud of wat het bedrijf 'borderline-inhoud' noemt meer weergaven op het platform krijgt. Het bericht probeert ook te beantwoorden hoe YouTube heeft geprobeerd ervoor te zorgen dat het dergelijke inhoud niet aanbeveelt.

In de blogpost stelt Goodrom dat aanbevelingen een aanzienlijk deel van het totale aantal kijkers op YouTube genereren, en dat dit zelfs hoger is dan kanaalabonnementen of zoeken. Hij merkt ook op dat YouTube het aantal weergaven van borderline-inhoud van aanbevelingen wil beperken tot minder dan 0,5% van het totale aantal weergaven op het platform.

Laten we dus eens kijken hoe de aanbevelingssystemen van YouTube werken.

Wat is het 'aanbevelingssysteem' op YouTube?

Het aanbevelingssysteem van YouTube werkt op twee belangrijke plaatsen. Een daarvan is de YouTube-startpagina, die meestal een mix heeft van inhoud van geabonneerde kanalen tot aanbevolen video's, waarvan het platform denkt dat je ze waarschijnlijk zult zien.

Aanbevelingen werken ook in het paneel 'Volgende', wanneer je klaar bent met het bekijken van een video, en YouTube een tweede video in een rij zet waarvan het denkt dat je die waarschijnlijk gaat bekijken.

Het bericht legt uit dat de aanbevelingssystemen van YouTube niet werken op basis van een 'receptenboek' van wat te doen, maar voortdurend in ontwikkeling is en afhankelijk is van bepaalde signalen.

david gandy leeftijd

Dus wat zijn deze signalen die worden gebruikt door het aanbevelingssysteem van YouTube?

De signalen variëren van klikken, kijktijd, enquêtereacties en acties rond video's zoals delen, klikken op de like- of dislike-knop.

Clicks: Als men op een video klikt, wordt dit gezien als een sterke indicator dat men de video gaat bekijken. Maar de blogpost merkt op dat YouTube zich in de loop der jaren heeft gerealiseerd dat het feit dat iemand op een video klikt, niet betekent dat deze hoog op hun voorkeurenlijst staat. Per slot van rekening worden misleidende en clickbait-videominiaturen gebruikt om kijkers naar binnen te lokken, die vervolgens beseffen dat de video niet iets is waar ze de voorkeur aan geven.

Kijktijd: dit kijkt naar video's die men heeft bekeken en voor hoe lang, om gepersonaliseerde signalen te geven aan de systemen van YouTube. Als iemand bijvoorbeeld een fan is van komische inhoud op het platform en urenlang kijkt, dan zullen de aanbevelingen waarschijnlijk overal voorkomen. Het is een veilige gok dat de gebruiker dergelijke komische video's zal bekijken. Dit is belangrijk aangezien een gemiddelde volwassen gebruiker in de VS volgens een rapport van emarketeer ongeveer 41,9 minuten per dag op het platform doorbrengt. ( https://www.emarketer.com/content/us-youtube-advertising-2020 )

Maar niet alle kijktijd is gelijk, daarom houden ze ook rekening met andere signalen bij het nemen van aanbevelingen.

Enquêtereacties: YouTube zegt dat dit wordt gedaan om gewaardeerde kijktijd te meten: de tijd die wordt besteed aan het bekijken van een video die een gebruiker als waardevol beschouwt. Enquêtes omvatten het vragen van gebruikers om video's van vijf sterren te beoordelen, en als een gebruiker een video als laag of hoog markeert, hebben ze meestal vervolgvragen. Alleen video's met een hoge beoordeling van vier of vijf sterren worden geteld als gewaardeerde kijktijd. De reacties van deze enquêtes zijn door YouTube gebruikt om een ​​machine learning-model te trainen om mogelijke enquêtereacties voor iedereen te voorspellen.

Delen, Likes, Dislikes: Likes, shares, dislikes op een video worden ook overwogen. De veronderstelling is dat als iemand van een video geniet, ze op de vind-ik-leuk-knop zullen drukken of deze zelfs kunnen delen. Deze informatie wordt verder gebruikt om te proberen te voorspellen hoe waarschijnlijk het is dat u meer video's deelt of leuk vindt. Een afkeer is duidelijk een sterke indicator dat de video de gebruiker niet aansprak.

Maar de blogpost legt ook uit dat het belang dat aan elk signaal wordt toegekend, afhangt van de gebruiker. Als je het soort persoon bent dat elke video deelt die je bekijkt, inclusief de video's die je een of twee sterren geeft, weet ons systeem dat je niet te veel rekening houdt met je aandelen bij het aanbevelen van inhoud, legt het bericht uit.

YouTube zegt dat het aanbevelingssysteem geen vaste formule heeft, maar zich dynamisch ontwikkelt en gelijke tred houdt met veranderingen in kijkgedrag.

Hoe zit het met desinformatie? Hoe zorgt YouTube ervoor dat het niet wordt aanbevolen?

YouTube krijgt, net als alle andere sociale-mediaplatforms zoals Facebook, Twitter, kritiek dat het niet genoeg doet om de verspreiding van verkeerde informatie in te dammen. Vooral de Amerikaanse president Joe Biden is zeer kritisch geweest over zowel Facebook als YouTube, omdat het de verspreiding van verkeerde informatie over de COVID-19-vaccins toestaat.

En dit is de context waarom YouTube zich openstelt over hoe het aanbevelingssysteem werkt. Het bedrijf zegt echter dat ze geen inhoud van lage kwaliteit of 'borderline'-inhoud willen aanbevelen, wat problematisch is maar de regels niet regelrecht schendt. Voorbeelden zijn video's waarin wordt beweerd dat de aarde plat is of video's die beweren kanker te genezen met 'natuurlijke remedies'.

Nieuwsbrief| Klik om de beste uitleg van de dag in je inbox te krijgen

YouTube stelt dat het sinds 2011 het aanbevelen van inhoud van lage kwaliteit beperkt heeft, toen het classificaties bouwde om video's te identificeren die pittig of gewelddadig waren en verhinderde dat ze werden aanbevolen. Verder begon het in 2015 met het degraderen van video's met sensationele tabloid-inhoud die op startpagina's verscheen.

Dit classificatiesysteem, waarbij een video in de categorie nieuws en informatie wordt getagd als gezaghebbend of grensoverschrijdend, is afhankelijk van menselijke beoordelaars. In de blogpost wordt uitgelegd dat deze beoordelaars van over de hele wereld komen en zijn opgeleid aan de hand van een reeks gedetailleerde, openbaar beschikbare beoordelingsrichtlijnen. Ze vertrouwen ook op gecertificeerde experts, zoals artsen wanneer de inhoud betrekking heeft op gezondheidsinformatie.

Beoordelaars proberen een aantal vragen rond de video te beantwoorden: of het expertise heeft, de reputatie van het kanaal, de spreker, enz. Hoe hoger de score, hoe meer de video wordt gepromoot als het gaat om nieuws- en informatie-inhoud, stelt de blog.

Video's worden ook bekeken om te zien of de inhoud misleidend, onnauwkeurig, bedrieglijk, hatelijk of mogelijk schadelijk is. Op al deze factoren krijgt een video een score; hoe hoger de score, hoe meer het aanbevelingssysteem van YouTube het zal promoten. Een lagere score betekent dat de video wordt geclassificeerd als borderline en wordt verlaagd in aanbevelingen.

Het bedrijf zegt dat deze menselijke evaluaties vervolgens zijn gebruikt om het systeem van het bedrijf te trainen om hun beslissingen te modelleren, en we schalen hun beoordelingen nu naar alle video's op YouTube.

Krijgt deze borderline-inhoud dus meer betrokkenheid?

YouTube beweert dat ze door middel van enquêtes en feedback hebben ontdekt dat de meeste kijkers geen aanbevolen borderline-inhoud willen krijgen, en velen vinden het verontrustend en onaangenaam. Het beweert verder dat toen het begon met het verminderen van salacious of tabloid-achtige inhoud, de kijktijd met ongeveer 0,5% procent was toegenomen in de loop van 2,5 maanden.

Het zegt dat het bedrijf geen bewijs heeft gezien dat dergelijke inhoud aantrekkelijker is in vergelijking met andere inhoud. De post geeft voorbeelden van flat earth-video's, en voegt eraan toe dat hoewel veel van dergelijke video's naar het platform worden geüpload, ze veel minder weergaven krijgen.

Het heeft ook onthuld dat toen ze in 2019 begonnen met het verlagen van borderline-inhoud, ze een daling van 70% in de kijktijd zagen voor niet-geabonneerde, aanbevolen borderline-inhoud in de VS. Het beweert verder dat de consumptie van borderline-inhoud die voortkomt uit onze aanbevelingen momenteel aanzienlijk lager is dan 1 procent. Wat dit ook betekent, is dat ondanks de inspanningen van YouTube, sommige borderline-inhoud uiteindelijk wordt aanbevolen, ook al is het maar een heel klein percentage.

In het bericht staat ook dat de richtlijnen voor adverteerders zodanig zijn dat veel van deze borderline-inhoudskanalen het onmogelijk zullen vinden om inkomsten te genereren met hun video's. Het merkt op dat adverteerders niet geassocieerd willen worden met dergelijke inhoud.

Dus waarom verwijdert YouTube de misleidende inhoud niet?

YouTube geeft toe dat dit soort inhoud niet goed voor ze is en dat het hun imago in de pers, het publiek en beleidsmakers beïnvloedt. Maar net als Facebook verwijdert YouTube dergelijke inhoud niet echt omdat het zegt dat desinformatie de neiging heeft om snel te verschuiven en te evolueren, eraan toevoegend dat in tegenstelling tot gebieden zoals terrorisme of kinderveiligheid, vaak een duidelijke consensus ontbreekt.

Het voegt er ook aan toe dat verkeerde informatie kan variëren, afhankelijk van het persoonlijke perspectief en de achtergrond. Dit is een verdediging die critici frustreerde die beweerden dat YouTube niet genoeg doet om problematische inhoud te verwijderen. Het bericht geeft toe dat het bedrijf weet dat het soms controversiële of zelfs aanstootgevende inhoud achterlaat, maar voegt eraan toe dat het zich wil concentreren op het bouwen van een aanbevelingssysteem dat deze inhoud niet promoot.

ryan gosling huis

YouTube geeft toe dat het probleem nog lang niet is opgelost, maar stelt dat het zijn systeem zal blijven verfijnen en investeren om het te blijven verbeteren.

Deel Het Met Je Vrienden: