The YouTube Algorithms in 2025 — Explained!

Summary

在这段对话中，YouTube的专家分享了推荐系统的运作方式。重点强调推荐系统是根据每个用户的需求定制内容，分析观看行为和情感反馈，以实现个性化推荐。尽管点击率和观看时间等指标有价值，但更重要的是关注用户满意度和长期关系的建立。此外，视频的多语言配音和YouTube使用大语言模型来优化推荐内容，帮助创作者扩大受众并提高视频的相关性。

Takeaways

• 😀 推荐系统是基于每个观众的个体需求进行定制的，而不是推送内容。
• 😀 系统通过了解观众的喜好，像口碑推荐一样从其他观众的行为中获得灵感。
• 😀 推荐不仅仅依赖点击率和观看时长，还会考虑观众对视频的满意度。
• 😀 推荐系统会根据时间段和设备类型调整推荐内容，比如早晨和晚上观看的内容会有所不同。
• 😀 没有一个固定的标准可以优化所有创作者的内容，观看时长和点击率的重要性根据内容类型和平台变化。
• 😀 YouTube系统并非只关注最大化用户的观看时长，而是更注重观众的满意度和长期关系。
• 😀 满意度调查反馈在内容推荐中发挥重要作用，帮助评估视频的真实价值。
• 😀 创作者不应仅关注具体视频的指标，而要从更高层次的目标出发，比如观众质量和转化率。
• 😀 在多语言音频的推荐中，YouTube通过翻译标题和描述等方式来增强跨语言的观众覆盖。
• 😀 季节性变化和供需关系影响着频道的观看数据波动，因此创作者应更关注长期数据而非短期波动。
• 😀 YouTube的推荐系统正在运用大语言模型技术，使推荐更具个性化，提供更深层次的内容理解和观众匹配。

Q & A

YouTube的推荐系统如何运作？

YouTube的推荐系统基于每个观众的个体需求，主要通过‘拉动’而不是‘推动’的方式工作。当用户打开首页时，系统会根据用户的喜好推荐最佳内容，而不是通过查看每个视频并判断哪些观众可能喜欢它来推送视频。

推荐系统如何处理观看者与内容之间的关系？

推荐系统通过分析其他观众的观看行为，自动化地进行类似‘口碑推荐’，以此来推测观众可能感兴趣的视频。它考虑了观众的观看偏好、满意度和行为反馈，以此来提高个性化推荐的精准度。

如何根据时间和设备类型调整推荐内容？

推荐系统会考虑用户使用的设备类型（例如手机或电视）以及时间因素（早晨或晚上），根据这些信号优化推荐内容。系统会学习观众的日常观看习惯，比如早上可能更喜欢观看新闻，晚上则可能更喜欢喜剧。

视频的点击率和观看时长是否是推荐的唯一标准？

不是的。尽管点击率和观看时长是重要的指标，但系统会考虑多个因素。根据不同类型的内容和观看场景，某些因素可能比其他因素更重要。例如，音乐视频的观看时长可能不如信息视频那么重要。

YouTube的推荐系统是如何衡量观众的满意度的？

YouTube通过多种信号来衡量观众的满意度，包括点赞、点踩、调查反馈以及观众是否对某个推荐表示不感兴趣。这些数据被直接反馈到推荐系统中，帮助系统了解视频的真实价值，而不仅仅是观看时长。

创作者如何根据自己的分析来优化视频内容？

创作者应当关注视频的整体表现，而不仅仅是关注点击率（CTR）和观看时长等绝对数字。创作者可以通过订阅者的点击率和观看时长来了解视频的受欢迎程度，并根据这些反馈来调整内容，例如改善缩略图、标题或视频开头部分。

YouTube如何处理多语言音频的推荐问题？

YouTube在处理多语言音频时，会确保系统能够识别视频的多种语言版本，并根据不同语言的观看表现进行反馈和优化。创作者上传多语言版本时，应确保翻译好的标题和描述，以便系统能够准确推荐给不同语言的观众。

创作者如何优化他们的频道，以便吸引更多不同语言的观众？

创作者可以通过将至少80%的频道内容配有多语言音频来拓宽观众群体，确保每个语言的频道内容有足够的覆盖面。此外，翻译标题和描述也是非常重要的，以便能够被推荐给不同语言的观众。

如果创作者发现自己频道的观看量下降，应该如何应对？

观看量的波动是正常的，创作者不必过于担心。可以通过查看较长时间段（如一年）的数据，识别季节性变化和外部因素（如流行趋势或新闻事件）。此外，也要注意供需关系的变化，创作者需要不断优化内容，并根据观众反馈调整频道策略。

大语言模型（LLM）如何改善YouTube的推荐系统？

大语言模型（如Gemini或ChatGPT）能够提供更深层次的内容理解和更细致的观众偏好预测。相比小型模型仅依赖记忆，大语言模型能够理解更复杂的内容特点和情感，从而提供更个性化和精确的推荐，类似于一个经验丰富的厨师能够灵活应对各种变化。