YouTube: как устроены и как совершенствуются рекомендации

Вице-президент YouTube по технологическим вопросам Кристос Гудроу рассказал, как устроены и как совершенствуются рекомендации. В сервисе хотят, чтобы их принцип работы был понятным для пользователей.

Согласно YouTube, рекомендации направляют зрителей и приносят больше половины общего количества просмотров на платформе: больше, чем подписки на каналы или поиск. Нажатия, время просмотра, опросы пользователей, ссылки на контент, а также отметки «Нравится» и «Не нравится» – это важные данные, которые учитываются при подборе видео.

В целом система рекомендаций призвана помогать пользователям находить видео, которые им интересны и полезны. Рекомендации отображаются в двух основных разделах: на главной странице и на панели «Следующее».

Эта система была создана в 2008 году, и на тот момент она работала совершенно иначе. Например, тогда пользователи могли видеть в рекомендациях тот контент, который получал больше просмотров – даже если он для них не интересен. В первые годы существования этой системы мало кто смотрел такие рекомендации, и большую часть просмотров на YouTube приносил поиск и внешние ссылки. Сегодня система классифицирует миллиарды видео, чтобы подобрать контент, соответствующий интересам пользователей.

В отличие от других платформ, YouTube не подбирает для пользователей контент на основании их социальной активности. Вместо этого платформа ориентируется на способность предсказать желания пользователей.

Система сравнивает действия пользователя в сервисе с похожим поведением и на основании этой информации предлагает тот контент, который может его заинтересовать. При этом для новостных и информационных разделов принцип работы рекомендаций может отличаться, поскольку существует проблема дезинформации.

В YouTube понимают, что не все пользователи готовы делиться личной информацией, поэтому предоставили возможность удалять, редактировать и временно отключать историю поиска и просмотров на платформе в любой момент.

Как персонализируются рекомендации

Система рекомендаций постоянно развивается и обучается, анализируя 80 млрд информационных объектов, которые в сервисе называют «сигналами». Чтобы определить предпочтения, алгоритмы принимают во внимание множество сигналов: нажатия, время просмотра, результаты опросов, ссылки на контент, а также отметки «Нравится» и «Не нравится».

При этом значимость каждого сигнала зависит от конкретного пользователя. Например, если он делится всеми просмотренными видео, то система не будет учитывать отправленные им ссылки при подборе рекомендаций. Именно поэтому алгоритмы YouTube не базируются на четких правилах, а адаптируются к поведению пользователя.

Борьба с дезинформацией

В последние годы увеличилось количество недостоверной информации, поэтому YouTube улучшил свою систему рекомендаций, чтобы она могла обрабатывать видео с неверными данными, а также спорный контент.

Проверенный контент отделяется от пограничного с помощью классификаторов. Оценку качества информации, представленной на канале или в видео, осуществляют специалисты со всего мира, которые обучаются по подробным общедоступным правилам. YouTube также обращается к сертифицированным экспертам, например, врачам, когда контент содержит информацию, касающуюся здоровья.

Чтобы определить пограничные видео, специалисты по оценке отмечают факт присутствия неточного, вводящего в заблуждение, оскорбительного, нетолерантного, реально или потенциально вредоносного контента и другие.

На основании общих результатов определяется вероятность, что в ролик содержит вредоносную информацию или пограничный контент. Видео, которые классифицируются как пограничный контент удаляются из рекомендаций. Эти оценки также используются для обучения системы моделировать решения по заданному образцу.

Напомним, что в июне 2020 года Google создал новый сайт под названием How YouTube Works, где ответил на частые вопросы о том, как работает платформа. В частности, это касается поиска, персонализации и рекомендаций.

subscribe

Подпишитесь на рассылку SearchEngines

— Статьи мировых экспертов

— Аналитические обзоры

— Важные новости

— Горячие темы с нашего форума

preview Яндекс.Дзен анонсировал новые возможности для маркетологов

Яндекс.Дзен анонсировал новые возможности для маркетологов

На прошедшей Дзен-среде
preview Российские операторы просят ввести ограничения на доступ к социально значимым сайтам

Российские операторы просят ввести ограничения на доступ к социально значимым сайтам

Но Минцифры пока не учитывает их мнение
preview Для аккаунтов Microsoft больше не нужны пароли

Для аккаунтов Microsoft больше не нужны пароли

Теперь есть более безопасные способы авторизации
preview Объем российского рынка диджитал-рекламы составил 141,7 млрд

Объем российского рынка диджитал-рекламы составил 141,7 млрд

Показав рост на 26,1%
preview AliExpress Россия открыла центр поддержки покупателей и продавцов

AliExpress Россия открыла центр поддержки покупателей и продавцов

В Нижнем Новгороде
preview Booking оспаривает штраф ФАС за доминирующее положение на рынке

Booking оспаривает штраф ФАС за доминирующее положение на рынке

Агрегатор не согласен платить 1,3 млрд рублей