En una entrevista en video reciente, el enlace de YouTube René Ritchie habló con Todd Beaupré, director senior de crecimiento y descubrimiento de YouTube, para analizar las funciones del sistema de recomendación de la plataforma y lo que los creadores pueden esperar este año.

Su discusión reveló cómo la hora del día, el tipo de dispositivo, la satisfacción del espectador y la llegada de grandes modelos de lenguaje (LLM) están remodelando los algoritmos de YouTube.

Esto es lo que necesita saber sobre el sistema de recomendaciones de YouTube y cómo funciona.

Recomendaciones personalizadas

Uno de los temas centrales de la entrevista es el enfoque de YouTube en hacer coincidir el contenido con las preferencias individuales de los espectadores.

Según Beaupré:

“Muchas veces los creadores dicen, oye, el sistema de recomendaciones está publicando mi video entre las personas o por qué no publica mi video. Sí, pueden preguntar eso y la forma en que funciona es… no es tanto. acerca de empujarlo hacia afuera tanto como tira…”

Continúa explicando que el feed de inicio de YouTube prioriza el contenido en función de lo que es más probable que disfrute cada espectador en un momento dado:

“Cuando abras la página de inicio, YouTube dirá: Hola, René está aquí. Necesitamos brindarle a René el mejor contenido que hará feliz a René hoy”.

Métricas y satisfacción

Si bien la tasa de clics (CTR) y el tiempo de visualización siguen siendo importantes, el sistema de YouTube también tiene en cuenta la satisfacción del usuario obtenida a través de encuestas directas y otras señales de retroalimentación.

Beaupré señala:

“Introdujimos este concepto de satisfacción… estamos tratando de comprender no sólo el comportamiento del espectador y lo que hace, sino también cómo se siente con respecto al tiempo que pasa”.

Explica que el objetivo de YouTube es cultivar la satisfacción de los espectadores a largo plazo:

“… analizamos cosas como lo que me gusta, lo que no, estas respuestas a encuestas… tenemos una variedad de señales diferentes para llegar a esta satisfacción… queremos construir una relación con nuestra audiencia tal como los creadores quieren hacer con sus fans”.

Contenido imperecedero y de tendencia

Los algoritmos de YouTube pueden identificar videos más antiguos que vuelven a ser relevantes debido a temas de tendencia, momentos virales o intereses nostálgicos.

Beaupré cita la capacidad del sistema para girar:

“… tal vez en este momento hay un video que llega a una determinada audiencia, pero luego, como en seis meses… eso hace que este video sea relevante nuevamente… si es relevante y tal vez para una audiencia diferente a la que lo disfrutó la primera vez”.

Contexto: tiempo, dispositivo y hábitos del espectador

Beaupré reveló que el sistema de YouTube puede mostrar diferentes tipos de contenido dependiendo de si alguien lo está viendo por la mañana o por la noche, en un teléfono móvil o en un televisor:

“El sistema de recomendación utiliza la hora del día y el dispositivo… como algunas de las señales de las que aprendemos para comprender si hay diferentes contenidos que son atractivos en esos diferentes contextos… si tiendes a tener preferencia por ver las noticias por la mañana y la comedia por las mañanas. noche… intentaremos aprender de otros espectadores como tú si tienen ese patrón”.

Fluctuaciones en las vistas

Los creadores a menudo se preocupan si sus vistas bajan, pero Beaupré sugiere que esto puede ser un flujo y reflujo natural:

“…lo primero es que eso es natural… no es particularmente razonable esperar que siempre estés en el nivel más alto de vistas de todos los tiempos… Te animo a que no te preocupes demasiado por eso…”

También recomienda comparar métricas durante períodos más largos y aprovechar herramientas como Google Trends:

“… vemos que la estacionalidad puede desempeñar un papel… lo alentamos a mirar más allá… 90 días o más para ver el contexto completo”.

Audio en varios idiomas

Muchos creadores están explorando el audio multilingüe para ampliar su audiencia.

Beaupré destaca cómo YouTube se ha adaptado para admitir pistas dobladas:

“…necesitábamos agregar algunas capacidades nuevas… conscientes de que este video en realidad está disponible en varios idiomas… así que si eres un creador que está interesado en ampliar su alcance a través del doblaje… asegúrate de que tus títulos y descripciones… también se carguen. [in] títulos y descripciones traducidos…”

También enfatiza la coherencia:

“Hemos visto, en particular, creadores que doblan al menos el 80% del… tiempo de visualización… tienden a tener más éxito que aquellos que doblan menos…”

Integración del Máster en Derecho

De cara al futuro, los grandes modelos lingüísticos (LLM) permitirán a YouTube comprender mejor el contenido de vídeo y las preferencias de los espectadores.

Beaupre dice:

“… hemos aplicado la tecnología del modelo de lenguaje grande a las recomendaciones en YouTube para… hacerlas más relevantes para los espectadores… en lugar de simplemente memorizar que este video tiende a ser bueno para este tipo de espectador… en realidad podría ser capaz de comprender los ingredientes del plato mejor y tal vez algunos elementos más del estilo del video…”

Beaupré lo compara con un chef experto que sabe adaptar recetas:

“…queremos parecernos más al chef experto y menos a la… receta memorizada”.

Conclusiones clave para los creadores

Estas son las principales conclusiones de su conversación de 21 minutos sobre el sistema de recomendaciones de YouTube.

1. El sistema de recomendación consiste en “extraer” contenido para cada espectador, no en publicar vídeos de forma universal.
2. Métricas como el CTR y el tiempo de visualización son importantes, pero la satisfacción (me gusta, no me gusta, comentarios de encuestas) también es esencial.
3. YouTube puede resurgir videos más antiguos si surge un interés renovado.
4. La hora del día y el uso del dispositivo influyen en las recomendaciones.
5. Las fluctuaciones en las vistas son normales: la estacionalidad, las tendencias y los factores externos pueden estar en juego.
6. Los títulos doblados y traducidos pueden ayudar a llegar a nuevos mercados, especialmente si un alto porcentaje de su contenido está disponible en el mismo idioma.
7. Los modelos de lenguaje grandes permiten una comprensión más matizada; los creadores deben estar atentos a cómo esto afecta el descubrimiento.

Mire la entrevista completa a continuación.

YouTube planea compartir más actualizaciones en VidCon a finales de este año.

Imagen de portada: Mamun_Sheikh/Shutterstock