Auf dieser Unterseite geben wir euch eine Einführung in den YouTube Algorithmus und wie diese sich dieser über die Jahre hinweg entwickelt haben. Zuerst möchten wir ein paar Fakten aufwerfen, um zu zeigen, wie wichtig YouTube im Leben vieler Menschen und Firmen geworden ist und warum es nötig ist diese Plattform zu verstehen.
YouTube ist die zweitgrösste Suchmaschine der Welt.
YouTube hat monatlich über 2 Milliarde eingeloggte Nutzer.
Täglich werden 1 Milliarde Stunden Videos auf YouTube konsumiert.
Jede Minute werden mehr als 500 Stunden Videomaterial auf YouTube hochgeladen.
84% der Nutzer wurden durch ein Video einer Marke überzeugt, ein Produkt oder eine Dienstleistung zu kaufen.
93% der Vermarkter, die derzeit Video verwenden, sehen es als einen wichtigen Teil ihrer Werbestrategie an (Abb.1).
Diese Fakten zeigen, dass YouTube nicht nur zur Unterhaltung dient, sondern auch ein zentraler Punkt in der Marketingstrategie vieler Firmen ist. So trägt auch YouTube eine grosse Verantwortung in der Werbebranche.
Abb.1 ( Affde.com, 16.8.2021, So funktioniert der YouTube Algorithmus im Jahr 2021)
Das Black Box Problem
Wir wissen nicht genau, wie der Algorithmus genau handelt, da er eine niedrige algorithmische Transparenz hat. Das bedeutet, dass nicht alle Faktoren, die den YouTube Algorithmus beeinflussen, öffentlich zugänglich sind. Zum Teil ist das so, weil sonst jeder ein Video erstellen könnte, welches der Algorithmus empfehlen würde und das wiederum könnte dazu führen, dass YouTube einen Qualitätsverlust erleidet. Zudem kennt auch YouTube nur das äussere Verhalten des Algorithmus, da er ein sogenannter Deep-Learning Algorithmus ist, also eine Maschine, die sich selbst entwickelt, bei der man nur die Signale und Inputs verändern kann. Wir sagen also dem Algorithmus, dass er nur gute Videos empfehlen solle, und geben die Befehle, dass er auf Likes, Aufrufe und Wiedergabelänge schauen sollte. Doch der Algorithmus kann danach selbst Schlüsse ziehen, wie er diese Befehle umsetzt. Dies alles führt dazu, dass wir den Algorithmus nur durch seine äusseren Verhaltensmuster beurteilen können.
Von 2005 bis 2012 wählte der Algorithmus hauptsächlich Videos nach der Anzahl Aufrufen aus. Allerdings brachte dies das Problem mit, dass Clickbait Videos sehr leicht bei vielen Leuten vorgeschlagen wurden. Während 2012-2015 war die Wiedergabezeit (Watch Time) der wichtigste Massstab nachdem Videos beurteilt wurden. Die Wiedergabezeit ist immer noch eine der wichtigsten Methoden, die der Algorithmus braucht, um Videos zu beurteilen. Trotzdem garantierte das die Qualität der Videos noch nicht. 2016 wurde der vorhin erwähnte Deep-Learning Algorithmus eingeführt (Deep Neural Networks) und mit ihm kamen die Kandidatengeneration und der Ranking-Trichter , über die wir auf der zweiten Unterseite sprechen werden. 2017 wurden die vier Rs der Verantwortung (Abb.2) etabliert.
1. Remove (Abb.3) Inhalte die gegen YouTubes Richtlinien (Abb.4) verstossen, müssen vom Algorithmus erkannt und entfernt werden.
2. Raise Autoritative Stimmen sollen wiedergegeben werden, wenn Nutzer nach Eilmeldungen und aktuellen Informationen suchen.
3. Reward Content Creators, die vertrauenswürdig sind, sollen vom Algorithmus empfohlen und somit belohnt werden.
4. Reduce Der Algorithmus soll Inhalte, die beinahe gegen die Richtlinien verstossen, nicht verbreiten.
Die vier Rs gerieten in den Fokus der Öffentlichkeit als YouTube User, die nach extremistischer Propaganda suchten, auf Playlists umgeleitet wurden, die diese Ideen entlarvten. 2019 begann YouTube “grenzwertige” Inhalte systematisch zu entfernen also Inhalte, die fast gegen Richtlinien verstossen oder schädliche Fehlinformationen verbreiten. Dies machte YouTube, um werbefreundlicher zu sein, da Werbung ihre Haupteinnahmequelle ist.
