Nachdem wir im letzten Teil die Geschichte YouTubes und einige Fakten über YouTube besprochen haben, können wir nun, in diesem Teil unserer Ausführungen, erklären wie der YouTube Algorithmus heutzutage funktioniert. Auf dieser Unterseite werden wir die Grundprinzipien des Algorithmus, die Startseite YouTubes und die Suchfunktion näher beleuchten.
Die Grundprinzipien des Algorithmus
YouTube lernt vom Suchverhalten und vom persönlichen Konsum jedes Nutzers. Dies soll zur Verbesserung von Empfehlungen und Suchergebnissen führen was wiederum dazu führt, dass die Wiedergabedauer maximiert wird und somit auch die Werbeeinnahmen. Am wichtigsten für den Algorithmus ist die persönliche Wiedergabedauer (Watch Time, Abb.1). Dazu kommen noch viele andere Faktoren wie zum Beispiel, persönlich mit einem Like markierte Videos und abonnierte Kanäle (Abonnierte Kanäle haben keinen Effekt, falls schon lange kein Video mehr von jenem Kanal gesehen wurde). Damit ein Video möglichst oft empfohlen wird sollte es vor allem eine hohe allgemeine Wiedergabedauer (Nicht nur von jeweiligen Nutzern, sondern von der allgemeinen Zuschauerschaft) haben und zusätzlich viele Likes, wenige Dislikes und möglichst viele Aufrufe. Doch auch wenn ein Video all diese Vorgaben erfüllt, bedeutet das noch lange nicht, dass es einen hohen Platz auf Suchlisten erhalten wird, weil alles auf YouTube personalisiert wird.
Wie vorhin schon besprochen gibt es viele Faktoren, die einem Video eine grössere Chance geben vorgeschlagen zu werden. Weitere wichtige Kriterien für die YouTube Startseite sind die Aufrufgeschwindigkeit , also wie viele Aufrufe ein Video in einer gewissen Zeitspanne (vor allem in den ersten Stunden nach Upload) erhält, wie neu ein Video ist, was YouTuber dazu bewegt regelmässig Videos hochzuladen, die Sitzungszeit (wie viele Zuschauer nach dem Video noch lange Zeit auf YouTube verbringen) und die Zeit, an der man am meisten Videos konsumiert Zusätzlich untersucht der YouTube Algorithmus den Suchverlauf der Nutzer. Er schlägt Videos von denselben oder ähnlichen Creators vor, die einen ähnlichen Inhalt als die zuletzt geschauten Videos haben. Der Algorithmus sucht nach Videos mit verwandten Keywords in Videotiteln und -Beschreibungen. Weiterhin untersucht er den Aufenthaltsort und die aktuelle Uhrzeit, um relevante Neuigkeiten zu empfehlen. Nach all diesen Prozessen stuft der Deep-Learning-Algorithmus die Videos nach potenzieller Leistung ein und gleicht sie mit den unterschiedlichen Empfehlungsfaktoren ab. Diesen Prozess nennt man Matchmaking . Er wird auch bei der YouTube Suchfunktion angewendet. Dann vergleicht der Algorithmus die Daten ähnlicher Nutzer, um herauszufinden welches Video eine höhere Chance haben wird. Im nächsten Schritt wird der Aufrufverlauf des Nutzers mit der Liste von potenziellen empfohlenen Videos abgeglichen, damit ein Trichter zu Kandidatengeneration erstellt werden kann. Im letzten Schritt werden die Videos nach Relevanz und anderen Faktoren bewertet und dann vorgeschlagen. (Abb. 2)
Abb.2 (Paul Covington, Jay Adams und Emre Sargin, Datum unbekannt, Deep Neural Networks for YouTube Recommendations, GoogleUserContent.com)
Die YouTube Suche basiert zum Teil auf Metadaten wie zum Beispiel Tags und Keywords in Titeln und Videobeschreibungen. Metadaten werden allerdings immer unwichtiger und werden langsam durch Engagement Metriken , also durch das Nutzerverhalten, ersetzt. Diese Entscheidung wurde getroffen, um stark personalisierte Suchergebnisse zu ermöglichen, die schlussendlich zu einer höheren Wiedergabedauer führen. Die meisten oben genannten Faktoren der Empfehlung für die YouTube Startseite sind auch wichtig für die Suchfunktion, nur dass die YouTube Suche noch personalisierter ist als die Startseite. YouTube inspiziert den Suchverlauf und versucht Zuschauer mit Inhalten in Verbindung zu bringen, die am wahrscheinlichsten die Suchabsicht widerspiegeln und somit mehr Aufmerksamkeit auf sich ziehen (Abb. 3). Das alles ist ein riesiger Vorteil aus der Unternehmerperspektive, denn desto besser die Suchergebnisse, umso höher sind Klick- und Wiedergaberate, und somit auch Werbeeinnahmen.
