YouTube的做法表明,Feed流变得愈发重要。 去年年底,当我在玩一款名为Dishonored 2的视频游戏时,我在YouTube搜索一个关于如何解决游戏中棘手部分的视频。像往常一样,我找到了一个视频来解决我的问题。 但在下次YouTube访问中,该网站为我提供了更加引人注目的 Dishonored 视频:如何不会被敌人发现;创造性的方式杀死个敌人的剪辑;对游戏创作者的采访;讽刺评论。我通过YouTube寻求对我的问题的回答,但它为我展示了一个宇宙。 不久之后,我发现自己每天都会多访问几次YouTube。在大多数情况下,我访问时没有特定的目的 – 我已经习惯了Youtube自发地提供我想要的东西。 今年1月,我开始沉迷于名为Pinegrove的民谣摇滚乐队。几周之内,YouTube就为我呈现了上传到服务器的每一个现场表演的视频。 今年春天,当我找到新公寓时,我开始尝试更多的烹饪,并且在搜索如何制作panzanella沙拉后,YouTube很快将我介绍给了许多大厨:Byron Talbott, and Serious Eats’ J. Kenji López-Alt, and the Tasty crew等等。 YouTube挺好用。自2005年成立以来,它一直是互联网的组成部分。但在过去的一年左右,对于我来说,YouTube已经开始显得出奇的好。以令人毛骨悚然的精确度预测我可能感兴趣的视频 – 比以往任何时候都好。 那么这带来了什么改变? 订阅制已成往昔,Feed流迎头赶上 在过去的12年中,YouTube已经从一个由搜索驱动的网站转变为系统推荐方式。实现达到这个地步需要数百次实验,少量再设计以及人工智能的一些突破。但真正提升YouTube的是它的变成了feed流。 过去一年,对于我来说,YOUTUBE已经看起来非常好了。 现在没人记得,最初YouTube只是基础设施:它提供了一种将视频嵌入到其他网站的简单方法,这也是你最经常遇到的场景。 随着网站的发展,YouTube成为了寻找电视片段、追深夜喜剧、观看最病毒式热点的地方。 YouTube在维基百科上被称为网络上最臭名昭着的兔子洞。比如你的同事提到了Harlem Shake,所以你去了YouTube,最后将花费一个晚上观看Harlem Shake的视频。 与此同时,Facebook改变了我们时间的格式:新闻Feed流——根据您的兴趣为您定制个性化的Feed流。 Feed流接管了互联网,从Tumblr到Twitter,再到Instagram,再到LinkedIn。YouTube的早期个性化方法十分有限:它要求用户订阅频道。 这种方法是从电视借鉴来的,结果毁誉参半。根据ComScore的数据,2011年的推动订阅制取得了一些成功,但人们观看YouTube的平均时间仍没有改变。 频道不再像以前那样主宰YouTube。今天在手机上打开YouTube,您会发现它们隐藏在单独的选项卡中。 取而代之的是,根据您的兴趣生成一个包含特定视频混合的Feed流——有来自订阅频道的视频;也有一些与您观看过的视频相关的,但您未曾看过的视频。 这就是为什么在直接搜索 Dishonored 视频之后,我开始看到关于隐匿通过游戏和讽刺评论的推荐。YouTube不仅可以提供个性化的推荐,而且非常准确,其结果可以提高整个网站的观看时间。 "我们知道,当人们来YouTube时知道他们要寻找什么"2011年加入该公司的YouTube推荐技术负责人Jim McFadden说道。"我们还希望在他们不知道想要寻找什么时,为他们提供服务 。" 如何提高用户的观看时间? 我在2011年第一次访问Youtube总部时,是在McFadden加入后几个月。 现在,提高用户的观看时间是YouTube的主要目标。当时,情况并不乐观。McFadden说:"YouTube.com作为主页并没有带来该有的作用。 我们想,我们怎么把这个东西变成用户的目的地?" 公司尝试了一切:为顶级创作者购买了专业相机设备;推出"leanback"功能——可以让您在播放当前视频时排队观看新视频; 它重新设计了其主页,强调订阅的频道。 每个用户观看的视频基本不变,但随后的春天带来了变化:推荐算法不再基于点击视频的人数,而是基于人们观看它的时间长短。 几乎在一夜之间,标题党和封面党的创作者的观看数量直线下降。 与用户长时间观看的高质量视频的关注量飙升。而后三年,YouTube上的观看时间每年增长50%。 我订阅了一些频道,也认为自己是YouTube的常客。但是为了让用户一天多次的访问,YouTube需要一套新的工具——这些工具在过去18个月内才上线。 当我在本月去拜访Youtube时,McFadden透露YouTube的这种改变的原因:YouTube于2015年开始使用Google Brain——母公司的人工智能部门。Brain并非是YouTube首次尝试AI; 该公司之前已经将机器学习技术应用于推荐,使用了一个名为Sibyl的系统。 但是,Brain采用了一种称为无监督学习的技术:它的算法可以找到不同输入之间的关系,这是软件工程师从未想过的。 "它所做的关键改变之一就是能够推演,"McFadden说。 "之前,如果我从喜剧演员那看这个视频,我们的建议是,这里有另一个喜欢它的人。 但Google Brain模型指出了其他喜剧演员的相似但不完全相同 – 甚至更多的相邻关系。它能够挖掘不太明显的关系。" 举一个例子:Brain算法开始为移动应用的用户推荐较短的视频,并在YouTube的电视应用中推荐较长的视频。 它能正确地猜测,不同平台上不同的视频长度会带来更高的观看时间。 YouTube在2016年推出了类似于此类的190个更改,并且2017年发布了300多个。"实际情况是,随着时间的推移,还会带来很多的小改进,"YouTube发现小组的产品经理Todd Beaupre说。 "对于每一项改进,你都会尝试10件事,然后启动其中一件。" Brain算法也比YouTube之前的工作速度更快。在过去几年中,用户的行为可能需要数天时间才能被纳入未来的推荐中。这使得很难确定趋势,博普雷说, "如果我们想让用户知道现在发生的事情,我们需要解决了这个问题——延迟,不该是几天,而是以分钟或小时衡量。" 整合Brain已经产生了巨大的影响:人们花在网站上观看视频的时间超过70%,是由YouTube的算法推荐的。 YouTube每天向用户推荐包含76种语言的2亿个不同的视频。人们在YouTube主页上观看视频的总时间比三年前增长了20倍。 这也大致符合我的行为。几年前,我在午餐时间访问YouTube的主页,在吃东西的时候看一些东西。但是推荐算法足够好后,我开始了更多地访问YouTube。本周我在PlayStation 4上破译并登录YouTube,以便我可以在最大屏幕上观看其推荐。 与众不同的算法,不用再受社会热点的骚扰了! Youtube展现了个性化的Feed流的真正魅力。然而,让我感到惊讶的是,YouTube与其他任何影响生活的产品感受不同。 Facebook的Feed流基于您的朋友发布的内容以及来自您喜欢的网页的帖子。这对于了解谁有了一个孩子很有用,但是除了这些里程碑式事件之外,我还会对朋友的职位感到很高兴。Twitter会收到你关注的人的推文,以及那些人选择转发的内容。作为一名记者,我只需要在Twitter上生活,尽管现在首页只不过是一个无尽的,焦虑的尖叫。(译者注:今年国外的政治环境比较动荡) 每种Feed流都有其优势,但在2017年这种优势已不明显。在Twitter上,无论你关注了谁,政治都会主导讨论。 Facebook对事件和团体的热度每周都在变更,导致有些不和谐,让我感觉与我的朋友之间的联系变得更少。 (以图像为主的Instagram仍然感觉像是一片绿洲,而且这也不足为奇,它的增长速度如此之快。) Facebook,Twitter和Instagram–看起来所有这些Feed都要求你不断为他们采取行动。很明显,YouTube也是如此,即使只有很小一部分用户会上传视频,但YouTube从不给他们施压。在YouTube,就像它不断更替的电视频道一样,你可以不采取任何行动,静静地享受它提供的服务。在一个疯狂的时代,总需要有一些东西可以安抚我们,不要求我们对当天的新闻作出反应。 YouTube强调您可能喜欢的视频。这意味着,它的算法一直比其同行看起来涉及范围更广——更具好奇心。YouTube的推荐算法会寻找更远更深的内容,感觉就像逃离其他同行的推荐。在如此黑暗的一年,我在YouTube的推荐中的逃避现实。(译者注:Youtube很少推荐那些跟当天新闻热点相关的视频) 总结 在2013年,于大西洋,Alexis Madrigal 认为,Feeding已经到达我们能想象的顶峰了。他认为,未来应该是有限的内容,而不是无尽的Feed流——邮件新闻,中型收藏,10集Netflix系列剧集。毕竟,无尽的Feed流是耗费精力的。 "当媒体秩序被歼灭时,自由不会冲入真空,而是出现一种具有自身逻辑的秩序,"Madrigal写道。 "我们发现Feed流引入了各自的控制措施。更快! 更多! 更快! 更多! 更快! 更多!" 四年来,YouTube的做法表明,Feed流只是变得更加重要。不断增长的视频存储库与日益完善的个性化技术相匹配,将难以抵挡。YouTube现在会向用户调查他们喜欢向他们推荐的视频的喜好程度;随着时间的推移,结果将使YouTube变得更加智能 – 并有更多的视频被观看。 Beaupre形容这个过程对我来说是在跨越鸿沟。 "有些东西与你已经喜欢的东西密切相关,而且这些东西是流行的。在这之间,是一个神奇的魔术区。"如果YouTube的竞争对手无法找到跨越这种鸿沟的方式,他们可能会发现竞争会非常困难。 原文作者:Casey Newton