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

译者：吉诺是比利

原文：https://www.theverge.com/2017/8/30/16222850/youtube-google-brain-algorithm-video-recommendation-personalized-feed

本文系人人都是产品经理翻译团队@吉诺是比利 翻译发布，未经本站允许，禁止转载。

题图来自unsplash，基于CC0协议