به احتمال زیاد شما هم مثل من بارها و بارها از یوتیوب استفاده کرده‌اید و هر‌بار بعد از مشاهده‌ی تعدادی ویدئو متوجه شده‌اید که در هزارتوی یوتیوب گیر افتاده‌اید.
ناگهان به خود می‌آید و می‌بینید دقیقه‌هاست که مشغول تماشای ویدئوهای پشنهاد شده هستید، بدون هیچگونه قصد قبلی برای تماشای آنها.
یوتیوب برای من شبیه به یک ماز است. مازی که اگر چه تصمیم برای ورود به آن در دستان ما است، اما ساده‌لوحانه است اگر گمان کنیم که تنها تصمیم‌گیرنده برای خروج هم ما هسیتم. اوست که ما را هدایت می‌کند و مسیر‌ها و انتخاب‌ها بعدی را شکل می‌دهد.
بدون شک سیستم توصیه‌گر یوتیوب یکی از قوی‌ترین و کارآمدترین سیستم‌های توصیه‌گر در دنیاست. آنچه در ادامه می‌خوانید، کپی برداری‌ها، برداشت‌ها و یافته‌های من از چندین مقاله، در مورد چگونگی کار این سیستم است.
البته ناگفته پیداست که این توضیحات کاملا ساده و با حذف تمام پیچید‌گی‌ها و معادلات ریاضی بیان خواهد شد. به طوری که خواننده به یک دید کلی از این سیستم برسد.
قبل از صحبت کردن در مورد چگونگی کار سیستم‌های توصیه‌گر یوتیوب باید به چند سوال برای فهم بهتر موضوع پاسخ داده شود.
اولین سوالی که باید مطرح شود این است که اصلا چرا یوتیوب از سیستم‌های توصیه‌گر یادگیرنده استفاده می‌کند؟ذات سیستم توصیه‌گر یوتیوب مانند هر سیستم توصیه‌گر دیگر، کمک به مخاطب، و نمایش بهترین گزینه‌ها به اوست.
یوتیوب از طریق شناسایی علایق مخاطب و شخصی‌سازی پیشنهاد‌ها برای هر یک از آنها، باعث می‌شود که مخاطب مدت زمان بیشتری را صرف تماشای ویدئوها کند و روی ویدئوهای بیشتری کلیک کند. که در نتیجه‌ی آن نرخ پرش و خروج را کاهش می‌یابد. به عبارتی این سیستم به یوتیوب کمک می‌کند تا زمان ماند مخاطب را افزایش دهد.
یکی دیگر از اهداف یوتیوب که نامرتبط به هدف بالا هم نیست، این است که ویدئوهای که توسط کاربران آپلود می‌شود را به بازدیدکنندگان بیشتر و مرتبط‌تری نشان دهد، تا آنها را به اهداف‌شان نزدیکتر کند. به عنوان مثال اگر شما قصد داشته باشید برای کسبو‌کارتان از طریق یوتیوب تبلیغات انجام دهید، دوست دارید که ویدئوهای شما به اشخاص مرتبط با صنعت خودتان نشان داده شود. سیستم توصیه‌گر یوتیوب این کار را به خوبی انجام می‌دهد و ضمن اینکه باعث می‌شود تعداد افراد بیشتری ویدئوهای شما را مشاهده کنند، به افراد مناسب‌تری هم آنها را نشان می‌دهد.
هدف بعدی، کمک به تنوع در ویدئوهای پشنهاد داده شده است. با این کار دیگر خبری از ویدئوهای تکراری در پیشنهاد‌ها نیست. و به جای آن شاهد ویدئوهای متنوع‌تر و البته متناسب با سلیقه‌ی مخاطب هستیم.
سوال بعدی که باید پرسیده شود این است که یوتیوب با چه چالش‌هایی برای این کار روبه رو است؟اولین و مهمترین چالشی که با آن روبه رو است حجم بالای ویدئوهای آپلود شده در دقیقه است. به طور میانگین در هر دقیقه حدود ۴۰۰ ساعت ویدئو در یوتیوب آپلود می‌شود(+) که همگی باید در گزینه‌های پیشنهاد شده گنجانده شود. همانطور که در ادامه هم خواهید دید. این ویدئوها برای رتبه‌بندی، وزن بیشتری نسبت به ویدئوهای قدیمی ـ برای پیشنهاد شدن ـ دارا هستند.
چالش بعدی تگ‌ها و عنوان‌های ویدئوها هستند. بدون شک یکی از منابع اطلاعاتی یوتیوب تگ‌ها و عناوینی هستند که کاربران هنگام آپلود ویدئوها انتخاب می‌کنند. اما نکته‌ای که وجود دارد این است که بیشتر کاربران از عنوان‌ها و تگ‌های مناسب استفاده نمی‌کند. آنها گاهی برای به نمایش در آمدن بیشتر وید‌ئوهایشان از تگ‌های بیشتر و نامربوط استفاده می‌کنند. کاری که در شبکه‌های اجتماعی هم مرسوم است.
چالش مهم دیگر، مبهم بودن معیار علاقمندی مخاطبان است. شاید تماشای یک ویدئو مانند خرید یک محصول نمایش دهنده‌ی علایق یک شخص نباشد در نتیجه شناسایی علایق واقعی یک فرد نیز کاری دشوار است، که یوتیوب با آن مواجه است.
سومین سوالی که باید به آن پاسخ داده شود این است که منابع اطلاعاتی یوتیوب کدام است؟یوتیوب داده‌های خود را از دو طریق به دست می‌آورد.
۱- داده‌های محتوایی شامل متادیتا‌ها (برچسب‌ها) و عنوان‌ها
۲- داده‌های به دست آمده ازفعالیت کاربران که خود به دو دسته‌ی واضح و ضمنی تقسیم می‌شود.
واضح مثل: لایک‌ها، افزوده‌ها به دسته‌ی علاقمندی‌ها، به اشتراک‌گذاری‌ها
ضمنی مثل: زمان تماشای یک ویدئو
سیستم توصیه‌گر یوتیوب چگونه کار می‌کند
به طور خلاصه و به ساده‌ترین شکل ممکن، می‌توان گفت که سیستم توصیه‌گر یوتیوب از دو بخش اصلی تشکیل شده است. بخش اول برای تولید کاندیدها و بخش دوم برای رتبه‌بندی آنها
تولید کاندیدها
در این بخش یوتیوب از بین میلیون‌ها ویدئو، بر اساس تاریخچه‌ی فعالیت شما صدها ویدئو را که تشخیص داده متناسب با سلایق شما است، برای پیشنهاد به شما کاندید می‌کند.
این کار با استفاده از فیلتر‌های مشارکتی انجام می‌شود به این معنا که، شباهت‌ها را از طریق ویژگی‌های بارز کاربران، مثل ساعاتی که یک ویدئو را تماشا می‌کنند، سوال‌هایی که در قسمت سرچ یوتیوب می‌پرسند و عوامل جمعیت شناختی مثل جنس و سن کاربران، خوشه بندی می‌کند. و به این طریق ویدئوهای پرت را جدا می‌کند.
رتبه‌بندی
برای اینکه کاندیدهای انتخاب شده در مرحله قبل به بهترین شکل ممکن به ما نشان داده شود و همچنین از صدها ویدئو به دها ویدئو تقلیل پیدا کند، باید به هر یک از آنها امتیازی اختصاص داده شود و بر اساس آن ویدئوها رتبه‌بندی شوند.
پارامتر‌های زیادی برای رتبه‌بندی ویدئوها وجود دارد که برخی از آنها عبارت‌اند از
کیفیت ویدئوشامل مواردی مثل: تعداد نمایش، اینکه ویدئو به طور کامل مشاهده شده است یا خیر( مشاهده‌ی کامل یک ویدئوی ۵۰ ثانیه‌ای بهتر از مشاهده‌ی ۳ دقیقه از یک ویدئوی ۱۰ دقیقه‌ای است)، اینکه در دسته‌ی علاقمندی کاربران قرار گرفته است یا خیر، چه تعداد آن را به اشتراک گذاشته‌اند، چه تعداد لایک خورده است.
همچنین زمان آپلود ویدئو نیز برای یوتیوب مهم است. چون ویدئوهای که به روزتر هستند طرفداران بیشتری دارند در نتیجه از امتیازی بالاتری برای رتبه‌بندی برخوردار هستند.
خصوصیت‌های کاربراین پارامتر بیشتر برای این منظور است که پیشنهاد‌ها را هر چه بیشتر برای مخاطب شخصی و مطابق سلیقه‌ی او کند. مثل زمان تماشای ویدئو
تنوعمسلما اگر قرار باشد ویدئوهای پشنهاد شده تنها بر اساس سوال پرسیده شده‌ی شما از یوتیوب باشد. ویدئوهای نمایش داده شده خیلی خیلی شبیه به یکدیگر خواهند بود. در نتیجه ویدئوهای تکراری و شبیه به هم حذف خواهند شد و وید‌ئوهایی جایگزین آنها خواهند شد که اگر چه جواب سوال ما نیستند اما همچنان جزء علاقمندی‌های ما به حساب می‌آیند.
همانطور که می‌دانید دیگر داشتن یک سایت اشتراک‌گذاری ویدئو کار چندان سختی نیست. اما آنچه بین یوتیوب و دیگر سایت‌های اشتراک‌گذاری تمایز ایجاد می‌کند همین سیستم توصیه‌گر کارآمد او است. سیتسمی که در سایت‌های مشابه‌ی آن در ایران مثل آپارات یا نماشا، شاهد نیستیم.
برخی منابع مورد استفاده
مقاله منتشر شده توسط اعضای گوگل (pdf)
و چند وبسایت دیگر: (+) (+) (+)
پی‌نوشت: اصلا قرار نبود در مورد سیستم‌های توصیه‌گر حرفی بزنم، می‌خواستم فقط کمی نق بزنم. اما از اونجایی که دو سه روز مشغول مطالعه‌ی این سیستم‌ها بودم، گفتم کمی در این باره هم حرف بزنم.
