第三章 YouTube和TikTok的“推荐”页面
YouTube和TikTok的“推荐”页面
章节大事记
2009年：一项能将推荐页面准确度提高10%的算法获得了Netflix（网飞）的百万美元奖金
2011年：YouTube推出推荐页面机器学习算法引擎，效果立竿见影
2012年8月：字节跳动发布信息综合应用程序今日头条
2012年9月：在ImageNet大规模视觉识别挑战赛上，AlexNet取得突破进展，引起全球人工智能热潮。
2013年3月：脸书网将其新闻传送干路改为“个性定制新闻”
2014年4月：照片墙开始使用提供个性化内容的“浏览”选项卡
2015年：各类谷歌产品启用Google Brian的深度学习算法，包括YouTube上的推荐页面
尽管当时的YouTube[1]已经是互联网访问量排行第三的网站，但YouTube推荐页面的技术负责人约翰·麦克法登却说：“作为浏览器主页，YouTube.com的用户黏性还是不够强。”很多人只是把YouTube当作视频的“中转站”，可以方便快捷地把上传的视频再嵌入其他页面，YouTube上只不过是一些一次性视频而已，而不是视频的“终点站”。
YouTube团队采取了一系列策略来提高用户黏度，想要让用户在网站上停留更长时间、观看更多视频。为此，他们推出了一个名为“靠着看”的新功能，允许一系列视频按顺序自动播放。他们为顶流视频创作者配置了专业的摄像设备，甚至还举办了流媒体直播活动。不过此时，YouTube还是把重注押在了“订阅频道”上。在“订阅频道”中，用户只能从单一来源进行方便的订阅和固定类型视频观看，类似过去的电视频道。
不久后，YouTube基于这一概念重新设计了网站主页，最显著的改变就是添加了一个蓝色的“添加订阅”按钮（参见本章首页）。YouTube斥资1亿美元与顶流内容创作者达成协议，其中包括麦当娜和沙奎尔·奥尼尔等名人，还有好莱坞制作公司和职业摔跤组织WWE。他们对于合作伙伴的选择，也揭示了YouTube当时的终极目标：将自己打造成类似电视的娱乐平台。
然而，一年后，ComScore的数据显示用户在YouTube上花费的平均时间基本与之前持平。也就是说，YouTube付出的努力并未收获成效，花大价钱去制作更加精良的视频绝非良策，因为问题并不是出在视频内容上。正如YouTube的设计总监克里斯托斯·古德洛所说：“我们相信对世界上每一个人来说，YouTube里都有100小时的视频内容是他们想看的。网站里有数以亿计的视频，内容已经完全足够了。”
现在问题在于，怎么将如此多的视频内容和正确的用户进行匹配。诚然，鼓励人们进行频道订阅是一种行之有效的方法，但事实证明，这种方法的收效也十分有限。技术负责人麦克法登说：“人们知道自己想看什么视频，就会上YouTube搜索这些视频。但我们希望，人们即便不知道自己想看什么，YouTube也能满足其需要。”
YouTube很早之前就添加了“推荐视频”的侧边栏，它会基于用户行为历史提出个性化建议。然而，想要生成人们真正想要的个性化列表并非易事。2010年技术论文《YouTube视频推荐系统》中的一段话就巧妙地概括了这项艰巨的技术挑战：
“由用户上传的视频通常没有元数据，或是元数据很少。此外，YouTube上的视频大都非常简短（长度不到10分钟），因此用户交互时间相对较短，且干扰较大……这点与Netflix和Amazon（亚马逊）不同，不论是观看付费电影还是购买商品，用户都表现出了非常明确的意向。此外，YouTube上许多有趣的视频从上传到大范围传播再到过气的周期很短，因此需要持续不断地更新推荐。”
视频上传者一般不能给视频起一个准确的标题，或是选择的视频封面无法提示视频内容。有一段视频让YouTube的程序员们看了直摇头，视频内容本身十分有趣，但它没能大范围传播的原因竟是上传者起了个神神秘秘的标题：“快来看这个！”经过大量的实验后，YouTube视频推荐团队才发现他们的产品居然还得依靠Amazon在12年前（1998年）研发的单项目协作过滤算法。
注释：
[1]视频网站，俗称“油管”。——编者注