Откуда берутся рекомендации видео и как алгоритм угадывает наши интересы

После просмотра нескольких роликов о ремонте, путешествиях или животных главная страница видеосервиса быстро заполняется похожим содержанием. Иногда подборка оказывается настолько точной, что кажется, будто приложение заранее знает желания человека. На самом деле понять, откуда берутся рекомендации видео, можно без мистики: система постоянно анализирует действия зрителя и сравнивает их с поведением миллионов других пользователей.

Алгоритм не обладает человеческой интуицией и не понимает содержание так, как его воспринимаем мы. Он работает с огромным количеством сигналов и вычисляет вероятность того, что конкретный ролик заинтересует конкретного человека.

У каждого зрителя формируется собственная лента

На видеоплатформе нет одной универсальной главной страницы. Два человека, открывшие приложение в одно время, обычно увидят совершенно разные подборки.

Система создаёт для каждого пользователя условный профиль интересов. Она учитывает просмотренные темы, любимых авторов, привычную продолжительность роликов и реакцию на предыдущие рекомендации.

Такой профиль постоянно изменяется. Если человек несколько месяцев смотрел автомобильные обзоры, а затем заинтересовался кулинарией, соотношение тем в его ленте постепенно поменяется.

Алгоритм не обязан точно определять профессию, возраст или характер зрителя. Для работы ему достаточно обнаружить повторяющиеся закономерности: какие ролики человек выбирает и после каких публикаций продолжает пользоваться сервисом.

Просмотр сообщает больше, чем отметка «нравится»

Лайк является понятным положительным сигналом, но большинство людей ставит отметки далеко не под каждым понравившимся видео. Поэтому платформы анализируют множество менее заметных действий.

Значение могут иметь:

• выбор ролика среди предложенных вариантов;
• продолжительность просмотра;
• досмотр до конца;
• повторное воспроизведение;
• переход на страницу автора;
• подписка на канал;
• сохранение и отправка видео;
• комментарий;
• отметка «Не интересует»;
• быстрое пролистывание публикации.

Вес этих сигналов неодинаков и зависит от платформы и места показа. Например, полный просмотр короткого ролика может быть полезным признаком интереса, но для длинного фильма несколько минут просмотра не обязательно означают недовольство.

Платформа старается учитывать сочетание действий, а не делать вывод по одному нажатию.

Время просмотра помогает оценить интерес

Если пользователь открыл ролик и сразу закрыл его, система может предположить, что заголовок или обложка не оправдали ожиданий. Если зритель досмотрел публикацию, посмотрел ещё одно видео автора или вернулся к ней позже, это становится более сильным сигналом.

Но продолжительность просмотра — не единственный критерий качества. Человек может долго смотреть непонятный или раздражающий ролик, не получая от него удовольствия.

Поэтому крупные платформы используют дополнительные показатели: лайки и дизлайки, опросы об удовлетворённости, жалобы, команды «Не интересует» и дальнейшее поведение зрителя.

Цель системы обычно состоит не просто в том, чтобы получить один случайный клик. Ей выгоднее предложить видео, после которого пользователь останется доволен и продолжит возвращаться на платформу.

Алгоритмы сравнивают людей с похожими интересами

Представим, что несколько тысяч зрителей регулярно смотрят одни и те же каналы о космосе. Многие из них также заинтересовались новым роликом малоизвестного автора.

Система замечает эту закономерность и предлагает публикацию другим пользователям с похожей историей просмотров. Человеку не обязательно быть подписанным на автора или раньше видеть его материалы.

Такой подход называют совместной фильтрацией. Он напоминает совет знакомого: «Людям, которым понравилось то же, что и вам, часто нравится и это видео».

Одновременно анализируется само содержание публикации. Заголовок, описание, субтитры, звук, изображение, выбранная категория и другие данные помогают определить тему ролика и найти для него подходящую аудиторию.

Современные системы объединяют эти способы, поэтому рекомендация зависит и от характеристик видео, и от поведения зрителей.

Новое видео сначала показывают ограниченной аудитории

После публикации ролик не обязательно сразу получает доступ к огромному количеству зрителей. Система может рекомендовать его небольшой группе людей, которым потенциально интересна эта тема.

Затем алгоритм оценивает реакцию. Открывают ли пользователи ролик, сколько времени смотрят, продолжают ли просмотр и остаются ли довольны.

Если публикация хорошо подходит выбранной аудитории, охват может увеличиться. Если люди часто пропускают её, система начинает показывать видео реже или ищет другую группу зрителей.

Это не всегда происходит как один формальный «экзамен». Распространение может идти волнами, а старый ролик иногда снова становится популярным, если тема неожиданно привлекла внимание.

Поэтому дата публикации важна не во всех случаях. Полезное или развлекательное видео способно попасть в рекомендации спустя месяцы и даже годы.

Главная страница и следующее видео работают по-разному

Рекомендации показываются в нескольких разделах, и каждый из них решает свою задачу.

На главной странице система ориентируется прежде всего на историю просмотров и предполагаемые интересы пользователя. Здесь могут появляться знакомые каналы, новые авторы и популярные материалы по любимым темам.

В блоке «Следующее видео» особенно важна публикация, которую человек смотрит сейчас. Алгоритм пытается подобрать логичное продолжение: следующую часть, материал на похожую тему или ролик, который часто выбирают после текущего.

В ленте коротких видео реакция оценивается очень быстро. Если пользователь сразу пролистывает определённую тему, её доля может уменьшиться. Повторные просмотры, сохранения и подписки, напротив, помогают системе заметить интерес.

Результаты поиска тоже формируются иначе. Здесь большое значение имеет соответствие запросу, хотя персонализация и популярность также могут влиять на порядок роликов.

Случайный просмотр способен временно изменить ленту

Иногда человек открывает несколько видео по необычной теме для работы, учёбы или помощи знакомому. Алгоритм не знает причину просмотра и может принять временное любопытство за новое увлечение.

После этого в рекомендациях появляются десятки похожих роликов. Обычно эффект постепенно ослабевает, если зритель больше с ними не взаимодействует.

Особенно сильным сигналом может стать последовательный просмотр нескольких публикаций на одну тему. Система замечает не единичный клик, а целую цепочку действий.

Чтобы исследовательский или случайный просмотр меньше влиял на YouTube, можно временно приостановить сохранение истории. Также доступно удаление отдельных роликов из истории просмотров.

Телефон не обязан подслушивать разговоры

Многие замечали, что вскоре после разговора о каком-либо товаре или событии похожая тема появляется в интернете. Это создаёт впечатление постоянного прослушивания через микрофон.

Однако для точных рекомендаций системе обычно достаточно уже собранных цифровых сигналов. Человек мог ранее искать связанную информацию, задерживаться на похожих публикациях, посещать сайты или взаимодействовать с контентом той же категории.

Свою роль играет и избирательное внимание. Ежедневно пользователь видит сотни публикаций, но особенно замечает ту, которая совпала с недавним разговором.

Кроме того, рекомендации обычных видео и персонализированная реклама — не одно и то же. Рекламные системы могут использовать отдельные данные и настройки аккаунта, тогда как видеолента в первую очередь реагирует на просмотры и действия внутри сервиса.

Это не означает, что разрешения приложений можно игнорировать. Доступ к микрофону, камере, контактам и местоположению следует выдавать только для необходимых функций и периодически проверять в настройках устройства.

Популярность не гарантирует попадание в ленту

Количество просмотров помогает алгоритму понять, что публикация заинтересовала многих людей. Но самая популярная запись не обязательно подходит каждому зрителю.

Система старается соединить видео с аудиторией, которой оно может понравиться. Небольшой канал способен получить рекомендации, если его ролики хорошо воспринимает определённая группа пользователей.

На показ также могут влиять язык, регион, выбранные настройки и доступность материала. Для новостей и быстро меняющихся тем важна свежесть, тогда как обучающие видео могут оставаться актуальными долго.

Платформы также ограничивают распространение материалов, нарушающих правила или находящихся рядом с границей допустимого. Поэтому высокая активность не всегда приводит к широкому охвату.

Рекомендательная система может сузить круг тем

Персонализация удобна, но имеет побочный эффект. Если человек постоянно выбирает одинаковые материалы, алгоритм получает всё больше подтверждений одного интереса и предлагает ещё больше похожих публикаций.

Так возникает информационный пузырь. Пользователь реже встречает альтернативные мнения, новые жанры и незнакомые темы.

Платформы могут специально добавлять разнообразие, но полностью устранить проблему сложно. Алгоритм стремится показывать то, что с высокой вероятностью будет выбрано, а знакомое содержание часто получает преимущество.

Расширить ленту можно самостоятельно: искать новые темы, подписываться на разных авторов и не ограничиваться автоматическим воспроизведением.

Как изменить неудачные рекомендации

Пользователь способен заметно повлиять на свою ленту. Для этого недостаточно просто игнорировать неподходящие видео — полезнее применять встроенные инструменты обратной связи.

Можно сделать следующее:

• выбрать команду «Не интересует»;
• запретить рекомендации определённого канала;
• удалить случайные ролики из истории;
• очистить историю поиска;
• отменить ненужные подписки;
• ставить отметки понравившимся публикациям;
• искать нужные темы самостоятельно;
• отключить автоматическое воспроизведение;
• при необходимости приостановить сохранение истории.

Изменения не всегда становятся заметны мгновенно. Алгоритму требуется собрать новые сигналы и убедиться, что интерес пользователя действительно изменился.

Полное удаление истории может сильно перестроить рекомендации. На YouTube при отключённой и почти пустой истории главная страница может вообще не показывать персональную подборку.

Алгоритм не читает мысли, а вычисляет вероятность

Рекомендательная система не знает наверняка, понравится ли человеку следующий ролик. Она лишь рассчитывает вероятность на основании истории просмотров, текущего видео, поведения похожих пользователей и характеристик публикации.

Каждый просмотр уточняет этот прогноз. Алгоритм постоянно учится на реакции аудитории, проверяет новые варианты и меняет порядок материалов.

Именно поэтому рекомендации иногда кажутся удивительно точными, а иногда полностью ошибаются. За подходящей подборкой стоит не чтение мыслей, а огромный объём данных, математические модели и непрерывная проверка предположений на действиях самих зрителей.