Assim como em outras redes sociais, o algoritmo do YouTube também passou por muitas fases. São mudanças significativas que afetam conteúdo e criadores da maior plataforma de vídeo do mundo.

“Hackeando o YouTube” apresenta as 3 principais eras da plataforma, analisando-as da perspectiva de conteúdo e, claro, do algoritmo. Milhares de vídeos e criadores foram analisados com o objetivo de desvendar a caixa preta chamada YouTube.

aleatórios
No início, o YouTube era um aglomerado de vídeos curtos e aleatórios. Quem não se lembra de “Sanduíche-iche” e “Tapa na pantera” que viralizaram na época?
views e sessão
Antes, o algoritmo levava poucas métricas em consideração na hora de distribuir e ranquear o conteúdo para seus usuários. Eram considerados somente os fatores abaixo: views e início de sessão.
viralização
O foco era viralizar os vídeos e disseminar o YouTube como plataforma de vídeo. A métrica de “início de sessão” era uma recompensa aos vídeos que traziam tráfego externo. Através dela, a plataforma se promoveu bastante, sobretudo às custas de redes sociais. Só tempos depois o Facebook, por exemplo, cortou o alcance de posts com links para o YouTube. Mas já era tarde demais.

big bang
Os primeiros modelos de negócio e aglomerados de canais começaram a surgir. No meio dessa era aconteceu o chamado “Big Bang do algoritmo” da plataforma.
da noite, pro dia
O algoritmo sofreu uma grande mudança: a métrica principal passou a ser o tempo assistido, ao invés de views. E o vídeo que levava o usuário para fora do YouTube passou a ser penalizado.
não linear
A estrutura do algoritmo mudou: deixou de ser linear. Agora, composto por uma inteligência artificial, que foi base da próxima era, a dos Influenciadores.
Com a mudança para Inteligência Artificial, o algoritmo de recomendação do YouTube começou a ganhar cada vez mais força. No final de 2016, YouTube lançou um whitepaper que abriu pela primeira vez a caixa preta do algoritmo de recomendação. A métrica de tempo assistido continua sendo a principal variável, mas outras foram introduzidas:
recência de conteúdo
Chamada de “Freshness”, representa o quão novo é o conteúdo na plataforma. E frequência de upload como um fator relevante para o algoritmo.
view velocity
View velocity: quantas visualizações um vídeo tem nos primeiros 60 minutos, 120 minutos e 24 horas impacta diretamente o algoritmo de recomendação.
feedback implícito
Antes o YouTube levava em consideração Likes, Comments e Shares (o Feedback explícito), a partir dessa mudança começa a considerar Click-Through-Rate (taxa de cliques nos vídeos) e retenção da audiência (% assistido do vídeo).
análise dos
vídeos/
algoritmos

Com essas informações, colocamos o algoritmo à prova analisando

+800mil
vídeos
+1000
canais

canais entre 2007 e 2018.

algoritmo em análise

como é o consumo por dia da semana?

    Views
    Uploads
    Diferença entre views e uploads

O consumo é bastante semelhante em cada dia da semana. Porém, quando adicionada a quantidade de publicações, percebe-se que domingo e sábado há um gap na oferta, tendo um bom consumo, mas com uma competição relativa menor que nos demais dias.
*Estudo VIU: Youtube Anallytics, TubularLabs, SocialBlade (ago/17)
*Excluindo canais de música e infantis

E a relação de views por hora de upload?

    Views
    Uploads

O consumo ao longo do dia varia consideravelmente. Os picos estão principalmente na parte da manhã e final da tarde, tendo um descasamento das curvas de views e uploads no chamado “Vale do Almoço”, entre 12h e 17h.
*Estudo VIU: Youtube Anallytics, TubularLabs, SocialBlade (ago/17)
*Excluindo canais de música e infantis

Como é o consumo por minutagem de vídeo?

    2015
    2016
    2017
    2018

Duração do vídeo (min)
Os vídeos mais longos apontam para um consumo maior, em média. É importante separar correlação de causalidade. É possível que esse resultado seja em função do algoritmo ou pode ser que os espectadores estejam mais suscetíveis a assistirem vídeos mais longos. Enquanto há alguns anos ninguém assistiria a um vídeo de 15 minutos no YouTube, hoje já é bem mais aceitável.
*Estudo VIU: Youtube Anallytics, TubularLabs, SocialBlade (ago/17)
*Excluindo canais de música e infantis

A curva de novidade está apontando para um consumo mais cedo?

    2015
    2016
    2017
    2018

Views acumulados
O comportamento dos primeiros 90 dias de vida útil de um vídeo em 2015, 2016, 2017 e 2018, vê-se que a porcentagem consumida acontece cada vez mais cedo. Sendo assim, os vídeos alcançam uma maturidade mais veloz: mais rapidamente são consumidos e mais rapidamente caem no esquecimento.
*Estudo VIU: Youtube Anallytics, TubularLabs, SocialBlade (ago/17)
*Excluindo canais de música e infantis
*Balizado All-time views em 1080d

Esse tipo de comportamento está alinhado com os conceitos de “recência” e “view velocity” e afetam diretamente os criadores de conteúdo. Há uma necessidade cada vez maior de publicar com mais frequência, ter sempre conteúdo novo, e isso leva ao chamado “Creator Burnout”, temática que vem ganhando força ao longo dos últimos anos. Há quem diga que o burnout nos criadores de conteúdo é causado pelo próprio YouTube. E, neste caso, o algoritmo é o culpado.

Como os canais crescem?

    EXPECTATIVA (min)
    CRESCIMENTO (min)
    Vídeos “suporte”
    Vídeos “regulares”

Views acumulados
Mais de 1000 canais analisados a fim de entender como eles crescem no YouTube. Inicialmente, pensou-se que os canais cresceriam seguindo uma exponencial, mas na realidade eles crescem em degraus.

*Estudo VIU: Youtube Anallytics, TubularLabs, SocialBlade (ago/17)

Os canais seguem uma média de views por vídeo, uma publicação vai performar muito acima da média e, em seguida, o canal retorna a um patamar de views/vídeo maior que o inicial. Chamam-se esses vídeos de ótima performance que contribuem para o crescimento do canal de “vídeo-suporte”.

Todos os criadores têm seus “vídeos-suporte”, que trazem não apenas um aumento no número de inscritos, mas também contribuem para o ranking do canal inteiro no algoritmo de recomendação.

Algumas dicas práticas para
“Hackear o Youtube”


Utilize o endscreen “melhor para o espectador”, pois o algoritmo de recomendação atua e geralmente escolhe melhor o próximo vídeo que o usuário deve assistir. Se usar mais de um vídeo em endscreen, escolha o “upload mais recente” para hackear a métrica de view velocity do seu vídeo mais novo.


Se um vídeo estiver performando muito bem, a ponto de talvez vir a ser um vídeo-suporte, não mexa nele! Não atualize thumb nem metadados, ou o vídeo será reprocessado pelo algoritmo do YouTube e pode perder esse crescimento.


Fique ligado na retenção dos seus vídeos e no CTR das thumbs (as miniaturas e capas do vídeo), pois o feedback implícito está cada vez mais importante para o algoritmo. Se tiver um vídeo que as pessoas estão abandonando em sua metade, insira um card como convite para outro vídeo mais interessante. Uma boa thumb também contribui para o View Velocity.


O YouTube Analytics dá pistas! Boa parte das vezes que um novo fator começa a ter importância no algoritmo, a plataforma acrescenta uma mensagem ou exibição no analytics para facilitar o acompanhamento. Fique ligadx!



Produza mais vídeos e vídeos mais longos. O algoritmo do YouTube de fato está priorizando a recência de upload e tempo assistido continua como a principal métrica. Sendo assim, produza conteúdo com mais frequência e opte por vídeos mais longos.
Fontes:
Estudo VIU
YouTube Analytics
TubularLabs
SocialBlade
Lucas Herdy é Coordenador de Inteligência de Negócios da VIU Hub