Como funcionam as recomendações de IA do YouTube

Porque é que as recomendações do YouTube são importantes

O YouTube não está a classificar vídeos com uma única regra mágica. O YouTube utiliza um sistema de aprendizagem automática em grande escala que aprende com o comportamento em toda a plataforma e, em seguida, utiliza essa aprendizagem para moldar a página inicial, as sugestões de "Próximos", os resultados de pesquisa, os feeds de resumos e muito mais.

Com mais de 2,7 mil milhões de utilizadores activos mensais e mais de 500 horas de vídeo carregadas por minuto (Statista, 2023), o YouTube não pode depender da curadoria humana. O sistema de recomendação é a forma como a plataforma se mantém utilizável e é também a razão pela qual o algoritmo tem uma enorme influência sobre o que é descoberto e quais os criadores que crescem.

Contexto histórico: Como evoluíram as recomendações do YouTube

Primeiros dias (antes de 2010): Visualizações, cliques e filtragem colaborativa básica

Na era inicial, os sistemas de recomendação eram comparativamente simples. Baseavam-se fortemente na popularidade e na lógica direta de “as pessoas que viram X também viram Y”. Isto funcionava quando a biblioteca era mais pequena, mas também criava incentivos para otimizar os cliques superficiais.

• Contagens de visualizações e cliques
• Filtragem colaborativa básica (as pessoas que viram X também viram Y)
• Sinais de popularidade alargada

Mudança para o tempo de relógio (2012 a 2016): De “visualizações” a “satisfação”

Um ponto de viragem importante ocorreu quando o YouTube mudou publicamente a sua métrica principal de visualizações para tempo de visualização (Think with Google, 2012). A ideia central era simples: uma taxa de cliques elevada pode parecer boa mesmo quando os espectadores abandonam o vídeo rapidamente, enquanto uma visualização mais longa é um melhor indicador de satisfação do que apenas os cliques.

• Uma taxa de cliques (CTR) elevada pode ser enganadora se os espectadores saírem rapidamente.
• Os vídeos que mantêm os espectadores a ver são um sinal de satisfação mais forte do que apenas os cliques.
• Os cliques continuam a ajudar a descobrir, mas a retenção após o clique tornou-se central.

Aprendizagem profunda à escala do YouTube (2016 em diante)

Em 2016, o Google AI publicou “Deep Neural Networks for YouTube Recommendations”, descrevendo uma mudança de abordagens mais antigas, como a factorização de matrizes, para redes neurais profundas. Isso melhorou a qualidade da personalização, ajudou o sistema a aprender com feedback implícito esparso e apoiou a escala e a rápida velocidade de conteúdo do YouTube.

Iteração contínua: Muitos modelos, experiências constantes

O algoritmo do YouTube não é estático. É atualizado continuamente através de melhorias contínuas do modelo, da infraestrutura de testes A/B e de uma afinação que equilibra a relevância com a diversidade. Também integra sistemas de política e segurança, incluindo a despromoção de conteúdos que violam as diretrizes da comunidade.

As explicações públicas de fontes como Think with Google (2023), The Verge (2023) e Hootsuite (2023) enfatizam geralmente o mesmo tema: as recomendações provêm de muitos modelos, muitos sinais e medições constantes.

Como funciona o algoritmo de IA do YouTube

Redes neurais profundas como espinha dorsal

O sistema de recomendação do YouTube é alimentado pela aprendizagem profunda, um subconjunto da aprendizagem automática que utiliza redes neurais multicamadas para reconhecer padrões à escala. A aprendizagem profunda é especialmente eficaz quando os dados são enormes, o feedback é frequentemente implícito (ver, saltar, pausar) em vez de classificações explícitas e as relações entre os utilizadores e o conteúdo são complexas e estão em constante mudança.

Isto é importante porque os dados de interação do YouTube são “esparsos” no sentido do sistema de recomendação. Existem inúmeros vídeos e muitos têm relativamente poucas interações em comparação com o tamanho do catálogo.

O sistema de recuperação em duas fases: Geração e classificação de candidatos

Para recomendar eficazmente a partir de uma biblioteca com um volume enorme, o YouTube utiliza normalmente um sistema de duas fases. A primeira fase encontra um conjunto alargado de vídeos potencialmente relevantes e a segunda fase seleciona os que devem ser apresentados em primeiro lugar.

Rede de Geração de Candidatos (Alta Recuperação)

• Objetivo: Gerar um conjunto alargado de vídeos potencialmente relevantes com elevada recuperação.
• Entradas: A atividade anterior de um utilizador, incluindo o histórico de visualização, as consultas de pesquisa e os canais subscritos.
• Mecanismo: As representações aprendidas recuperam vídeos que provavelmente correspondem aos interesses de um utilizador.

Esta fase foi concebida para lançar uma rede alargada. Normalmente, apresenta centenas de candidatos em vez de uma lista final.

Rede de classificação (alta precisão)

• Objetivo: Pontuar e ordenar vídeos de candidatos com elevada precisão.
• Entradas: Vídeos candidatos e contexto mais rico, como a hora do dia, o dispositivo e o comportamento recente.
• Objetivo da previsão: Tempo de visualização esperado e tempo de visualização da sessão, além de sinais de envolvimento como gostos, comentários e “Não interessado”.”
• Saída: A lista refinada e ordenada que aparece na Página inicial, Próximo e outras superfícies.

Modelo mental prático: a geração de candidatos decide o que vale a pena considerar, e a classificação decide o que vale a pena mostrar primeiro.

Incorporação de vectores: Semelhança em forma matemática

O YouTube baseia-se fortemente em vectores de incorporação, que são representações numéricas de utilizadores, vídeos e consultas de pesquisa.

• Incorporação de utilizadores: Representar as preferências com base no histórico de observação e nos padrões de interação.
• Incorporações de vídeo: Representar as caraterísticas do conteúdo, como o tema, o estilo e a forma como o público reage ao vídeo.

Os embeddings permitem ao sistema comparar utilizadores e vídeos num espaço de elevada dimensão. Os itens que estão próximos nesse espaço são tratados como semelhantes, mesmo que não partilhem caraterísticas superficiais óbvias, como o mesmo criador ou palavras-chave idênticas. Esta é uma das razões pelas quais o YouTube pode recomendar conteúdos que parecem relevantes mesmo sem uma pesquisa explícita.

Sinais que o YouTube utiliza para personalização

A personalização é o coração do sistema. O YouTube está a tentar prever não só o que alguém pode clicar, mas também o que vai continuar a ver.

Sinais de interação do utilizador (explícitos e implícitos)

Observar o histórico (muitas vezes o sinal mais forte)

O histórico de visionamento capta o comportamento real, razão pela qual é normalmente considerado como um dos sinais mais fortes. As visualizações recentes são normalmente mais importantes do que as mais antigas, e o interesse repetido num tópico ou criador reforça essa preferência.

• Recência: A atividade recente pode ter mais peso.
• Frequência: A repetição de padrões reforça as preferências.

Consultas de pesquisa

A pesquisa é uma expressão explícita de intenção. Se alguém pesquisar “Reparação doméstica DIY”, o sistema tem uma forte pista sobre o que essa pessoa quer neste momento, e não apenas sobre o que costuma ver.

Subscrições de canais

As subscrições são um sinal de fidelização explícito que indica interesse num criador específico. As subscrições influenciam as recomendações, mas não as controlam totalmente, especialmente na página inicial, onde o YouTube pode misturar canais conhecidos com conteúdos de descoberta.

Métricas de envolvimento

O YouTube utiliza uma série de sinais de envolvimento com diferentes significados e pesos. O tempo de visualização é fundamental, mas outros sinais podem refinar a compreensão do sistema relativamente à qualidade, satisfação e intenção.

• Hora do relógio e hora da sessão de relógio: Frequentemente tratada como a principal métrica.
• O que gosta e o que não gosta: Feedback explícito positivo ou negativo (as aversões continuam a funcionar como dados de interação).
• Comentários: Um sinal de maior envolvimento e interação com a comunidade.
• “Feedback ”Não estou interessado": Instruções explícitas para evitar conteúdos semelhantes.
• Taxa de cliques (CTR): Útil para a descoberta inicial, mas a retenção após o clique tem prioridade sobre a CTR apenas.
• Partilhar: Indica frequentemente um valor percebido e um sentimento positivo.

Informações demográficas (frequentemente inferidas)

As informações demográficas inferidas podem ajudar a compreender e a categorizar o público em geral, mas a personalização é essencialmente orientada por sinais de comportamento e de contexto, em vez de uma orientação demográfica direta a nível individual.

Caraterísticas do conteúdo de vídeo

O YouTube também avalia os atributos dos próprios vídeos para compreender o tema de um vídeo e a forma como o público reage ao mesmo.

• Metadados: Os títulos, descrições, etiquetas e categorias apoiam a classificação e a relevância da pesquisa.
• Miniaturas: Altamente influente nas decisões de clique e na CTR inicial.
• A era do vídeo: Os vídeos mais recentes podem receber um impulso de frescura ou de tendência em determinados contextos.
• Retenção do público: A quantidade de vídeo que os espectadores vêem, um forte indicador de qualidade.
• Qualidade de vídeo: A resolução e a qualidade do áudio podem afetar indiretamente a satisfação e o tempo de visualização.

Factores contextuais

As recomendações podem mudar com base no contexto situacional, mesmo para a mesma pessoa.

• Hora do dia: Os hábitos variam (visionamento de notícias versus entretenimento).
• Dispositivo utilizado: Os padrões dos telemóveis e dos computadores de secretária são diferentes.
• Localização: Influencia as preferências linguísticas e a descoberta local.

Ciclos de feedback contínuo e aprendizagem adaptativa

Todas as interações são dados

O YouTube melhora as recomendações porque aprende continuamente com as interações. Mesmo as pequenas acções podem funcionar como sinais.

• Ver, rever, saltar
• Gostar, não gostar, comentar
• Pesquisar, subscrever
• Utilizar “Não estou interessado”
• Abandonar um vídeo mais cedo

Actualizações de perfis em tempo real e aprendizagem de modelos

À medida que as pessoas interagem com o conteúdo, os perfis de utilizador e as incorporações são actualizados, as incorporações de vídeo evoluem à medida que o sistema aprende quem vê um vídeo e o que acontece depois, e os modelos são aperfeiçoados através de ciclos de formação contínuos.

Personalização adaptativa

As preferências não são fixas. Uma pessoa pode ver conteúdos de viagens durante meses, depois passar a ver dicas para pais e depois vídeos de culinária. O sistema foi concebido para se adaptar, razão pela qual as recomendações podem mudar rapidamente após o aparecimento de um novo padrão de visualização.

Componentes principais das recomendações do YouTube

• Rede de geração de candidatos: Recupera um vasto conjunto de vídeos potencialmente relevantes para uma elevada recuperação.
• Rede de classificação: Pontuações e encomendas candidatas a elevada precisão, frequentemente associadas ao tempo de relógio previsto e ao tempo de relógio da sessão.
• Modelos de incorporação: Representar utilizadores, vídeos e consultas para que o sistema possa medir a semelhança para além das palavras-chave.
• Loja de artigos: Gere e fornece grandes colecções de caraterísticas (histórico, atributos de vídeo, contexto) aos modelos.
• Infraestrutura de testes A/B: Testa as alterações à escala para confirmar melhorias mensuráveis na satisfação e no envolvimento.

Os testes A/B são especialmente importantes porque pequenas alterações no modelo podem produzir grandes efeitos no ecossistema em milhares de milhões de utilizadores.

Onde aparecem as recomendações (tipos de recomendação)

O YouTube aplica os mesmos princípios fundamentais a todo o produto, mas cada superfície tem um objetivo diferente.

Recomendações para a página inicial

• Objetivo: Iniciar ou reiniciar uma sessão de visualização.
• Frequentemente influenciado por: Histórico de visualização, subscrições e interesses inferidos.
• Mistura típica: Criadores conhecidos, tópicos relacionados e conteúdos exploratórios.

A seguir e recomendações da barra lateral

• Objetivo: Prolongar a sessão atual.
• Frequentemente influenciado por: Semelhança com o vídeo atual, o que os outros espectadores viram a seguir e padrões pessoais de visualização.
• Foco na otimização: Continuidade e dinamismo.

Resultados da pesquisa

• Objetivo: Responder a uma pergunta explícita.
• Influenciado por: Relevância da palavra-chave, metadados e desempenho para essa consulta (tempo de visualização, envolvimento).
• Personalizado por: Ver o histórico e as interações anteriores que podem reordenar os resultados entre utilizadores.

Separador de tendências

• Objetivo: Mostrar vídeos populares e emergentes em toda a plataforma.
• Nível de personalização: Geralmente menos personalizado e mais impulsionado pela dinâmica e pelo apelo alargado.

Feed de subscrições

• Objetivo: Mostrar conteúdo de canais que um utilizador segue explicitamente.
• Comportamento comum: Frequentemente cronológica, por vezes com uma classificação que destaca os vídeos de topo.

Feed de curtas do YouTube

• Sistema: Um motor de recomendação distinto, ajustado para visualização vertical de formato curto.
• Sublinhado: Consumo rápido, novidade e um ciclo de feedback mais rápido.
• Efeito de descoberta: Pode permitir uma descoberta rápida porque muitos itens podem ser consumidos em menos tempo.

Recomendações de transmissão em direto

• Sistema: Lógica especializada para conteúdos em direto.
• Frequentemente influenciado por: Visualizações em tempo real, relevância do tópico e histórico do criador com audiências em direto.

Conceitos de filtragem na aprendizagem profunda moderna

Apesar de o YouTube utilizar a aprendizagem profunda, as ideias clássicas de recomendação continuam a aplicar-se. Na prática, são integradas em modelos e funcionalidades neurais em vez de serem implementadas como módulos completamente separados.

Filtragem baseada em conteúdo

• Recomenda vídeos semelhantes em termos de tópico, género, estilo do criador, palavras-chave ou padrões visuais aos que um espetador já gostou.
• Muitas vezes apoiado por incorporação de vídeos que agrupam conteúdos semelhantes.

Filtragem colaborativa

• Recomenda vídeos que utilizadores semelhantes viram e com os quais se envolveram.
• Muitas vezes apoiado por user embeddings que agrupam pessoas com gostos semelhantes.

Abordagem híbrida

A abordagem atual do YouTube combina ambos os estilos. Os sinais baseados no conteúdo ajudam quando a semelhança é clara e os sinais colaborativos ajudam a descobrir conteúdos que não estão obviamente relacionados, mas que têm um bom desempenho entre espectadores semelhantes.

Exemplos do mundo real

Exemplo 3: Efeito do desempenho da pesquisa

Quando alguém pesquisa “Reparação doméstica DIY”, é provável que os resultados apresentem vídeos com bom desempenho para essa consulta em termos de tempo de visualização e envolvimento, mesmo que o espetador nunca tenha visto conteúdo de reparação doméstica antes. A intenção de pesquisa limita o campo, depois o desempenho e a personalização podem reordenar a classificação final.

Exemplo 4: Pequenos criadores em fuga

Um canal mais pequeno pode aumentar se um vídeo ganhar muito tempo de visualização e envolvimento. Esse desempenho pode dar origem a mais impressões na página inicial e à colocação no Up Next para públicos relevantes, expandindo o alcance para além dos assinantes.

Exemplo 5: Mudança de incentivo em relação ao clickbait

Os títulos e miniaturas enganadores ainda podem gerar cliques, mas é menos provável que mantenham a distribuição se os espectadores saltarem rapidamente. Os sistemas optimizados em função do tempo de visualização esperado e do tempo de visualização da sessão tendem a penalizar a insatisfação que se manifesta através do abandono precoce.

Exemplo 6: Dinâmica de crescimento da plataforma

As recomendações permitem longas sessões de visionamento e a descoberta de criadores estabelecidos e novos. Os comentários do sector afirmam frequentemente que as recomendações conduzem a maior parte do tempo de visualização, com estimativas amplamente citadas que por vezes ultrapassam os 70%. Estes números devem ser tratados como estimativas e não como estatísticas confirmadas da plataforma, mas a direção é clara: as recomendações são fundamentais para a forma como o YouTube é consumido.

Benefícios e limitações

Como é que o algoritmo de IA do YouTube se compara às alternativas

Recomendações do YouTube vs. motores de pesquisa tradicionais

O YouTube dá prioridade às recomendações, enquanto a pesquisa tradicional na Web dá prioridade às consultas. Ambos podem utilizar a aprendizagem automática avançada, mas o YouTube baseia-se fortemente no feedback implícito (tempo de visualização, retenção, envolvimento) e em acções explícitas (subscrições, pesquisas), enquanto a pesquisa na Web é principalmente orientada pela intenção de consulta explícita e por sinais de relevância. O YouTube é normalmente optimizado para manter a visualização na plataforma durante mais tempo, ao passo que a pesquisa na Web tem frequentemente como objetivo responder rapidamente e pode enviar os utilizadores para outros sites.

Perguntas frequentes

O que não esquecer sobre as recomendações do YouTube

O algoritmo de IA do YouTube é melhor entendido como um sistema de aprendizagem profunda em duas fases: seleciona um vasto conjunto de vídeos candidatos e, em seguida, classifica-os com base na satisfação prevista, com o tempo de visualização da sessão como métrica central. Aprende com quase todas as interações, adapta-se à medida que as preferências se alteram e aplica uma lógica ligeiramente diferente consoante o local onde as recomendações aparecem, desde a Página inicial até Próximo, Pesquisa, Curtas e Em direto.

Para os criadores e profissionais de marketing, as implicações práticas são diretas: a embalagem ganha o clique, mas a satisfação sustenta a distribuição. Os títulos e as miniaturas podem captar a atenção, mas a retenção da audiência e o tempo de visualização da sessão são o que normalmente transforma um carregamento promissor num motor de recomendação. Uma mentalidade operacional prática é melhorar os primeiros 30 segundos para retenção, alinhar os títulos e as miniaturas com o que o vídeo realmente oferece e estruturar os vídeos de modo a que ver outro vídeo relacionado pareça ser o passo seguinte natural.