最初看到這篇文章是@fengyoung 在Facebook上分享的，覺得題目很有意思就看了一遍，看完后感覺很有啟發(fā)，遂決定翻譯一下讓更多人看到。

這篇文章內(nèi)所指的算法包含多個YouTube增長類算法（為你推薦（Recommended），建議觀看（Suggest），相關(guān)視頻（Related），搜索（Search），原始評分（MetaScore），等等）。這些不同的算法產(chǎn)品，各有側(cè)重，但有一個共同點(diǎn)，那就是它們的優(yōu)化目標(biāo)相同，都是觀看時長（Watch Time）。

?這篇文章給我的啟發(fā)有三方面：

1. 從YouTube平臺的算法設(shè)計人員角度，設(shè)計繁多的推薦算法，是為了提高頻道的觀看時長，而提高頻道的觀看時長又是為了讓用戶能夠經(jīng)常訪問平臺。這是一種雙贏的思維，說白了：誰能幫平臺留住用戶，平臺就重點(diǎn)扶持他。

2. 文章得出結(jié)論，要做垂直內(nèi)容才能在YouTube上活下去。平臺上內(nèi)容越多樣，平臺越健康，這是毋庸置疑的，盡管我贊同這個結(jié)論，但是我沒有在本文中看到作者是如何得到這個結(jié)論的。這一點(diǎn)就是YouTube和國內(nèi)視頻平臺最大的差別，國內(nèi)的視頻平臺嚴(yán)重趨同，花高價購買獨(dú)家版權(quán)似乎是國內(nèi)視頻平臺的唯一出路，也是一個妖魔化的出路。反觀YouTube，他們利用算法驅(qū)使了各個頻道專耕某一個垂直內(nèi)容，然后把最適合的用戶給你匹配上，這才是更宏大的一盤內(nèi)容棋。

3. 本文作者給我們了一個啟示，算法并不是黑盒子，是可以hack的，盡管這個也只能hack到冰山一角，但是也比我們盲目地運(yùn)營要明亮很多了。作者的研究方式，首先是明確了一個平臺的算法目標(biāo)是什么，YouTube是watch time，那么就去觀察這個目標(biāo)和哪些指標(biāo)有關(guān)，進(jìn)一步看到每個指標(biāo)又能怎么提高。

感興趣的朋友可以搜索著看，我這里就不過多重復(fù)了。

關(guān)于Facebook的算法，我在《推薦系統(tǒng)36式》專欄里都有提到，你也可以看下圖，總結(jié)了推薦系統(tǒng)背后的那些算法，都是需要你花時間去學(xué)習(xí)和實(shí)踐的。

? ? ? ? ? ? ?

為什么會有《推薦系統(tǒng)36式》這個專欄？

最近十年尤其最近五年，借助推薦系統(tǒng)的技術(shù)和名頭，異軍突起的互聯(lián)網(wǎng)產(chǎn)品越來越多，Youtube、淘寶、京東、Netflix、今日頭條、Amazon等等這些產(chǎn)品都已經(jīng)從個性化推薦中嘗到了商業(yè)的甜頭。甚至有人說在未來，推薦系統(tǒng)會成為所有數(shù)據(jù)型產(chǎn)品的標(biāo)配。

然而推薦系統(tǒng)前方技術(shù)蓬勃發(fā)展，后方卻落地困難。

審視推薦系統(tǒng)的技術(shù)應(yīng)用現(xiàn)狀，大廠們一騎絕塵，但太多中小廠的工程師們還不知道一個推薦系統(tǒng)如何從 0 到 1 誕生，需要去了解哪些知識。比如有人問我這些問題：

1. 我們產(chǎn)品這個階段需要上線推薦系統(tǒng)嗎？推薦系統(tǒng)前期投入大嗎？

2. 推薦系統(tǒng)這事容易整嗎？里面那些算法到底是怎么回事？

3. 搭建一個推薦系統(tǒng)，這里面有哪些坑？

4. 推薦架構(gòu)、搜索引擎和廣告系統(tǒng)之間應(yīng)該如何協(xié)同？

5. 推薦系統(tǒng)相關(guān)的開源軟件都有哪些？如何選型？

所以我就順勢寫了一個推薦系統(tǒng)相關(guān)的專欄，希望能幫助推薦系統(tǒng)學(xué)習(xí)者架構(gòu)起整體的知識脈絡(luò)，并在此基礎(chǔ)上補(bǔ)充實(shí)踐案例與經(jīng)驗(yàn)，力圖解決你系統(tǒng)起步階段 80% 的問題。

下面是這個專欄完結(jié)目錄的部分，目前只在極客時間上發(fā)布，你需要付費(fèi)閱讀（在本文最后有相關(guān)的二維碼）。

? ? ? ? ? ? ?

? ? ? ? ? ? ?

這個專欄已經(jīng)完結(jié)，作為完結(jié)禮物，我特別花了很長的時間給大家整理了一些業(yè)界公開的相關(guān)讀物，一共有52篇，供想深入閱讀的人繼續(xù)學(xué)習(xí)。有論文形式，網(wǎng)絡(luò)文章，演示文稿，還有一些經(jīng)典書籍，我都都整理在專欄尾篇，記得要看。

? ? ? ? ? ? ?

我的專欄現(xiàn)在正在做拼圖活動，原價68元，拼團(tuán)價58元，限時拼團(tuán)3天！

凡購買用戶，還可得到我整理的【52篇推薦系統(tǒng)相關(guān)文章】+【推薦系統(tǒng)知識框架圖】。

? ? ? ? ? ? ?

刑無刀是誰？

我是刑無刀，本名陳開江，現(xiàn)在是鏈家網(wǎng)資深算法專家，從事算法類產(chǎn)品的研發(fā)。在這之前我曾任新浪微博資深算法工程師，考拉FM算法主管。從業(yè)8年時間，我的工作和研究范圍始終沒有超出推薦系統(tǒng)。

這些年，我曾服務(wù)過創(chuàng)業(yè)公司、傳統(tǒng)大公司和大型互聯(lián)網(wǎng)公司，這些經(jīng)歷也讓我見證了大大小小、形狀各異的推薦系統(tǒng)的構(gòu)建過程。又因?yàn)槲一径紡?到1參與了這些公司的推薦系統(tǒng)，所以我也清楚這中間都有哪些坑。

掃碼立即訂閱

總結(jié)

以上是生活随笔為你收集整理的破解YouTube、Facebook推荐系统背后的那些算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。