Blokir klik palsu pada Iklan Google Anda IKLAN SEJ » Youtube 6 Tips SEO YouTube Berdasarkan Makalah yang Diterbitkan Google

Guru SEO – Mesin rekomendasi YouTube adalah salah satu inovasi paling sukses yang pernah dibuat Google. 70 persen waktu menonton yang mengejutkan di YouTube didorong oleh rekomendasi YouTube sendiri.

Meskipun demikian, industri SEO cenderung berfokus pada ucapan seperti ” YouTube adalah mesin pencari terbesar kedua di dunia ,” dan menekankan peringkat dalam hasil pencarian YouTube atau mendapatkan daftar YouTube dalam hasil pencarian Google.

Yang terutama mengejutkan adalah fakta bahwa YouTube sebenarnya telah menerbitkan sebuah makalah ( The YouTube Video Recommendation Engine ) yang menjelaskan cara kerja mesin rekomendasinya.

Namun makalah ini jarang dirujuk oleh industri SEO.

Artikel ini akan memberi tahu Anda apa yang ada di makalah itu dan bagaimana pengaruhnya terhadap cara Anda mendekati SEO untuk YouTube.

1. Metadata

Sampai hari ini, metadata tetap jauh lebih penting untuk SEO di YouTube daripada untuk hasil pencarian di Google.

Sementara YouTube sekarang dapat membuat teks tertutup otomatis untuk video dan kapasitasnya untuk mengekstrak informasi dari video telah meningkat secara dramatis selama bertahun-tahun, Anda tidak boleh mengandalkan ini jika Anda ingin YouTube merekomendasikan video Anda.

Makalah YouTube tentang algoritme rekomendasi menyebutkan bahwa metadata adalah sumber informasi yang penting, meskipun fakta bahwa metadata sering tidak lengkap atau bahkan sama sekali tidak ada merupakan hambatan yang dirancang untuk diatasi oleh mesin rekomendasi mereka.

Untuk menghindari pemaksaan mesin rekomendasi untuk melakukan terlalu banyak pekerjaan, pastikan bahwa setiap bidang metadata diisi dengan informasi yang tepat dengan setiap video yang Anda unggah:

Judul

Sertakan kata kunci target Anda dalam judul video, tetapi pastikan judul itu juga menarik perhatian dan membangkitkan rasa ingin tahu dari pengguna.

Judul yang menarik perhatian bisa dibilang lebih penting di YouTube daripada pencarian tradisional, karena platform ini lebih bergantung pada rekomendasi daripada hasil pencarian.

Deskripsi

Sertakan deskripsi lengkap yang menggunakan kata kunci Anda atau beberapa variasi di atasnya, dan pastikan panjangnya setidaknya 250 kata.

Semakin banyak informasi berguna yang Anda sertakan di sini, semakin banyak data yang harus diolah oleh YouTube, memungkinkan Anda untuk memanfaatkannya.

Masukkan poin-poin utama yang akan Anda bahas dalam video dan pertanyaan-pertanyaan utama yang akan Anda tangani.

Selain itu, menggunakan deskripsi yang terkait dengan video lain, asalkan sesuai dari perspektif pengguna, dapat membantu Anda menemukan rekomendasi untuk video tersebut.

Tag

Tag kata kunci masih penting di YouTube, tidak seperti tag kata kunci meta untuk mesin pencari, yang benar-benar mati.

Sertakan kata kunci utama Anda dan variasi apa pun, topik terkait yang muncul di video, dan YouTube yang Anda sebutkan dalam video.

Daftar putar

Sertakan video Anda dalam daftar putar yang menampilkan konten terkait, dan rekomendasikan daftar putar Anda di akhir video Anda.

Jika daftar putar Anda berjalan dengan baik, maka video Anda dapat dikaitkan dengan menjaga pengguna di YouTube lebih lama, sehingga video Anda muncul dalam rekomendasi.

Gambar kecil

Gunakan thumbnail yang menarik. Thumbnail yang bagus biasanya menyertakan beberapa teks untuk menunjukkan materi pelajaran dan gambar yang menarik yang menciptakan reaksi emosional langsung.

Keterangan tertutup

Meskipun subtitle tertutup otomatis dari YouTube cukup akurat, mereka masih sering menampilkan salah tafsir atas kata-kata Anda. Kapan pun memungkinkan, berikan transkrip lengkap dalam metadata Anda.

Nama file

Gunakan kata kunci Anda di nama file Anda. Kemungkinan ini tidak memiliki dampak sebanyak dulu, tetapi tentu saja tidak ada ruginya.

2. Data Video

Data dalam video itu sendiri menjadi lebih penting setiap hari.

Makalah mesin rekomendasi YouTube secara eksplisit merujuk aliran video mentah sebagai sumber informasi penting.

Karena YouTube sudah menganalisis audio dan menghasilkan transkrip otomatis, Anda harus mengatakan kata kunci dalam video itu sendiri.

Referensi nama dan saluran YouTube dari setiap video yang Anda tanggapi di dalam video juga untuk meningkatkan peluang Anda akan muncul dalam rekomendasi video mereka.

Akhirnya, mungkin lebih penting untuk tidak terlalu bergantung pada gaya video “talking head”. Google memiliki Cloud Video Intelligence API yang mampu mengidentifikasi objek dalam video.

Menyertakan video atau gambar dalam video Anda yang merujuk kata kunci Anda dan topik terkait kemungkinan akan membantu meningkatkan skor relevansi video Anda di masa depan, dengan asumsi teknologi ini belum bergerak.

Jaga agar video Anda terstruktur dengan baik dan tidak terlalu “kasar” sehingga setiap algoritma yang dimainkan akan lebih cenderung menganalisis konten semantik dan konteks video Anda.

3. Data Pengguna

Tidak perlu dikatakan, kami tidak memiliki kontrol langsung atas data pengguna, tetapi kami tidak dapat memahami bagaimana mesin rekomendasi bekerja atau bagaimana mengoptimalkannya tanpa memahami peran data pengguna.

Makalah mesin rekomendasi YouTube membagi data pengguna menjadi dua kategori:

• Eksplisit: Ini termasuk menyukai video dan berlangganan saluran video.
• Tersirat: Ini termasuk waktu menonton, yang makalah ini akui tidak serta-merta menyiratkan bahwa pengguna puas dengan video.

Untuk mengoptimalkan data pengguna, penting untuk mendorong interaksi eksplisit seperti menyukai dan berlangganan, tetapi juga penting untuk membuat video yang mengarah pada data pengguna tersirat yang baik.

Retensi pemirsa, terutama retensi audiens relatif, adalah sesuatu yang harus Anda ikuti dengan cermat.

Video yang memiliki retensi pemirsa relatif buruk harus dianalisis untuk menentukan alasannya, dan video dengan retensi yang buruk harus dihapus sehingga tidak merusak keseluruhan saluran Anda.

4. Memahami Kunjungan Bersama

Di sinilah kita mulai memasuki mesin rekomendasi YouTube.

Makalah YouTube menjelaskan bahwa blok bangunan mendasar dari mesin rekomendasi adalah kemampuannya untuk memetakan satu video ke satu set video yang serupa.

Yang penting, video serupa di sini didefinisikan sebagai video yang lebih mungkin ditonton pengguna (dan mungkin dinikmati) setelah melihat video awal, daripada harus ada hubungannya dengan konten video yang semuanya serupa.

Pemetaan ini dilakukan dengan menggunakan teknik yang disebut kunjungan bersama.

Jumlah kunjungan bersama hanyalah berapa kali dua video ditonton dalam periode waktu tertentu, misalnya, 24 jam.

Untuk menentukan seberapa terkait dua video, jumlah kunjungan bersama kemudian dibagi dengan fungsi normalisasi, seperti popularitas video kandidat.

Dengan kata lain, jika dua video memiliki jumlah kunjungan bersama yang tinggi, tetapi video kandidat relatif tidak populer, skor keterkaitan untuk video kandidat dianggap tinggi.

Dalam praktiknya, skor keterkaitan perlu disesuaikan dengan memperhitungkan bagaimana mesin rekomendasi itu sendiri bias melakukan kunjungan bersama, waktu menonton, metadata video, dan sebagainya.

Secara praktis, apa artinya ini bagi kami adalah bahwa jika Anda ingin video Anda mengambil lalu lintas dari rekomendasi, Anda memerlukan orang-orang yang menonton video lain untuk juga menonton video Anda dalam waktu singkat.

Ada beberapa cara untuk mencapai ini:

• Membuat video respons dalam waktu singkat setelah video awal dibuat.
• Menerbitkan video pada platform yang juga mengirimkan lalu lintas ke video populer lainnya.
• Menargetkan kata kunci yang terkait dengan video tertentu (sebagai lawan dari subjek yang lebih luas).
• Membuat video yang menargetkan YouTuber tertentu.
• Mendorong pemirsa Anda untuk menonton video Anda yang lain.

5. Anjak Personalisasi Dalam-Pengguna

Mesin rekomendasi YouTube tidak hanya menyarankan video dengan skor keterkaitan tinggi. Rekomendasi dipersonalisasi untuk setiap pengguna, dan bagaimana hal ini dilakukan dibahas secara eksplisit di dalam makalah.

Untuk memulai, serangkaian video terpilih, termasuk video yang telah ditonton pengguna, dibobot oleh faktor-faktor seperti waktu menonton dan apakah mereka membuka-buka video, dll.

Untuk mesin rekomendasi paling sederhana, video dengan skor keterkaitan tertinggi kemudian akan dipilih dan dimasukkan dalam rekomendasi.

Namun, YouTube menemukan bahwa rekomendasi ini terlalu sempit. Rekomendasi sangat mirip sehingga pengguna mungkin akan menemukannya.

Alih-alih, YouTube memperluas rekomendasi untuk memasukkan video yang memiliki skor keterkaitan yang tinggi bagi mereka yang akan menjadi rekomendasi awal, dan seterusnya dalam sejumlah kecil iterasi.

Dengan kata lain, untuk ditampilkan sebagai video yang disarankan, Anda tidak perlu memiliki jumlah kunjungan bersama yang tinggi dengan video yang dipermasalahkan. Anda dapat melakukannya dengan memiliki jumlah kunjungan-tinggi dengan video yang pada gilirannya memiliki jumlah kunjungan-tinggi dengan video yang dipermasalahkan.

Agar ini akhirnya berhasil, video Anda juga perlu mendapat peringkat tinggi dalam rekomendasi, seperti yang dibahas di bagian selanjutnya.

6. Peringkat: Kualitas Video, Spesifisitas Pengguna & Diversifikasi

Mesin rekomendasi YouTube tidak hanya memberi peringkat video di mana video memiliki skor keterkaitan tertinggi. Berada dalam top skor keterkaitan N hanya lulus / gagal. Pemeringkatan ditentukan dengan menggunakan faktor-faktor lain.

Makalah YouTube menjelaskan faktor-faktor ini sebagai kualitas video, spesifisitas pengguna, dan diversifikasi.

Kualitas video

Sinyal kualitas meliputi:

• Peringkat pengguna.
• Mengomentari.
• Menguntungkan.
• Berbagi.
• Waktu unggah.
• Lihat hitungan.

Makalah tidak menyebutkannya, tetapi waktu sesi telah menjadi faktor pendorong di sini, di mana video yang mengarah ke pengguna menghabiskan lebih banyak waktu di YouTube (tidak harus pada video atau saluran YouTube) berperingkat lebih baik.

Kekhususan Pengguna

Sinyal-sinyal ini meningkatkan video yang cocok dengan berdasarkan pada sejarah pengguna. Ini pada dasarnya adalah skor keterkaitan berdasarkan riwayat pengguna, bukan hanya video unggulan yang dipertanyakan.

Perbedaan

Video yang terlalu mirip dihapus dari peringkat sehingga pengguna disajikan dengan pilihan opsi yang lebih bermakna.

Ini dilakukan dengan membatasi jumlah rekomendasi menggunakan video unggulan tertentu untuk memilih kandidat, atau dengan membatasi jumlah rekomendasi dari saluran tertentu.

Kesimpulan

Mesin rekomendasi YouTube adalah pusat bagaimana pengguna terlibat dengan platform.

Memahami cara kerja YouTube akan secara dramatis meningkatkan peluang Anda untuk berhasil dengan baik di situs video paling populer di dunia.

Perhatikan apa yang telah kita bahas di sini, pertimbangkan untuk memberikan makalah itu sendiri, dan memasukkan pengetahuan ini ke dalam strategi pemasaran Anda.