ระบบการแนะนำวิดีโอของ YouTube

เมื่อ YouTube แนะนำวิดีโอได้อย่างเต็มประสิทธิภาพ ผู้คนนับล้านทั่วโลกจะได้พบกับเนื้อหาที่สร้างแรงบันดาลใจ ให้ความรู้ และสร้างความบันเทิงในแบบที่เหมือนใคร สำหรับผมแล้ว เนื้อหาที่ว่านั้นคือการนั่งฟังบรรยายเรื่องคำถามด้านจริยธรรมที่เกี่ยวข้องกับเทคโนโลยีในปัจจุบัน หรือการรับชมไฮไลต์การแข่งขันอเมริกันฟุตบอลของมหาวิทยาลัย University of Southern California ที่จำได้ว่าเคยดูสมัยเด็กๆ สำหรับลูกสาวคนโตของผม นั่นคงเป็นการสร้างเสียงหัวเราะให้ตัวเองและเป็นส่วนหนึ่งของชุมชนบนช่อง Vlogbrothers และสำหรับลูกชายคนโต วิดีโอแนะนำก็ช่วยให้เขาเข้าใจพีชคณิตเชิงเส้นมากขึ้นผ่านแอนิเมชันอธิบายบทเรียนของช่อง 3Blue1Brown แถมยังมีวิดีโอช่อง KSI ให้ดูในเวลาพักด้วย

อย่างที่ได้เห็นจากครอบครัวของผม วิดีโอเกือบทุกประเภทล้วนมีกลุ่มผู้ชม และระบบการแนะนำวิดีโอก็มีหน้าที่ค้นหากลุ่มเป้าหมายเหล่านั้น ลองคิดดูสิว่ามันจะยากแค่ไหนหากคุณต้องไล่ดูหนังสือทุกเล่มในห้องสมุดขนาดใหญ่โดยไม่มีบรรณารักษ์คอยช่วย วิดีโอแนะนำทำให้ YouTube มีผู้ชมโดยรวมเพิ่มขึ้นเป็นจำนวนมาก มากกว่าผู้ชมที่ได้จากการติดตามช่องหรือการค้นหาเสียอีก ผมใช้เวลาสร้างระบบการแนะนำวิดีโอที่ YouTube มากกว่า 10 ปี และภูมิใจที่ได้เห็นระบบนี้กลายเป็นส่วนสำคัญในประสบการณ์การใช้งาน YouTube ของทุกคน แต่ก็มีบ่อยครั้งที่คนมองว่าการแนะนำวิดีโอเป็นเหมือนกล่องดำปริศนา เราอยากให้คนทั่วไปเข้าใจระบบเหล่านี้ ผมจึงขออธิบายวิธีการทำงาน ตลอดจนพัฒนาการและสาเหตุที่เราให้ความสำคัญสูงสุดแก่การแนะนำวิดีโออย่างมีความรับผิดชอบ

ระบบการแนะนำวิดีโอคืออะไร

เราสร้างระบบการแนะนำวิดีโอขึ้นมาด้วยหลักการง่ายๆ คือการช่วยให้ผู้ใช้ค้นพบวิดีโอที่ตนอยากดูและได้รับคุณค่าจากวิดีโอเหล่านั้น คุณจะพบว่าวิดีโอแนะนำมีการทำงานใน 2 จุดหลักๆ คือในหน้าแรกและในแผง "วิดีโอถัดไป" หน้าแรกคือสิ่งที่คุณเห็นเป็นอย่างแรกเมื่อเปิด YouTube หน้านี้จะแสดงทั้งวิดีโอแนะนำที่ปรับเปลี่ยนให้เหมาะกับคุณ วิดีโอจากช่องที่ติดตาม ตลอดจนข่าวสารและข้อมูลล่าสุด ส่วนแผง "วิดีโอถัดไป" จะปรากฏในขณะที่คุณดูวิดีโอเพื่อแนะนำเนื้อหาเพิ่มเติมตามสิ่งที่กำลังรับชม รวมถึงวิดีโออื่นๆ ที่เราคิดว่าคุณอาจสนใจ

วิดีโอแนะนำในหน้าแรก

การแนะนำ "วิดีโอถัดไป"

ย้อนกลับไปเมื่อปี 2008 ตอนที่เราเริ่มสร้างระบบการแนะนำวิดีโอเป็นครั้งแรก การทำงานในตอนนั้นต่างออกไปโดยสิ้นเชิง สมมติว่าโดยส่วนใหญ่คุณมักดูวิดีโอการทำอาหาร คงจะน่าหงุดหงิดไม่ใช่น้อยหากหน้าแรกแนะนำแต่วิดีโอเกี่ยวกับกีฬาและเพลงใหม่ล่าสุดเพราะมียอดดูสูงสุด นั่นล่ะคือ YouTube ในยุคแรกๆ ซึ่งระบบจะจัดอันดับวิดีโอตามความนิยมเพื่อสร้างหน้า "มาแรง" ขนาดใหญ่ขึ้นมา 1 หน้า แต่คนที่ดูวิดีโอจากหน้านี้กลับมีไม่มากนัก และผู้ชม YouTube ส่วนใหญ่ก็มาจากการค้นหาหรือการแชร์ลิงก์นอกแพลตฟอร์ม

เพื่อที่จะบรรลุเป้าหมายนี้ เราเริ่มต้นจากสิ่งที่ได้เรียนรู้ว่าทุกคนล้วนมีพฤติกรรมการดูต่างกัน จากนั้นระบบจะเปรียบเทียบพฤติกรรมการดูของคุณกับของผู้ใช้รายอื่นที่มีพฤติกรรมการดูคล้ายกัน แล้วอาศัยข้อมูลนั้นในการแนะนำเนื้อหาอื่นที่คุณอาจอยากดูด้วย ดังนั้นหากคุณชอบวิดีโอเทนนิสและระบบพบว่าผู้ใช้รายอื่นที่ชอบวิดีโอเทนนิสเดียวกันนี้ยังชื่นชอบวิดีโอเพลงแจ๊สด้วย ระบบก็อาจแนะนำวิดีโอเพลงแจ๊สให้คุณแม้ว่าคุณไม่เคยดูวิดีโอเพลงแจ๊สมาก่อนเลยก็ตาม (สำหรับหมวดหมู่ เช่น ข่าวสารและข้อมูล ระบบอาจทำงานต่างออกไป เราจะอธิบายส่วนนี้เพิ่มเติมในภายหลัง) เมื่อไม่กี่ปีก่อน ระบบของเราแนะนำวิดีโอจาก Tyler Oakley ให้ลูกสาวคนโตของผมเพราะเป็นครีเอเตอร์ที่ผู้ชมจำนวนมากของช่อง Vlogbrothers เลือกดูในเวลานั้น จนสุดท้ายลูกสาวของผมกลายเป็นแฟนตัวยงของ Tyler Oakley ขนาดที่ว่าเราต้องพาเธอไปเจอเขาที่งานพบปะเลยล่ะ

ในปัจจุบัน ระบบของเราจะนำวิดีโอนับพันล้านรายการมาจัดเรียงเพื่อแนะนำเนื้อหาที่คัดสรรมาให้ตรงกับความสนใจของคุณโดยเฉพาะ เช่น ระบบจำได้ว่าผมเคยดูไฮไลต์การแข่งขันอเมริกันฟุตบอล USC ยุคดั้งเดิม จึงค้นหาไฮไลต์กีฬาอื่นๆ ในช่วงวัยเด็กของผมมาให้ หากไม่มีระบบแนะนำวิดีโอ ผมก็คงไม่รู้ว่ามีวิดีโอเหล่านี้อยู่ YouTube ต่างจากแพลตฟอร์มอื่นตรงที่เราไม่ได้ใช้โซเชียลเน็ตเวิร์กในการเชื่อมโยงผู้ชมเข้ากับเนื้อหา ความสำเร็จในการแนะนำวิดีโอของ YouTube อาศัยการคาดการณ์วิดีโอที่คุณอยากรับชมด้วยความแม่นยำ

แต่เราก็ทราบดีว่าผู้ใช้บางคนไม่ได้ต้องการแชร์ข้อมูลนี้กับเราเสมอไป เราจึงสร้างตัวควบคุมที่ช่วยให้คุณตัดสินใจได้ว่าต้องการให้ข้อมูลแก่เรามากแค่ไหน โดยคุณจะหยุดชั่วคราว แก้ไข หรือลบประวัติการค้นหาและประวัติการดูบน YouTube ได้ทุกเมื่อที่ต้องการ

วิธีที่เราปรับเปลี่ยนวิดีโอแนะนำให้เหมาะกับคุณ

เพื่อดูแลจัดการวิดีโอแนะนำที่ต่างกันไปสำหรับผู้ใช้แต่ละคน ระบบการแนะนำวิดีโอของเราไม่สามารถทำงานตาม "ลำดับขั้นตอนที่ตายตัว" แต่ต้องพัฒนาอย่างต่อเนื่องโดยเรียนรู้อยู่ตลอดเวลาจากข้อมูลมากกว่า 8 หมื่นล้านชุดที่เราเรียกว่า "สัญญาณ" ด้วยเหตุนี้ การเพิ่มความโปร่งใสจึงไม่ใช่แค่การแจกแจงสูตรการทำงานของการแนะนำวิดีโอ แต่ต้องเข้าใจข้อมูลทั้งหมดที่ป้อนเข้าไปยังระบบ ระบบใช้สัญญาณจำนวนมากเพื่อทำความเข้าใจว่าคุณพึงพอใจเนื้อหาประเภทใด สัญญาณเหล่านี้ ได้แก่ การคลิก เวลาในการรับชม คำตอบแบบสำรวจ การแชร์ การกดชอบ และการกดไม่ชอบ

• การคลิก: การคลิกวิดีโอเป็นสิ่งที่บอกได้ค่อนข้างแน่ชัดว่าคุณจะพึงพอใจวิดีโอนั้น เพราะท้ายที่สุดแล้ว คุณคงไม่คลิกหากไม่ได้อยากดู แต่ในปี 2011 เราได้เรียนรู้ว่าการคลิกไม่ได้แปลว่าคุณดูวิดีโอนั้นจริงๆ สมมติว่าคุณกำลังค้นหาไฮไลต์การแข่งขันวิมเบิลดันของปีหนึ่งๆ คุณเลื่อนดูในหน้าเว็บแล้วคลิกเลือกวิดีโอหนึ่งที่ชื่อและภาพขนาดย่อบ่งบอกว่าน่าจะเป็นบันทึกภาพการแข่งขัน แต่ในวิดีโอกลับเป็นคนที่พูดถึงการแข่งขันนั้นอยู่ในห้องนอน จากนั้นคุณคลิกวิดีโอที่ระบบแนะนำในแผง "วิดีโอถัดไป" แต่ก็พบว่าเป็นวิดีโอที่แฟนกีฬาอีกคนพูดถึงการแข่งขันเหมือนกัน คุณจึงลองคลิกดูวิดีโอเหล่านี้ไปเรื่อยๆ จนกระทั่งระบบแนะนำวิดีโอที่มีบันทึกภาพการแข่งขันอย่างที่คุณอยากดู สิ่งนี้เองที่ทำให้เราเพิ่ม "เวลาในการรับชม" เข้ามาในปี 2012
• เวลาในการรับชม: เวลาในการรับชม (วิดีโอที่ดูและระยะเวลาที่ดู) ทำให้ระบบได้รับสัญญาณบ่งชี้เกี่ยวกับคุณโดยเฉพาะว่าคุณน่าจะอยากดูอะไรมากที่สุด ดังนั้นหากแฟนเทนนิสนั่งดูคลิปไฮไลต์การแข่งวิมเบิลดันเป็นเวลา 20 นาที แต่ดูวิดีโอวิเคราะห์การแข่งขันเพียงไม่กี่วินาที เราก็พอจะคาดเดาได้ว่าการดูไฮไลต์เหล่านั้นมอบคุณค่าให้พวกเขาได้มากกว่า เมื่อนำ "เวลาในการรับชม" ไปปรับใช้กับการแนะนำวิดีโอเป็นครั้งแรก เราพบว่ายอดดูลดลงทันทีถึง 20% แต่เราเชื่อว่าการทำให้ผู้ชมได้รับคุณค่ามากขึ้นเป็นสิ่งที่สำคัญกว่า แต่ถึงอย่างนั้น เวลาในการรับชมก็ไม่ได้มีคุณค่าเท่ากันหมดเสมอไป บางครั้งผมก็สุ่มดูวิดีโอไปเรื่อยๆ จนดึกดื่น แทนที่จะเอาเวลาไปเรียนรู้ภาษาใหม่ผ่าน YouTube หรือขัดเกลาฝีมือการทำอาหารไปพร้อมๆ กับครีเอเตอร์ เราไม่อยากให้ผู้ชมนึกเสียใจที่เอาเวลาไปนั่งดูวิดีโอ เราจึงตระหนักได้ว่าต้องมีตัวช่วยเพิ่มเติมเพื่อวัดคุณค่าที่คุณได้รับจากเวลาที่ใช้ไปกับ YouTube
  
• คำตอบแบบสำรวจ: เราเริ่มวัดสิ่งที่เรียกว่า "เวลาในการรับชมที่มีคุณค่า" ซึ่งหมายถึงระยะเวลาในการรับชมวิดีโอที่คุณเห็นว่ามีคุณค่า ทั้งนี้ก็เพื่อให้แน่ใจว่าผู้ชมพึงพอใจเนื้อหาที่ได้ดู เราวัดเวลาในการรับชมที่มีคุณค่าผ่านแบบสำรวจผู้ใช้ที่ขอให้คุณให้คะแนน 1 - 5 ดาวแก่วิดีโอที่รับชมไป เพื่อให้เราได้เมตริกสำหรับใช้พิจารณาระดับความพึงพอใจที่คุณมีต่อเนื้อหานั้น หากให้คะแนนวิดีโอเพียง 1 - 2 ดาว เราจะสอบถามเหตุผลที่คุณให้คะแนนน้อย และในทำนองเดียวกัน หากให้ 4 - 5 ดาว เราก็จะถามเหตุผลว่าเป็นเพราะวิดีโอนั้นสร้างแรงบันดาลใจหรือมีความหมายต่อคุณใช่ไหม โดยจะถือว่าวิดีโอนั้นทำให้เกิด "เวลาในการรับชมที่มีคุณค่า" ก็ต่อเมื่อคุณให้คะแนนสูง 4 - 5 ดาว แน่นอนว่าผู้ชมไม่ได้มาคอยกรอกข้อมูลในแบบสำรวจของทุกวิดีโอที่ดู เราจึงฝึกโมเดลของแมชชีนเลิร์นนิงให้คาดการณ์แนวโน้มคำตอบแบบสำรวจของทุกคนโดยอิงจากคำตอบที่เราได้รับ และตั้งใจซ่อนคำตอบของแบบสำรวจบางส่วนไว้ไม่ให้นำไปใช้ในการฝึกเพื่อทดสอบความแม่นยำของการคาดการณ์เหล่านี้ วิธีนี้ทำให้เราตรวจสอบได้ตลอดเวลาว่าระบบคาดการณ์คำตอบจริงได้ใกล้เคียงเพียงใด
• การแชร์ การกดชอบ และการกดไม่ชอบ: โดยเฉลี่ยแล้ว ผู้คนมักพึงพอใจกับวิดีโอที่ตนแชร์หรือกดชอบ ระบบของเราจึงใช้ข้อมูลนี้เพื่อพยายามคาดการณ์แนวโน้มที่คุณจะแชร์หรือกดชอบวิดีโอเพิ่มเติม หากคุณกดไม่ชอบวิดีโอใด ย่อมถือเป็นสัญญาณว่าคุณน่าจะไม่ชอบดูเนื้อหาประเภทนั้น แต่ก็เช่นเดียวกับวิดีโอแนะนำ ความสำคัญของสัญญาณแต่ละอย่างล้วนขึ้นอยู่กับคุณ หากคุณเป็นคนที่ชอบแชร์วิดีโอที่ดูแม้จะเป็นวิดีโอที่คุณให้คะแนนแค่ 1 หรือ 2 ดาว ระบบก็จะรู้ได้ว่าไม่ควรนำการแชร์มาเป็นปัจจัยหลักในการแนะนำเนื้อหา และทั้งหมดนี้คือสาเหตุที่ระบบของเราไม่ยึดสูตรตายตัว แต่พัฒนาอย่างต่อเนื่องตามพฤติกรรมการดูที่เปลี่ยนแปลงไป

การเน้นแนะนำวิดีโออย่างมีความรับผิดชอบ

ทั้งการคลิก การดู เวลาในการรับชม แบบสำรวจผู้ใช้ การแชร์ การกดชอบ และการกดไม่ชอบ ล้วนแล้วแต่มีประสิทธิภาพสูงในการช่วยแนะนำวิดีโอในหัวข้ออย่างเพลงและความบันเทิง ซึ่งเป็นเป้าหมายของผู้คนส่วนใหญ่ที่เข้ามาดู YouTube แต่ในหลายปีที่ผ่านมา ผู้ชมจำนวนมากขึ้นเริ่มเข้ามายัง YouTube เพื่อดูข้อมูลและข่าวสาร ไม่ว่าจะเป็นข่าวด่วนล่าสุดหรืองานวิจัยทางวิทยาศาสตร์อันซับซ้อน สิ่งสำคัญที่สุดสำหรับหัวข้อเหล่านี้ย่อมเป็นเรื่องคุณภาพของข้อมูลและบริบท ผู้ใช้บางคนอาจบอกว่าตนชื่นชอบวิดีโอที่อ้างว่า "โลกแบน" มาก แต่นั่นก็ไม่ได้หมายความว่าเราอยากแนะนำเนื้อหาคุณภาพต่ำประเภทนี้

วิดีโอแนะนำจึงมีบทบาทสำคัญในการคงสถานะการเป็นแพลตฟอร์มที่มีความรับผิดชอบวิดีโอเหล่านี้จะทำให้ผู้ชมได้พบกับข้อมูลคุณภาพสูงและลดโอกาสที่จะได้เห็นเนื้อหาที่เป็นปัญหา ทั้งยังช่วยส่งเสริมการทำงานตามหลักเกณฑ์ของชุมชนที่เข้มงวด ซึ่งเป็นตัวกำหนดสิ่งที่อนุญาตและไม่อนุญาตบน YouTube

เราอาศัยวิดีโอแนะนำเพื่อจำกัดไม่ให้มีการรับชมเนื้อหาคุณภาพต่ำในวงกว้างมาตั้งแต่ปี 2011 ซึ่งเป็นช่วงที่เราสร้างตัวแยกประเภทขึ้นมาเพื่อระบุวิดีโอสำหรับผู้ใหญ่หรือวิดีโอที่มีความรุนแรง แล้วป้องกันไม่ให้มีการแนะนำวิดีโอดังกล่าว จากนั้นในปี 2015 เราสังเกตเห็นว่ามีเนื้อหาข่าวบิดเบือนที่สร้างความตื่นตระหนกปรากฏในหน้าแรก จึงได้ดำเนินการเพื่อลดการแนะนำเนื้อหานี้ ปีต่อมา เราเริ่มคาดการณ์แนวโน้มที่วิดีโออาจมีผู้เยาว์อยู่ในสถานการณ์เสี่ยง และนำวิดีโอเหล่านั้นออกจากระบบแนะนำ และในปี 2017 ด้วยความตั้งใจให้ระบบการแนะนำวิดีโอมีความยุติธรรมต่อชุมชนชายขอบ เราจึงเริ่มประเมินแมชชีนเลิร์นนิงที่เป็นตัวขับเคลื่อนระบบของเรา เพื่อสร้างความยุติธรรมให้แก่กลุ่มต่างๆ ที่ได้รับการคุ้มครอง เช่น ชุมชน LGBTQ+

การให้ข้อมูลที่ไม่ถูกต้องมีจำนวนเพิ่มขึ้นในช่วงไม่กี่ปีที่ผ่านมา เราจึงขยายขอบเขตการใช้ระบบการแนะนำวิดีโอให้ครอบคลุมการให้ข้อมูลที่ไม่ถูกต้องและสร้างปัญหา รวมถึงเนื้อหาที่เสี่ยงต่อการละเมิด ซึ่งเป็นเนื้อหาที่เหมือนจะละเมิดแต่ไม่ได้ละเมิดหลักเกณฑ์ของชุมชนซะทีเดียว เช่น วิดีโอเกี่ยวกับทฤษฎีสมคบคิด ("การเหยียบดวงจันทร์เป็นเรื่องหลอกลวง") หรือเนื้อหาอื่นๆ ที่ให้ข้อมูลไม่ถูกต้อง ("น้ำส้มช่วยรักษามะเร็งได้")

เราทำตามเป้าหมายนี้ได้สำเร็จโดยอาศัยตัวแยกประเภทที่ช่วยระบุว่าวิดีโอนั้น "เชื่อถือได้" หรือ "เสี่ยงต่อการละเมิด" หรือไม่ การแยกประเภทเหล่านี้อาศัยผู้ประเมินที่เป็นคนจริงๆ มาช่วยประเมินคุณภาพข้อมูลของแต่ละช่องหรือแต่ละวิดีโอ ผู้ประเมินเหล่านี้มาจากทั่วโลกและผ่านการฝึกด้วยชุดหลักเกณฑ์การให้คะแนนที่ละเอียดและมีการเผยแพร่ต่อสาธารณะ นอกจากนี้ เรายังอาศัยผู้เชี่ยวชาญที่มีใบรับรอง เช่น แพทย์ ในกรณีที่เนื้อหาเกี่ยวข้องกับข้อมูลด้านสุขภาพ เป็นต้น

ในการตัดสินความน่าเชื่อถือ ผู้ประเมินจะต้องตอบคำถามสำคัญ 4 - 5 ข้อ เช่น เนื้อหานั้นตรงกับที่นำเสนอไว้หรือบรรลุเป้าหมายของเนื้อหาหรือไม่ การบรรลุเป้าหมายของวิดีโอนั้นต้องอาศัยความเชี่ยวชาญด้านใด ชื่อเสียงของผู้พูดในวิดีโอและชื่อเสียงของช่องที่มีวิดีโอเป็นอย่างไร หัวข้อหลักของวิดีโอคืออะไร (เช่น ข่าวสาร กีฬา ประวัติศาสตร์ หรือวิทยาศาสตร์ เป็นต้น) และเนื้อหานั้นจัดทำขึ้นเพื่อล้อเลียนเป็นหลักหรือไม่ โดยคำตอบเหล่านี้ตลอดจนข้อมูลอื่นๆ จะเป็นตัวกำหนดระดับความน่าเชื่อถือของวิดีโอ ยิ่งมีคะแนนสูง ระบบก็จะยิ่งช่วยโปรโมตหากเป็นเนื้อหาเกี่ยวกับข้อมูลและข่าวสาร

ส่วนในการตัดสินเนื้อหาที่เสี่ยงต่อการละเมิด ผู้ประเมินจะประเมินปัจจัยต่างๆ ซึ่งรวมถึงแต่ไม่จำกัดเพียงว่าเนื้อหานั้นไม่ถูกต้อง ทำให้เข้าใจผิด หรือเป็นการหลอกลวงหรือไม่ ไม่คำนึงถึงความรู้สึกผู้อื่นหรือไม่ยอมรับความเห็นต่างหรือไม่ และเป็นอันตรายหรือมีโอกาสก่อให้เกิดอันตรายไหม จากนั้นจึงรวมผลลัพธ์ที่ได้เพื่อให้คะแนนระดับแนวโน้มที่วิดีโอนั้นอาจให้ข้อมูลที่ไม่ถูกต้องและเป็นอันตรายหรือเสี่ยงต่อการละเมิด วิดีโอใดก็ตามที่จัดว่าเสี่ยงต่อการละเมิดจะได้รับการแนะนำน้อยลง

จากนั้นเราจะนำการประเมินของมนุษย์มาฝึกให้ระบบจำลองการตัดสินของผู้ประเมิน เพื่อขยายขอบเขตการประเมินเช่นว่าให้ครอบคลุมวิดีโอทั้งหมดใน YouTube

ตอบคำถามที่พบบ่อยเกี่ยวกับวิดีโอแนะนำ

วิดีโอแนะนำมีบทบาทสำคัญในชุมชนทั้งหมดของเรา เพราะวิดีโอเหล่านี้ช่วยแนะนำเนื้อหาที่ผู้ชมชื่นชอบ ทั้งยังช่วยให้ครีเอเตอร์ได้พบกับกลุ่มผู้ชมใหม่ๆ ในแง่ของสังคมโดยรวมในวงกว้าง วิดีโอแนะนำยังมีประโยชน์ต่อการช่วยหยุดยั้งการให้ข้อมูลที่ไม่ถูกต้องและเป็นอันตราย เพราะแม้ว่าการคลิก เวลาในการรับชม แบบสำรวจผู้ใช้ การแชร์ การกดชอบ และการกดไม่ชอบ จะเป็นสัญญาณสำคัญที่ให้ข้อมูลแก่ระบบของเรา แต่สัญญาณเหล่านี้ก็ไม่สำคัญเท่าความมุ่งมั่นของเราที่จะรับผิดชอบต่อสังคมและชุมชน YouTube

Cristos ตอบคำถามเกี่ยวกับระบบการแนะนำวิดีโอ

ยังมีคำถามเกี่ยวกับระบบการแนะนำวิดีโออีก 3 - 4 ข้อที่ผมมักได้ยินบ่อยๆ ซึ่งคิดว่าควรพูดถึง

1. เนื้อหาที่เสี่ยงต่อการละเมิดเป็นเนื้อหาที่ดึงดูดผู้ชมได้มากที่สุดหรือไม่ อันที่จริงหากดูจากแบบสำรวจและความคิดเห็น เราจะพบว่าผู้ชมส่วนใหญ่ไม่ต้องการให้ระบบแนะนำเนื้อหาที่เสี่ยงต่อการละเมิด และเนื้อหาประเภทนี้ก็สร้างความไม่พอใจและน่าหงุดหงิดสำหรับผู้ชมจำนวนมาก ความจริงแล้ว เมื่อลดการแนะนำเนื้อหาประเภทข่าวบิดเบือนหรือลามกอนาจาร เรากลับพบว่าเวลาในการรับชมเพิ่มขึ้นถึง 0.5% ภายในระยะเวลา 2 เดือนครึ่งเมื่อเทียบกับช่วงที่เราไม่ได้กำหนดขีดจำกัดใดๆ นอกจากนี้ เรายังไม่เห็นหลักฐานบ่งชี้ว่าโดยเฉลี่ยแล้วเนื้อหาที่เสี่ยงต่อการละเมิดมักดึงดูดผู้ชมได้มากกว่าเนื้อหาประเภทอื่น หากลองพิจารณาเนื้อหาจากผู้ที่เชื่อว่าโลกแบน แม้การอัปโหลดวิดีโอที่บอกว่าโลกแบนจะมีจำนวนสูงกว่าวิดีโอที่บอกว่าโลกกลมอยู่มาก แต่โดยเฉลี่ยแล้ววิดีโอที่บอกว่าโลกแบนกลับมียอดดูน้อยกว่ามาก แบบสำรวจชี้ให้เห็นว่าผู้ที่พึงพอใจเนื้อหาที่เสี่ยงต่อการละเมิดเป็นเพียงคนส่วนน้อยมากๆ บน YouTube เราทุ่มเทเวลาและเงินจำนวนมหาศาลเพื่อป้องกันไม่ให้วิดีโอประเภทนี้เข้าถึงผู้ชมในวงกว้างผ่านระบบการแนะนำวิดีโอ ยอดดูส่วนใหญ่ของเนื้อหาที่เสี่ยงต่อการละเมิดในปัจจุบันมักมาจากแหล่งที่มาอื่นๆ นอกเหนือจากวิดีโอที่แนะนำต่อผู้ที่ไม่ได้ติดตาม
2. เนื้อหาที่เสี่ยงต่อการละเมิดช่วยเพิ่มเวลาในการรับชมให้แก่ YouTube หรือไม่ หากพิจารณาจากผู้ใช้ส่วนใหญ่ พวกเขาไม่ได้รู้สึกคุ้มค่ากับเวลาที่เสียไปในการรับชมเนื้อหาที่เสี่ยงต่อการละเมิดบน YouTube เพราะเหตุนี้ในปี 2019 เราจึงเริ่มลดการแนะนำเนื้อหาที่เสี่ยงต่อการละเมิด นับแต่นั้นมา เราก็พบว่าเวลาในการรับชมเนื้อหาที่เสี่ยงต่อการละเมิดซึ่งแนะนำต่อผู้ที่ไม่ได้ติดตามลดลงถึง 70% ในสหรัฐอเมริกา และปัจจุบันการรับชมวิดีโอแนะนำที่เสี่ยงต่อการละเมิดก็ลดลงเหลือต่ำกว่า 1% อย่างมีนัยสำคัญ
3. วิดีโอแนะนำทำให้ผู้ชมได้พบกับเนื้อหาที่มีความสุดโต่งมากขึ้นหรือไม่ อย่างที่ผมอธิบายไปแล้วว่า เราตั้งใจที่จะลดการแนะนำข้อมูลคุณภาพต่ำ ในขณะเดียวกันก็ใช้มาตรการเพิ่มเติมเพื่อนำเสนอวิดีโอที่น่าเชื่อถือและเป็นหัวข้อที่ผู้ชมอาจสนใจ สมมติว่าผมดูวิดีโอเกี่ยวกับวัคซีนโควิด-19 ในแผง "วิดีโอถัดไป" ผมก็จะเห็นวิดีโอจากแหล่งที่มาที่น่าเชื่อถืออย่าง Vox และ Bloomberg Quicktake และจะไม่เห็นวิดีโอซึ่งมีข้อมูลที่ทำให้เกิดความเข้าใจผิดเกี่ยวกับวัคซีน (ภายในขอบเขตที่ระบบตรวจจับได้) นอกจากวิดีโอข่าวสารและคำอธิบายเกี่ยวกับโควิด-19 ผมยังได้รับวิดีโอแนะนำจากหัวข้ออื่นๆ ที่ปรับเปลี่ยนตามประวัติการดูของผม ไม่ว่าจะเป็นการแสดงตลกสั้นจากรายการ Saturday Night Live หรือวิดีโอ TEDx Talk เกี่ยวกับปรากฏการณ์ Super Mario Effect ความหลากหลายที่ปรับเปลี่ยนให้เหมาะกับผู้ใช้จะช่วยให้ผู้ชมได้ค้นพบวิดีโอในเรื่องและรูปแบบใหม่ๆ ไม่ใช่เห็นแต่เพียงวิดีโอประเภทเดิมซ้ำแล้วซ้ำเล่า นักวิจัยอิสระจำนวนมากขึ้นเริ่มศึกษาว่าแพลตฟอร์มเทคโนโลยีส่งผลต่อการบริโภคเนื้อหาที่เสี่ยงต่อการละเมิดอย่างไรบ้าง และในขณะที่การวิจัยดำเนินไปอย่างต่อเนื่อง เมื่อเร็วๆ นี้ได้มีการเผยแพร่งานวิจัยที่ให้ผลสรุปว่าอันที่จริงแล้ว วิดีโอแนะนำใน YouTube ไม่ได้ชี้นำผู้ชมไปสู่เนื้อหาแบบสุดโต่งแต่อย่างใด แต่โดยทั่วไปแล้ว การบริโภคเนื้อหาข่าวสารและการเมืองบน YouTube เป็นตัวสะท้อนความชื่นชอบส่วนบุคคล ซึ่งจะเห็นได้จากพฤติกรรมบนโลกออนไลน์ของผู้ใช้เอง นักวิจัยอิสระจำนวนมากขึ้นเริ่มศึกษาว่าแพลตฟอร์มเทคโนโลยีส่งผลต่อการบริโภคเนื้อหาที่เสี่ยงต่อการละเมิดอย่างไรบ้าง และในขณะที่การวิจัยดำเนินไปอย่างต่อเนื่อง เมื่อเร็วๆ นี้ได้มีการเผยแพร่งานวิจัยที่ให้ผลสรุปว่าอันที่จริงแล้ว วิดีโอแนะนำใน YouTube ไม่ได้ชี้นำผู้ชมไปสู่เนื้อหาแบบสุดโต่งแต่อย่างใด แต่โดยทั่วไปแล้ว การบริโภคเนื้อหาข่าวสารและการเมืองบน YouTube เป็นตัวสะท้อนความชื่นชอบส่วนบุคคล ซึ่งจะเห็นได้จากพฤติกรรมบนโลกออนไลน์ของผู้ใช้เอง
   
4. เนื้อหาที่เสี่ยงต่อการละเมิดนั้นสร้างรายได้หรือไม่ ในขั้นต้น หลักเกณฑ์สำหรับเนื้อหาที่เป็นมิตรกับผู้ลงโฆษณาได้ยับยั้งไม่ให้เนื้อหาที่เสี่ยงต่อการละเมิดสร้างรายได้ไปแล้วเป็นจำนวนมาก นอกจากนี้ ผู้ลงโฆษณาหลายรายยังแจ้งว่าตนไม่ต้องการเกี่ยวข้องกับเนื้อหาประเภทนี้บน YouTube และมักเลือกไม่รับการโฆษณาจากเนื้อหานี้ด้วย นั่นหมายความว่าแต่ละครั้งที่มีการรับชมวิดีโอที่เสี่ยงต่อการละเมิดย่อมถือเป็นการเสียโอกาสการสร้างรายได้ และเป็นผลให้ YouTube สูญเสียรายได้อย่างแท้จริง ในเชิงเดียวกัน เนื้อหาประเภทนี้ยังทำลายความน่าเชื่อถือและสร้างความกังวลทั้งต่อพาร์ทเนอร์การโฆษณา สาธารณชน สื่อ ตลอดจนผู้กำหนดนโยบาย อันที่จริงแล้ว เมื่อเรามีความรับผิดชอบมากขึ้น รายได้ของบริษัทเราและครีเอเตอร์ทั้งหมดก็เติบโตไปด้วย เพราะความรับผิดชอบย่อมส่งผลดีต่อธุรกิจเสมอ ถ้าเช่นนั้นแล้ว ทำไมเราไม่นำเนื้อหาที่เสี่ยงต่อการละเมิดออกไปเลยล่ะ การให้ข้อมูลที่ไม่ถูกต้องมีแนวโน้มที่จะเปลี่ยนแปลงและพัฒนาไปอย่างรวดเร็ว และมักขาดความเห็นพ้องต้องกันอย่างชัดเจน ไม่เหมือนกับเรื่องการก่อการร้ายหรือความปลอดภัยของเด็ก นอกจากนี้ การให้ข้อมูลที่ถือว่าไม่ถูกต้องก็อาจแตกต่างกันไปตามมุมมองและพื้นเพของแต่ละบุคคล เราพบว่าบางครั้ง ปัญหานี้ก็ทำให้เกิดเนื้อหาที่เป็นข้อถกเถียงหรือแม้กระทั่งเนื้อหาที่สร้างความไม่พอใจ เราจึงเดินหน้าเน้นสร้างการแนะนำวิดีโออย่างมีความรับผิดชอบ และใช้มาตรการที่ได้ผลจริงในการป้องกันไม่ให้ระบบแนะนำเนื้อหาประเภทนี้ในวงกว้าง เมื่อพิจารณารวมกันแล้ว จะเห็นได้ว่าหน้าที่ความรับผิดชอบทั้งหมดที่เราดำเนินการเกี่ยวกับวิดีโอแนะนำล้วนก่อให้เกิดผลลัพธ์อันเป็นที่ประจักษ์ เวลาในการรับชมข่าวสารที่เชื่อถือได้พุ่งสูงขึ้นมากและการรับชมวิดีโอที่เสี่ยงต่อการละเมิดก็มีจำนวนลดลง แต่นั่นก็ไม่ได้แปลว่าเราแก้ปัญหานี้ได้สำเร็จ เพียงแต่สื่อว่าเราจะต้องเดินหน้าปรับปรุงและทุ่มเทเพื่อให้ระบบนี้พัฒนาอย่างต่อเนื่อง โดยมีเป้าหมายเพื่อให้ยอดดูวิดีโอแนะนำซึ่งมีเนื้อหาที่เสี่ยงต่อการละเมิดมีจำนวนต่ำกว่า 0.5% ของยอดดูทั้งหมดบน YouTube

ความคิดเห็นจากคุณทุกคนทำให้ระบบการแนะนำวิดีโอพัฒนาขึ้นในทุกๆ วัน แต่ทุกอย่างย่อมพัฒนาให้ดียิ่งขึ้นไปอีกได้เสมอ ผมและทีมงานจึงมุ่งมั่นที่จะทำให้งานนี้เดินหน้าต่อไป เพื่อให้คุณได้รับประสบการณ์ที่มีคุณค่าและมีประโยชน์มากที่สุดเท่าที่จะเป็นไปได้

Cristos Goodrow

VP of Engineering At YouTube