Как Google (YouTube) динамически приоритизирует каверы и альтернативные версии песен в блоке рекомендаций

Термины и определения

Audio Component (Аудиокомпонент)

Аудио-часть видеоконтента, например, конкретная песня, музыкальная композиция или запись исполнения.

Audio Similarity (Аудио сходство)

Метрика, используемая для идентификации того, что два аудиокомпонента представляют собой одну и ту же музыкальную композицию или имеют схожие тексты песен (similar lyrics), несмотря на разное исполнение.

Categorization (Категоризация)

Процесс классификации альтернативных версий по типам (например, 'кавер', 'живое исполнение', 'фанатская версия').

Characteristic of the user (Характеристика пользователя)

Данные о пользователе, связанные с его историей просмотра и предпочтениями определенных категорий контента.

Content Sharing Platform (Платформа обмена контентом)

Система, позволяющая пользователям загружать и просматривать медиаконтент (например, YouTube).

Control Element (Элемент управления)

Элемент графического интерфейса (кнопка, иконка), выбор которого явно указывает на интерес пользователя к конкретному аудиокомпоненту.

Different Versions (Различные версии)

Другие исполнения или записи той же музыкальной композиции или песни.

Related Video Content Items (Связанные единицы видеоконтента)

Стандартный набор рекомендаций. Они могут быть связаны с текущим видео по исполнителю или жанру, но не обязательно содержат ту же музыкальную композицию.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод динамического изменения рекомендаций с явным триггером.

1. Система предоставляет пользователю видеоконтент в первой области GUI и связанные видео (related video content items) во второй области GUI.
2. Система получает выбор элемента управления (control element). Этот выбор указывает на интерес пользователя к audio component первого видео.
3. В ответ на этот выбор система:
   1. Идентифицирует different versions этого аудиокомпонента в других видео.
   2. Модифицирует вторую область GUI, чтобы приоритизировать отображение этих других видео над отображением изначально связанных видео.

Claim 2 (Зависимый от 1): Уточняет механизм приоритизации. Модификация заключается в отображении видео с альтернативными версиями перед (before) отображением связанных видео.

Claim 3 и 4 (Зависимые): Вводят категоризацию и персонализацию.

1. Система определяет categorization для альтернативных версий (например, кавер).
2. Система идентифицирует characteristic of the user (например, предпочтения пользователя).
3. Модификация GUI (порядок отображения) основывается на этой категоризации и характеристиках пользователя.

Claim 5 и 6 (Зависимые): Описывают метод идентификации через аудио анализ. Идентификация включает определение audio similarity. Уточняется, что аудио-сходство может соответствовать схожести текстов песен (similar lyrics).

Claim 7 (Зависимый): Описывает метод идентификации и категоризации через анализ метаданных. Идентификация включает получение keywords, связанных с видео, и определение совпадения с ключевыми словами, указывающими на категорию (например, слово "кавер").

Claim 8 (Независимый пункт): Аналогичен Claim 1, но использует более широкое определение триггера: "получение индикации" (receiving an indication) об интересе, вместо конкретного "выбора элемента управления".

Claim 14 (Зависимый от 8): Указывает на альтернативный, неявный триггер. Индикация интереса может быть основана на том, что пользователь просмотрел видео не менее порогового количества раз (threshold amount of times).

Где и как применяется

Изобретение применяется в рамках экосистемы Content Sharing Platform (например, YouTube) и не относится к веб-поиску Google. Оно затрагивает этапы индексирования и переранжирования рекомендаций.

INDEXING – Индексирование и извлечение признаков
На этом этапе система обрабатывает контент для последующей идентификации альтернативных версий.

• Аудио анализ: Извлечение audio component, создание аудио-фингерпринтов, распознавание текста песен (lyrics) для определения audio similarity.
• Анализ метаданных: Извлечение и анализ keywords из названий и описаний для идентификации типа версии (кавер, лайв и т.д.) и предварительной Categorization.

RANKING – Ранжирование (Блок рекомендаций)
На этом этапе генерируется первоначальный набор related video content items (стандартные рекомендации).

RERANKING – Переранжирование / UI Presentation
Основное применение патента. Происходит динамическая модификация выдачи в ответ на действия пользователя.

• Мониторинг взаимодействия: Система отслеживает взаимодействие с control element или подсчитывает количество просмотров видео.
• Активация: При срабатывании триггера интереса запускается процесс поиска альтернативных версий.
• Поиск и Сортировка: Система извлекает идентифицированные different versions, применяет к ним categorization и user characteristics для сортировки.
• Модификация GUI: Система перестраивает вторую область интерфейса, приоритизируя альтернативные версии над стандартными рекомендациями.

Входные данные:

• Идентификатор текущего видео и его audio component.
• Данные аудио анализа и метаданные видео на платформе.
• Данные о пользователе (user characteristics, история просмотров).
• Сигнал взаимодействия пользователя (явный или неявный).

Выходные данные:

• Модифицированный список рекомендаций в GUI, где приоритизированы альтернативные версии аудиокомпонента.

На что влияет

• Конкретные типы контента: В первую очередь влияет на музыкальный контент (музыкальные клипы, записи концертов, каверы, лирик-видео, фанатские исполнения).
• Конкретные ниши: Музыкальная индустрия, каналы кавер-исполнителей.
• Платформы: Влияет на пользовательский опыт и метрики вовлеченности на платформах типа YouTube.

Когда применяется

• Условия применения: Алгоритм применяется, когда пользователь взаимодействует с видео, содержащим идентифицируемый audio component, для которого существуют different versions.
• Триггеры активации: Механизм активируется только при получении сигнала об интересе пользователя к конкретному audio component.
  • Явный триггер: Пользователь выбирает control element в интерфейсе.
  • Неявный триггер: Пользователь просматривает видео пороговое количество раз (threshold amount of times).

Пошаговый алгоритм

Процесс обработки рекомендаций в реальном времени

1. Инициализация GUI: Отображение основного видео в первой области GUI и стандартных related video content items во второй области GUI.
2. Мониторинг интереса: Ожидание сигнала об интересе пользователя к audio component (нажатие кнопки или достижение порога просмотров).
3. Получение сигнала: Система регистрирует индикацию интереса.
4. Идентификация альтернативных версий: Запуск процесса поиска других видео, содержащих different versions аудиокомпонента.
   1. Метод 1 (Аудио): Поиск видео с высоким audio similarity (например, совпадение мелодии или lyrics).
   2. Метод 2 (Метаданные): Поиск видео по keywords, указывающим на ту же композицию.
5. Категоризация версий: Определение categorization для найденных версий (кавер, лайв и т.д.), часто на основе keywords.
6. Персонализация: Анализ characteristic of the user для определения предпочтительных категорий (например, предпочитает ли пользователь живые версии).
7. Ранжирование версий: Сортировка найденных альтернативных версий на основе категоризации и предпочтений пользователя.
8. Модификация GUI: Обновление второй области GUI. Приоритизация отображения списка альтернативных версий над списком стандартных рекомендаций (размещение их выше).

Какие данные и как использует

Данные на входе

Патент описывает использование следующих типов данных:

• Мультимедиа факторы (Аудио): Непосредственно аудиодорожки видео (audio component). Используются для анализа audio similarity и идентификации схожих текстов песен (lyrics).
• Контентные факторы (Метаданные): Ключевые слова (keywords), связанные с видео (названия и описания). Используются для идентификации названия композиции и Categorization версии (например, наличие слов "cover", "live performance", "fan song").
• Поведенческие и Пользовательские факторы:
  • Взаимодействие с интерфейсом: Клики по control element.
  • Частота просмотра текущего видео: Используется для неявного триггера.
  • Предпочтения пользователя (characteristic of the user): История просмотров, указывающая на предпочтение определенных категорий контента.

Какие метрики используются и как они считаются

• Audio Similarity (Аудио-сходство): Метрика, определяющая степень схожести между двумя аудиокомпонентами. Может рассчитываться на основе совпадения мелодии или текста песни (lyrics). Конкретные формулы расчета в патенте не приводятся.
• Keyword Matching (Совпадение ключевых слов): Процесс сравнения keywords из метаданных видео с предопределенным набором ключевых слов, связанных с конкретными категориями.
• Threshold amount of times (Пороговое количество просмотров): Счетчик просмотров видео пользователем. Используется как триггер для активации системы.
• Приоритизация: Механизм сортировки, который гарантирует, что видео с альтернативными версиями будут показаны выше (before) стандартных рекомендаций.

1. Динамическое изменение Интента в сессии: Патент демонстрирует, как Google может динамически реагировать на изменение интента пользователя во время просмотра. Система переключается от общего интента ("смотреть похожий контент") к специфическому ("изучить эту конкретную песню").
2. Агрессивная приоритизация альтернативных версий: При срабатывании триггера система активно продвигает альтернативные версии, гарантируя их показ выше стандартных рекомендаций. Это значительно увеличивает видимость каверов и других производных работ.
3. Мультимодальная идентификация контента: Для определения связи между видео используются как аудио-сигналы (audio similarity, lyrics), так и текстовые метаданные (keywords). Это подчеркивает важность обоих аспектов при индексации контента.
4. Критичность категоризации и метаданных: Система полагается на keywords для категоризации контента (Кавер, Лайв и т.д.). Правильная маркировка контента критична для попадания в этот механизм рекомендаций.
5. Персонализация рекомендаций: Система не просто находит версии, но и персонализирует их порядок на основе предпочтений пользователя (user characteristics) к определенным категориям контента.
6. Явные и Неявные сигналы: Google использует как активные действия пользователя (нажатие кнопки), так и пассивные поведенческие сигналы (повторные просмотры) для определения глубокого интереса к контенту.

ВАЖНО: Приведенные ниже рекомендации относятся к VSEO (оптимизации видео на YouTube), а не к традиционному SEO для веб-сайтов.

Best practices (это мы делаем)

• Точные и описательные метаданные: Если вы публикуете альтернативную версию известной песни, четко указывайте это в названии и описании. Используйте релевантные keywords, которые система использует для Categorization (например, "Cover", "Live Performance", "Acoustic Version", "Remix", "Lyric Video"). Всегда включайте точное название песни и имя оригинального исполнителя.
• Оптимизация под идентификацию аудио: Обеспечивайте высокое качество аудиозаписи и разборчивый вокал. Это улучшает способность системы находить audio similarity (согласно Claims 5 и 6) и связывать ваше видео с оригинальной композицией.
• Использование субтитров и текстов песен: Добавление точных текстов песен (Lyrics) в описание или через субтитры может помочь системе установить связь с оригинальной композицией, особенно если аранжировка сильно отличается.
• Создание разнообразных версий (для оригинальных исполнителей): Выпуск различных версий (официальный клип, живое выступление, акустическая версия) позволяет захватить больше пространства в рекомендациях через этот механизм, удерживая пользователя на вашем контенте.

Worst practices (это делать не надо)

• Вводящие в заблуждение метаданные (Кликбейт): Использование терминов типа "Cover" или "Live", если контент таковым не является. Система может использовать audio similarity для валидации, и несоответствие приведет к плохому пользовательскому опыту и потенциальной пессимизации.
• Неоднозначные заголовки: Использование заголовков, которые не содержат названия композиции и типа версии (например, "Я пою любимую песню"). Это затрудняет идентификацию и категоризацию.
• Низкое качество аудио: Плохое качество звука, которое мешает системе распознать мелодию или текст песни, может привести к тому, что видео не будет идентифицировано как альтернативная версия.

Стратегическое значение

Патент подтверждает стратегию Google (YouTube) по структурированию музыкального контента вокруг сущности "музыкальная композиция", а не только вокруг исполнителя. Для авторов контента это подчеркивает важность создания контента, который явно связан с существующими популярными произведениями. Этот механизм обеспечивает дополнительный канал трафика для производного контента, позволяя ему быть приоритизированным в рекомендациях у пользователей, проявивших интерес к оригиналу. Оптимизация метаданных становится ключевым элементом для попадания в этот канал.

Практические примеры

Сценарий: Оптимизация кавер-версии песни на YouTube

1. Задача: Музыкант записывает акустический кавер на популярную песню "Song Title" исполнителя "Artist Name". Цель – максимизировать трафик из рекомендаций от официального видео.
2. Действия по оптимизации (VSEO):
   • Заголовок: "Song Title - Artist Name (Acoustic Cover by MyBand)". Четко используются keywords для идентификации оригинала и категории ("Cover", "Acoustic").
   • Описание: В первых строках указать тип версии и оригинал. Добавить текст песни (lyrics) в описание для помощи системе в идентификации.
   • Аудио: Обеспечить чистый звук и четкое произношение текста для улучшения audio similarity.
3. Ожидаемый результат: Когда пользователь смотрит оригинальный клип "Song Title" и проявляет интерес к песне (например, пересматривает его несколько раз), система активирует механизм из патента. Благодаря оптимизированным метаданным и аудио-сходству, видео "Acoustic Cover by MyBand" идентифицируется, категоризируется как "Cover" и приоритизируется в топе блока рекомендаций пользователя.