核心概念

YouTube 不是排名系統，而是配對系統（Matching System）。

傳統創作者的心智模型是：高 CTR → 被推送 → 更多觸及。但這個模型根本上是錯的。YouTube 對每個打開 App 的觀眾問的是：「這個人現在最想看什麼？」你的影片不是在搶名次，而是競標「成為某個人當下最好的答案」。這個問題每天被問幾億次，由一個比 Excel 排名更像 ChatGPT 的系統來決策。

YouTube 背後的三層 AI

語意理解（Semantic Understanding） 系統讀取標題、逐字稿、縮圖、留言，理解的是「意思」而非關鍵字。「how to make money online」與「side hustle ideas」在系統眼中是鄰居——儘管一個字都沒共用。

主題聚類（Topic Clustering） 每支影片被轉換成高維向量空間裡的一個點。常被同一批人連續觀看的影片，會在空間中靠近，形成 YouTube 官方分類看不見的群聚。這與 Google 的 Semantic ID 研究一脈相承：影片的本質不由關鍵字描述，而由一串緊湊數字（語意指紋）描述——包含主題、語氣、節奏、情感弧線、以及會把它看完的觀眾輪廓。

觀眾意圖建模（Audience Intent Modeling） 系統不是看你上一支看什麼就推下一支，而是看「幾百萬個跟你類似的觀眾，現在會想看什麼」。這使得全新創作者的第一支影片也可能爆紅——演算法不需要你的頻道歷史，只需要語意指紋配上當下觀眾的需求。

為什麼「完美影片」反而陣亡

高 CTR + 高留存，不保證流量爆發。三個反直覺的失敗模式：

  1. 死亡高 CTR：鎖定的觀眾群當下根本不在想看這類內容的狀態
  2. 失控爆紅：低 CTR 手機隨拍卻衝出去，因為當下需求爆滿但供給不足
  3. 趨勢稅：追熱點的創作者勝過磨工藝的創作者——需求才是決勝因子，趨勢只是「看得見的需求」

一組關鍵數據：10% CTR + 平均觀看 5 分鐘 → 死在 3000 次觀看；6% CTR + 平均觀看 3 分鐘 → 爆到接近 40 萬觀看。CTR 和留存率都更高，結果完全相反。

關鍵要點

  • CTR 和留存率是下游指標，演算法真正在意的上游是：「這支影片有沒有讓這個觀眾繼續留在 YouTube 上？」這個數字創作者看不到，但它決定一切
  • 留存曲線看形狀，不看均值：開頭平穩優於開頭極高但中段斷崖；留住 80% 但都是已懂的老觀眾，不如留住 50% 但讓本來要關 App 的人看完
  • Session Resonance（session 共鳴）：觀眾看完後繼續看你另一支影片，系統會把第一支推得更廣；若你讓觀眾在 YouTube 停留更久，演算法默默加分
  • 影片爆紅的四個觸發條件：① 需求爆衝（新聞事件、迷因）② 時間窗口（新主題群聚、競爭者空缺）③ 外部流量（Reddit/Twitter 信號代表真實觀看意願）④ Session Resonance
  • 不要做 clickbait：騙到的每個點擊，若觀眾不滿意，造成的懲罰比沒點擊還慘

實務應用

對 AI 教學等垂直類內容創作者，問題的重構方式：

舊問法（表象指標導向）：

  • 我的縮圖夠吸引人嗎？
  • 前 30 秒夠鉤人嗎？
  • 留存率達標了嗎？

新問法（需求導向）：

  1. 誰現在正在找這種內容，但還沒找到好的答案？
  2. 我的語意指紋，配得上他們當下的飢餓感嗎？
  3. 他們看完後，會不會想繼續留在 YouTube 上？

創作策略的核心轉換：從「如何打敗演算法」→「系統現在正在讓誰失望？我能成為它一直在找的答案嗎？」

行銷漏斗與用戶轉化設計 中的供需不對等窗口邏輯，在這裡同樣是最強入場點。YouTube 的配對機制本質上也是一種 RAG 檢索增強生成架構——系統根據觀眾當下的「查詢向量」，從龐大的影片庫中做語意檢索。

延伸觀點

三篇獨立研究文章（Shaped.ai、Medium/Samuel Flender、Substack/januverma）一致確認以下機制：

兩階段架構是關鍵：YouTube 推薦並非一個黑箱，而是明確的兩階段流程。第一階段：候選生成，從 8 億支影片中用語意相似度篩出幾千支。第二階段：排名，對候選集進行多目標評分（互動預測、滿意度調查、內容多樣性、新鮮度）。「沒有單一指標主宰一切」是系統的設計原則——這直接解釋了為何 CTR 高也可能輸給 CTR 低但滿意度高的影片。

Watch Time → Valued Watch Time：YouTube 已從原始觀看時長演進到「valued watch time」，加入觀後滿意度調查、明確負回饋（「不感興趣」）等訊號。換句話說，演算法現在可以區分「被迫看完」和「真的很爽看完」。

Semantic ID 為新創作者打開機會窗口：Google 的 Residual Quantization Variational AutoEncoder（RQ-VAE）技術，使影片的語意表示不依賴歷史互動數據。一支零觀看數的新影片，只要語意指紋與高需求觀眾族群的向量足夠接近，就能被候選生成階段撈起——冷啟動劣勢從架構層面被削弱了。

反向連結

以下頁面引用了本頁：