この記事は、Bilibiliの動画推奨ルールを理解するのに役立ちます。

小売電子商取引はあなたの好きな日用品を推薦し、ニュース読書はあなたの好みに合った知識を推薦し、ショートビデオソフトウェアはあなたの好きな娯楽ビデオを推薦します...自己パーソナライズされた推奨アルゴリズムはさまざまなソフトウェアで広く使用されており、「ワンサイズですべてに対応」という言葉はインターネットユーザーにとって馴染み深いものになっています。頻繁に使用されるこれらのソフトウェアは、消費者自身よりもあなたの好みをよく知っていると言えるでしょう。

しかし、これらのソフトウェアがどのようにこの情報をより効率的にユーザーに提供しているかを本当にご存知ですか?クリエイターとユーザーとして、私たちはどのようにレコメンデーション システムを活用して自分たちの利益を得ることができるでしょうか?この記事では、Bilibiliを例に挙げて、これらの質問に詳細に答えます。

この記事は次のように構成されています。

• タグ処理: コンテンツの構築とユーザープロファイリング
• サークルの作成: コンテンツのクラスタリングとユーザー グループのセグメンテーション
• 推奨事項の賢い使用：Bステーションアップマスターとプラットフォーム操作

1. タグ処理: コンテンツの構築とユーザープロファイリング

「千人の人には千の顔」ということわざは、製品に適用する場合、「人」はユーザーを指し、「顔」はコンテンツを指すことを意味します。一方で、ユーザーは年齢、性格、趣味、人生経験の違いによりコンテンツに対する要求が異なり、他方ではコンテンツの種類と品質もユーザーの好みに影響を与えます。ユーザーとコンテンツの効率的な接続と相互補完は、推奨システム、特に推奨アルゴリズムの最終的な目標です。

1. コンテンツのタグ付け

まずはユーザーの視点から見てみましょう。

Bilibiliに入ると、アニメ、音楽、ダンス、テクノロジーなど、コンテンツの種類ごとに分かれた明確な第1レベルのナビゲーションエリアがあります。テクノロジーエリアを例にとると、科学普及、社会科学と人文科学、公開講座などの第2レベルのナビゲーションに拡張できます。科学普及の列を選択すると、環境、科学、生物学、気象学などの小さなカテゴリも表示されます。

羅翔教授の論文「刑法はなぜ厳格に解釈されなければならないのか」を例に挙げてみましょう。科学技術＞社会科学・人文科学チャンネルから動画の詳細ページに入ると、ページの中央に動画に関連する情報が表示されます。ここには重要な情報が 3 つあります。

まず、動画再生量、弾幕量、コメント数、データランキング実績は161.1万件、26,000件、7,967件となり、サイト全体のデイリー最高順位は7位となった。

2番目は、いいね、嫌い、コイン、コレクション、サブアイテムの数です。嫌いの数は表示されません。その他の定量化可能なデータは、241,000、100,000、33,000、7,616です。

3番目は、ビデオタグです。ここでは、より人気のある洛翔、法律試験のアルバムタグ、および刑法、キャンパススターUP、Houdaなどの一般的なホットトピックを区別します。

このようにして、ビデオコンテンツに関するタグラベルを取得できます。

では、これらのラベルはどこから来るのでしょうか?提出プロセスからクリエイターが制御できるものを見てみましょう。

提出ページを見ると、ユーザーがビデオをアップロードした後、パーティション、タイトル、タイプ、タグ、紹介の 5 つの項目を入力できることがわかります。タグのオプションには、カスタム、推奨ソース、アクティビティへの参加があります。動画の投稿前と投稿後にコンテンツをプロファイリングすると、作成者関連情報とコンテンツ情報は静的データとして分類され、特定のデータのパフォーマンスは時間の経過とともに変化するため、動的データとして分類されます。

2. ユーザーのタグ付け

すべてはつながっています。「あなたの気質は、あなたが読んだ本や歩いた道に隠されています」という言葉は、性格特性が読書習慣や人生経験によって影響を受けることを教えてくれます。また、ユーザーの閲覧、消費、その他の操作行動にも個人の好みが隠されています。

まず、Bilibiliユーザーについてどのような情報と行動データが記録されるかを見てみましょう。

過去の閲覧行動:

再生履歴の記録により、ユーザーはどの動画をいつ視聴したかを簡単に追跡できますが、多くの場合、ユーザーはどこで視聴したかに注意を払わず、次にクリックしたときに再生した部分をスキップできるかどうかだけを気にします。

しかし、再生時間比率は動画の品質を判断する重要な基準です。再生時間が短い場合、ユーザーは再生音量やタイトルに惹かれて気軽にクリックして視聴しているだけかもしれませんが、実際にはこのタイプのコンテンツを好んでいない可能性があります。再生時間が中程度の場合、ユーザーはこのタイプのコンテンツを好む可能性がありますが、動画の長さや品質が視聴完了に影響します。再生時間が長い場合、このタイプのコンテンツがユーザーにとって興味深い可能性があることを反映しています。

さらに、動画の詳細ページでのコンテンツへの「いいね！」、収集、または「嫌い」などのユーザーのアクションも、ユーザーの個人的な好みを反映します。また、テキスト データであるコメントも、その長さ、感情的な偏り、読みやすさなどから、ユーザーのコンテンツに対する好みを反映できます。

上記のようにユーザーが明確に認識できる動作を明示的動作と分類し、画面操作の軌跡や滞在時間などユーザーが認識しにくい操作を暗黙的動作と呼びます。後者は、ユーザープロファイルの構築に使用されるだけでなく、ユーザーの明示的な行動を刺激するためにも使用できます。たとえば、Bステーションのビデオ詳細ページでの滞在時間が一定レベルに達すると、共有アイコンが明るい色のWeChatアイコンに変わります。

フォローして購読する:

ユーザーがフォローしたり購読しているアップローダーやトピックからも、ユーザーの興味が明らかになります。たとえば、ユーザーのフォローリスト内のアップローダーの 70% が Wizard Finance、Hardcore Half-Buddha Immortal、Financial Pills などのアップローダーである場合、システムはユーザーの趣味を評価する際に、そのユーザーを金融愛好家として分類する可能性が高くなります。

消費者行動:

Bilibiliユーザーの消費には、会員資格のほか、講座、バーチャルゲーム、公演や展示会、オフラインゲームなども含まれており、これらの消費には取引金額、時間、住所、種類などの痕跡が残ります。 Bilibiliの数億人のアクティブユーザーのうち、モバイルゲームの月間平均有料ユーザーは150万人近く、ライブストリーミングの四半期有料ユーザーは120万人で、約1％を占めるに過ぎない。彼らは「ゴールドスポンサー」として、一般ユーザーよりも優れた権益を享受しているだけでなく、優れた消費力により推奨システムの「ターゲット」にもなり、「消費力が良い」というレッテルを貼られている。

個人情報:

ユーザーの身元情報には、性別、年齢、教育レベル、地理的位置などが含まれます。アドレス帳やインターネット閲覧履歴へのアクセスを許可した後、プラットフォームはソーシャル関係やその他の製品使用情報も取得し、ユーザーの製品需要を推測することができます。

要約すると、この記事では、ユーザー情報と行動に関するタグラベルを紹介します。

Bilibiliのホームページを見ると、興味に基づいたおすすめ動画は、一般的に、すでにフォローされている動画、高評価の動画、注目の動画、フォローされている人に好かれている動画、広告、インタラクティブ動画に分類できることがわかります。これらのタグは、コンテンツやユーザーのタグラベルに基づいてユーザーにプッシュされますが、単一のタグ処理では、推奨の精度にはまだ改善の余地があります。

2. サークルの作成: コンテンツのクラスタリングとユーザー グループのセグメンテーション

コンテンツとユーザーのタグ処理が完了した後も、両者は依然として個人ですが、ラベルの類似性により個人が結び付けられ、複数の個人が同じサークルに入ることができます。重みと類似性は、通常、サークル内の個人間の関連度を分割する基準として使用されます。

1. コンテンツのクラスタリング

コンテンツ間の類似性は、クリエイター関連情報（認証、フォロー）やコンテンツ情報（チャンネル、トピックアクティビティ、キーワード）に基づいて計算されることが多く、データのパフォーマンスは一般的にランキングや人気リストでの並べ替えや表示に使用されます。

このアルゴリズムは、通常、ホットリストの推奨シナリオで使用されます。たとえば、犬、猫、ジャイアントパンダなどの動物界で人気のタグは、コンテンツ情報内のキーワードの類似性により、同じカテゴリのビデオに分類され、一緒に表示されます。また、検索シナリオでは、キーワードに基づいて検索が実行され、キーワードを使用してデータベース内の作成者またはコンテンツ情報が一致します。

2. ユーザーグループ

ユーザー間の類似性は、多くの場合、ユーザーの行動に基づいて計算されます。このプロセスは協調フィルタリングと呼ばれ、主にアイテムベースのコラボレーションとユーザーベースのコラボレーションを基盤フレームワークとして利用しています。

コンテンツベースのコラボレーション:

本体はコンテンツです。ユーザーが好む動画をもとに、その動画に似たコンテンツを探し、ユーザーにおすすめします。前述のコンテンツ クラスタリングとは異なり、コンテンツ コラボレーションのフィルタリング基準は、ユーザーの動作とコンテンツの類似性ですが、後者の基準ではユーザーの好みは考慮されません。

ユーザーベースのコラボレーション:

主体はユーザーです。あるユーザーが好む動画をもとに、そのユーザーと似た嗜好を持つユーザーを探し出し、そのグループが好む動画をユーザーにおすすめします。

これら 2 種類の推奨事項を区別するために、Bilibili 上のさまざまな動画に対するユーザーの閲覧行動を例に挙げます。ユーザー A がテクノロジーやデジタル分野のコンテンツを視聴することを好むと仮定すると、Bilibili はこのタイプのユーザーにどのような動画を推奨するでしょうか。

システムは、指定されたコンテンツ パーティションと閲覧ユーザーに基づいてユーザーの好みを判断します。コンテンツ ベースのコラボレーションでは、システムはゲーム領域のコンテンツをユーザー A に推奨します。これは、これら 3 つのパーティションの閲覧ユーザーがより類似しているためです。また、ユーザー ベースのコラボレーションでは、システムはアニメーション領域とゲーム領域をユーザー A に推奨します。これは、A とユーザー B および C の閲覧履歴がより類似しており、このグループはこれら 2 つのパーティションを好むと思われるためです。

このアルゴリズムは、推奨シナリオでより頻繁に使用されます。以下の例を見ると、ユーザーの最近の視聴嗜好やフォローしているホストはすべてダンスミュージックであることがわかります。そのため、ホームページで推奨される類似動画の割合は 60% を超える可能性があります。

3. 推奨事項の巧みな使用：Bステーションアップマスターとプラットフォーム操作

1. マスター操作の提案

（１）コンテンツコールドスタート

Bilibiliで新しく制作されたビデオの場合、そのデータパフォーマンスは短期的には高い参照値を持っていないため、推奨システムはコンテンツプロバイダーの静的情報を参照することができます。クリエイター関連情報から判断すると、過去の制作実績が優れているアップマスターの新規コンテンツは、コールドスタート段階でより多くの推薦を受けることになります。コンテンツ情報から判断すると、タイトル、更新時間、キーワード、カバーが主な要素となります。

（２）継続的な創造力の育成

アップマスターの場合、タイトルは、

本当に安定したフォロワーと期待収益を獲得するための鍵は、コンテンツの質を高め、自分自身の継続的な創造力を養うことにあります。プラットフォームが測定するコンテンツの独創性、垂直性、人気度に基づいて、アップホストは自分が得意とするセクションや人気のあるセクションをより具体的に探し、更新時間とコンテンツ品質の安定性を維持するための独自のクリエイティブサイクルシステムを構築できます。

（３）一般ユーザーも自分だけの注目リストを育成できる

推奨アルゴリズムの仕組みを利用することで、一般ユーザーもその原理を参考にして独自の推奨リストをトレーニングし、Bilibiliを合理的に活用できるようになります。たとえば、科学の知識を共有するのが好きなユーザーは、同様のアップマスターをフォローし、科学の動画の再生時間を延長し、いいね、コメント、共有を増やすことで、ホームページのプッシュが自分の興味にさらに一致することに気付くでしょう。

2. プラットフォーム運用の提案

（１）ユーザーコールドスタート

コンテンツと比較すると、ユーザーも登録から活動まで0から1までのプロセスに直面します。この期間のプラットフォームの最も重要な目標は、高品質のコンテンツを通じてユーザーの活動と維持率を高めることです。行動データと比較すると、アイデンティティ情報は、携帯電話のブランドに基づいてユーザーの好みについての最初の興味推測を行うなど、プラットフォームが取得できる直接的な情報です。

しかし、ユーザーを維持するために、プラットフォームのより重要なタスクは、初心者ユーザーの興味を見つけ、ラベルを付けて、興味のサークルごとに分割することです。プラットフォームは、一方では、特定のチャネルへの強力な露出を通じてユーザーの興味を徐々に探り、特定のパーティションを固定して徐々に範囲を狭めたり、年齢などのより多様な属性に基づいてユーザーに共同推奨を行ったりすることができます。他方では、プラットフォームは、初期段階でユーザーが積極的に選択したパーティションとキーワード検索行動を積極的に利用して、徐々にプロファイルを構築することができます。

（２）コンテンツの多様性と品質の最適化

プラットフォームが提供するチャンネルは限られており、ビリビリへのPUGビデオの投稿数は月平均310万件に達することがあります。明らかに、これほど大量のビデオをいくつかのタグだけで分割するのは十分ではありません。そのため、Bilibili では、クリエイターが動画に既存のタグやカスタム タグを追加できるだけでなく、視聴者が動画にタグを追加して動画のディメンションを充実させることもできます。

品質の観点から、ビリビリは現在、動画の審査プロセスを延長しており、動画の信憑性、独創性、価値指導の審査がより厳しくなることを意味します。この最適化はユーザーへの尊重であるだけでなく、プラットフォームの長期的な維持にも役立ちます。

（３）推薦アルゴリズムも自らの限界を打ち破らなければならない

推奨アルゴリズムの悪循環は「情報繭」にあります。1 つの兆候は、特定の種類のコンテンツを消費するユーザーが増えるほど、システムは類似のコンテンツを推奨する一方で、他のコンテンツは孤立することです。もう 1 つの兆候は、コンテンツのデータ パフォーマンスが優れているほど、推奨される可能性が高くなる一方で、ロングテール ビデオは成功する可能性がなくなることです。

前者に関しては、Bilibili の推奨システムは、ユーザーがすでに興味を持っているものを推奨するだけでなく、ユーザーが探索中にさらに多様な興味を発見するように促します。これが、ユーザーベースの共同推奨がコンテンツベースの共同よりも優れている点です。

後者については、ビリビリはロングテール動画露出のためのライジングスタープログラムを導入しており（詳細は「3つの側面からの解釈：ビリビリユーザーインセンティブシステム」を参照）、ホームページの推奨の重みも高まります。

（4）推薦システム＞推薦アルゴリズム

推奨アルゴリズムは推奨システムと同じではなく、人間による編集も必要です。推薦アルゴリズムによる情報の流れは、ホットな話題が画面に溢れるなどの問題が起きやすいですが、価値ある新鮮な話題に対応するという点では、人間と機械の推薦を組み合わせることで、最終的な仕上げができることもあります。

（５）アップホストが継続して作成できるよう指導する

Upマスターが創作を続ける動機は、金銭的なインセンティブだけでなく、達成感や社会的交流などの心理的なインセンティブからも生まれます。推奨アルゴリズムを合理的に使用することで、クリエイターの心理的ニーズを満たしながら金銭的なインセンティブをもたらすことができます。

特に注目すべきは、現在ビリビリのアクティブなアップマスターの月間平均数が数百万人に達していることです。アクティビティ、注目度、クリエイティブ品質などの要素に基づいてアップマスターの推奨重みをどのように合理的に割り当てるかは、ビリビリの運営が早急に解決しなければならない課題の1つです。

著者:47

出典:47