O algoritmo do YouTube tem um só objetivo: manter os espetadores na plataforma o máximo de tempo possível. Cada decisão que toma sobre que vídeos classificar na pesquisa, que vídeos recomendar depois de um vídeo acabar e que vídeos mostrar no feed inicial de um espetador nasce desse único objetivo. Um vídeo com taxas de cliques altas, que prende os espetadores durante a maior parte da sua duração e os leva a ver outro vídeo logo a seguir é um vídeo que o algoritmo trata como valioso e distribui de forma ampla. Um vídeo que ganha cliques mas perde espetadores nos primeiros dois minutos, ou que é reproduzido mas não gera nenhuma sessão de visualização seguinte, é tratado como de fraco desempenho, independentemente do número de vezes que foi carregado ou promovido. Perceber o algoritmo a este nível tira o mistério ao motivo por que alguns vídeos rendem e outros não, e dá às marcas um quadro claro para tomar decisões de conteúdo que produzam de forma consistente vídeos que o algoritmo tem razões para distribuir.
Como o YouTube decide o que classificar na pesquisa
A pesquisa é o principal caminho de descoberta para a maioria dos vídeos de canais que ainda não têm grandes bases de subscritores. A classificação na pesquisa do YouTube funciona de forma diferente da classificação na pesquisa da Google, e perceber os sinais específicos que movem o desempenho na pesquisa do YouTube é a base de uma estratégia de conteúdo pensada para um crescimento orgânico sustentável.
Título e relevância das palavras-chave
O título do vídeo é o sinal de texto mais importante para a classificação na pesquisa do YouTube. O YouTube lê o título para perceber de que trata o vídeo e compara-o com as pesquisas escritas pelos espetadores. Um título que inclui a frase exata que um espetador provavelmente pesquisaria rende bastante melhor nos resultados de pesquisa do que um que é criativo ou engenhoso mas não reflete a linguagem de pesquisa do espetador. A palavra-chave ou frase principal deve aparecer no título, idealmente perto do início. Um título estruturado como "Como [task] para [audience]" ou "[Primary keyword]: [secondary detail]" supera sempre os títulos que enterram o tema atrás de um enquadramento centrado na marca. O título também tem de ser suficientemente apelativo para ganhar o clique quando o vídeo aparece nos resultados de pesquisa, porque a taxa de cliques é, ela própria, um sinal de classificação: um vídeo que aparece nos resultados mas ganha poucos cliques em relação aos vídeos à volta perde a sua posição ao longo do tempo.
Relevância da descrição e colocação das palavras-chave
A descrição do vídeo é o segundo sinal de texto principal para a classificação na pesquisa. O YouTube lê os primeiros 200 a 250 carateres da descrição para a classificação na pesquisa, o que significa que o início da descrição deve conter a palavra-chave principal e uma declaração clara do que o vídeo aborda, e não uma mensagem de boas-vindas genérica ou uma secção de links. A descrição completa pode ter vários parágrafos e deve incluir variações naturais da palavra-chave principal, termos de temas relacionados e contexto suficiente sobre o conteúdo do vídeo para que o algoritmo o consiga classificar com rigor numa série de pesquisas relacionadas. As descrições que são fracas, genéricas ou compostas inteiramente por links e identificadores sociais dão quase nenhum sinal de pesquisa e deixam o vídeo dependente só do título para a classificação, o que limita a gama de pesquisas em que pode aparecer.
Etiquetas e o seu papel real na classificação
As etiquetas dos vídeos perderam importância na classificação à medida que o processamento de linguagem natural do YouTube melhorou, mas continuam a ser um sinal secundário útil para a classificação do tema. As etiquetas devem incluir a frase da palavra-chave principal, variações próximas, termos de categoria mais amplos e quaisquer temas específicos nomeados no vídeo. As etiquetas não são visíveis para os espetadores mas são lidas pelo algoritmo para efeitos de classificação. O erro mais comum com as etiquetas é usá-las como uma lista de desejos de termos de grande volume em que a marca gostaria de ganhar posição mas que não estão genuinamente representados no conteúdo do vídeo. As etiquetas irrelevantes não melhoram a posição nesses termos e podem criar um desajuste entre o tema declarado do vídeo e o seu conteúdo real, que confunde a classificação do algoritmo. As etiquetas devem descrever com rigor o que o vídeo aborda, não aquilo em que a marca espera ganhar posição.
Taxa de cliques a partir dos resultados de pesquisa
A taxa de cliques é a proporção de espetadores que veem um vídeo nos resultados de pesquisa e escolhem clicar nele. O YouTube usa a taxa de cliques como um sinal de qualidade em tempo real: se um vídeo aparece nos resultados mas a maioria dos espetadores que o veem escolhe outro resultado, o YouTube interpreta isso como o vídeo não corresponder bem à intenção do espetador e reduz a sua posição ao longo do tempo. A taxa de cliques é impulsionada sobretudo pela miniatura e pelo título, os dois únicos elementos que um espetador vê nos resultados de pesquisa antes de decidir se vê. Uma miniatura que comunica com clareza o valor do vídeo e um título que corresponde com precisão à intenção de pesquisa produzem uma taxa de cliques mais alta do que uma miniatura genérica e um título engenhoso mas vago. Melhorar a miniatura de um vídeo depois de publicado é uma das formas mais fiáveis de melhorar a posição na pesquisa de um vídeo de fraco desempenho, sem o voltar a carregar nem mudar o conteúdo.
Legendas e conteúdo da transcrição
O YouTube gera automaticamente legendas para a maioria dos vídeos, e o texto das legendas é indexado pelo algoritmo como um sinal adicional do conteúdo do vídeo. As legendas geradas automaticamente nem sempre são rigorosas, em particular para nomes de marcas, termos técnicos ou sotaques que o reconhecimento de voz não trata bem. Carregar um ficheiro de legendas corrigido em vez de depender das legendas automáticas garante que a transcrição é rigorosa e dá ao algoritmo dados de texto limpos e corretos. Também melhora a acessibilidade para os espetadores que veem com legendas, o que inclui uma parte significativa dos espetadores móveis que veem sem áudio em espaços públicos. Um vídeo que menciona o seu tema de palavra-chave principal várias vezes ao longo do conteúdo, tal como captado com rigor na transcrição, dá ao algoritmo sinais de classificação de tema mais fortes e consistentes do que um vídeo que menciona o tema uma vez no título e na descrição mas nunca no conteúdo falado.
Como funciona o algoritmo de recomendação
A classificação na pesquisa determina o desempenho de um vídeo quando os espetadores o procuram ativamente. O algoritmo de recomendação determina a amplitude com que o vídeo é distribuído a espetadores que não o pesquisaram: na barra lateral de vídeos sugeridos, no feed inicial e nas recomendações dos ecrãs finais depois de outros vídeos acabarem. Para a maioria dos canais estabelecidos, o tráfego vindo de recomendações excede em muito, em volume total, o tráfego vindo da pesquisa, o que torna fundamental perceber como funcionam as recomendações para o crescimento do canal a longo prazo.
Tempo de visualização e duração média de visualização
O tempo de visualização é o total de minutos que os espetadores passaram a ver um vídeo em todas as visualizações. A duração média de visualização é a proporção da duração total do vídeo que o espetador médio vê antes de sair. Ambos são sinais principais no algoritmo de recomendação. Um vídeo que ganha 10.000 visualizações mas tem uma duração média de visualização de 25 por cento da sua duração diz ao algoritmo que os espetadores não estavam a encontrar o que esperavam. Um vídeo com 3.000 visualizações mas uma duração média de visualização de 70 por cento diz ao algoritmo que os espetadores que o viram o acharam genuinamente valioso. O segundo vídeo recebe mais recomendações por visualização do que o primeiro, porque o algoritmo dá prioridade aos vídeos que prendem os espetadores em vez de simplesmente os atraírem. Uma estratégia de conteúdo construída para maximizar o número de visualizações à custa da duração média de visualização trabalha contra o objetivo central do algoritmo.
Taxa de cliques a partir das recomendações
Quando o YouTube recomenda um vídeo na barra lateral de sugestões ou no feed inicial, mostra a miniatura e o título a um espetador que não o pediu. A taxa de cliques neste contexto mede quão apelativo o vídeo parece a um espetador passivo que não procurava especificamente o tema. As taxas de cliques das recomendações costumam ser mais baixas do que as da pesquisa, porque a intenção do espetador é menor, mas o volume de impressões disponíveis através de recomendações é muito maior do que o disponível através da pesquisa para a maioria dos temas. Um vídeo que ganha uma taxa de cliques de 5 a 10 por cento nas recomendações está a ter bom desempenho; qualquer valor acima disso é excecional. A miniatura pesa mais na taxa de cliques das recomendações do que na da pesquisa, porque no feed inicial e na barra lateral de sugestões o olhar do espetador vai primeiro para o elemento visual.
Sinais de satisfação do espetador: gostos, comentários e partilhas
Os sinais de interação, incluindo gostos, comentários e partilhas, são sinais secundários no algoritmo de recomendação, menos importantes do que o tempo de visualização e a taxa de cliques mas ainda assim tidos em conta na amplitude com que um vídeo é distribuído. Um vídeo com tempo de visualização alto e uma proporção alta de gostos sinaliza uma resposta positiva forte e é recomendado de forma mais agressiva. Os comentários indicam que o conteúdo provocou uma reação suficientemente forte para justificar uma resposta escrita, o que é um sinal de interação de maior esforço do que um gosto. As partilhas indicam que os espetadores acharam o conteúdo valioso o bastante para o distribuir pela sua própria rede, o que o YouTube trata como um forte sinal positivo sobre a qualidade do conteúdo. Pedir aos espetadores que interajam no fim de um vídeo, com um pedido genuíno e não um pedido genérico de guião, aumenta a taxa de interação e reforça a confiança do algoritmo na qualidade do vídeo.
Início de sessão e continuação de sessão
O algoritmo do YouTube dá um valor particularmente alto a dois comportamentos específicos do espetador: iniciar uma sessão no YouTube com um vídeo específico e ver outro vídeo logo depois de um acabar. Um vídeo que um espetador volta ao YouTube especificamente para ver, em vez de o encontrar por recomendações enquanto já está na plataforma, sinaliza forte intenção e tem muito peso na avaliação do algoritmo. Um vídeo que leva diretamente a outro vídeo do mesmo canal, mantendo o espetador numa sessão do YouTube em vez de este sair da plataforma, ganha crédito por esse tempo de sessão continuado. Os canais que desenham o seu conteúdo como sequências, em que um vídeo leva naturalmente ao seguinte, beneficiam deste efeito de continuação de sessão. Os ecrãs finais e os cartões que recomendam vídeos relacionados contribuem para a continuação da sessão e melhoram a posição algorítmica geral de um canal.
Como o algoritmo aprende as preferências do espetador
O algoritmo de recomendação do YouTube é personalizado: aprende as preferências individuais de cada espetador a partir do histórico de visualização, do histórico de pesquisa e dos padrões de interação, e usa esses dados para recomendar conteúdo diferente a espetadores diferentes. Um vídeo sobre equipamento de café para principiantes recomendado a um espetador que viu dezenas de vídeos de café está num contexto algorítmico muito diferente do mesmo vídeo recomendado a um espetador sem histórico de visualização de café. Esta personalização significa que o sucesso de um vídeo no algoritmo de recomendação é em parte determinado por quão bem corresponde às preferências estabelecidas dos espetadores a quem o YouTube escolhe mostrá-lo. Os canais que constroem um nicho de conteúdo consistente e definido beneficiam deste efeito de personalização: o algoritmo aprende que perfis de espetador têm probabilidade de ver e apreciar o conteúdo do canal e recomenda-o cada vez mais a espetadores com perfis correspondentes, criando um efeito de crescimento composto ao longo do tempo.
Os sinais que as marcas podem influenciar diretamente
Muitos fatores que afetam o desempenho algorítmico estão sob o controlo direto da marca. Concentrar o esforço de melhoria nos sinais com maior impacto e mais acionáveis produz melhores resultados do que tentar otimizar todas as variáveis possíveis em simultâneo.
Os primeiros 30 segundos e os ganchos de retenção
Os primeiros 30 segundos de um vídeo têm um efeito desproporcionado na duração média de visualização, porque uma grande proporção dos espetadores que clicam num vídeo decide continuar ou sair no primeiro meio minuto. Um vídeo que abre com uma declaração clara do que o espetador vai obter ao ver, entregue sem preâmbulos longos, introduções do canal ou conteúdo sem relação, retém uma proporção maior dos seus espetadores iniciais durante toda a duração. O gancho de abertura deve responder à pergunta implícita do espetador: "Isto vale o meu tempo?" Deve ser específico do conteúdo do vídeo e não uma saudação geral ou uma promoção do canal. Uma introdução do canal de 30 segundos ou uma animação de logótipo antes de o conteúdo começar é uma das formas mais fiáveis de perder espetadores nos primeiros 30 segundos, e a maioria dos canais de YouTube estabelecidos removeu estas introduções precisamente porque os dados mostraram que prejudicavam a retenção.
O design da miniatura como alavanca algorítmica
As miniaturas afetam a taxa de cliques, que afeta tanto a classificação na pesquisa como a distribuição de recomendações. Uma miniatura desenhada para o algoritmo, ou seja, desenhada para ganhar cliques do tipo específico de espetador a que o vídeo se dirige, é um investimento direto no desempenho algorítmico. As miniaturas do YouTube mais eficazes partilham certas características: são legíveis em tamanhos pequenos, comunicam uma razão clara e específica para clicar para além do que o título já diz, usam uma paleta de cores limitada que se destaca na interface predominantemente branca e cinzenta do YouTube e são visualmente coerentes com as outras miniaturas do canal, para que os espetadores habituais reconheçam o conteúdo do canal de relance. Testar várias opções de miniatura, mudando a miniatura de um vídeo de fraco desempenho e vendo se a taxa de cliques melhora, é uma das experiências de otimização mais fiáveis ao dispor dos criadores do YouTube.
A consistência de publicação e o seu efeito no algoritmo
O algoritmo do YouTube distribui o conteúdo de um canal de forma mais agressiva quando a publicação é consistente e regular. Um canal que publica a um ritmo previsível treina o algoritmo a esperar conteúdo novo e treina os subscritores a antecipá-lo. Quando um canal desaparece durante várias semanas, a confiança do algoritmo na sua atividade contínua diminui e a distribuição de recomendações cai. Reconstruir essa distribuição depois de uma interrupção exige várias publicações consistentes, o que significa que um historial de publicação inconsistente cria um padrão de perda e recuperação de impulso que é menos eficiente do que manter uma frequência mais baixa mas consistente. Para a maioria dos canais de marca, publicar uma vez por semana é o ritmo ideal para construir impulso algorítmico. Para canais sem capacidade de sustentar esse ritmo, publicar de duas em duas semanas de forma consistente rende mais do que publicar semanalmente e depois passar a mensalmente.
Capítulos, cartões e ecrãs finais como ferramentas de retenção
Os Capítulos do YouTube permitem dividir um vídeo em secções com etiqueta que aparecem na barra de progresso, facilitando aos espetadores navegar até partes específicas de um vídeo mais longo. Os capítulos reduzem a probabilidade de um espetador abandonar um vídeo por não encontrar depressa a parte mais relevante para a sua pergunta. Os cartões são pequenos elementos interativos que aparecem durante um vídeo e podem ligar a outros vídeos, listas de reprodução ou websites externos. Os ecrãs finais aparecem nos últimos 5 a 20 segundos e são a principal ferramenta para encaminhar os espetadores para o vídeo seguinte depois de o atual acabar. Usados de forma deliberada, os capítulos, os cartões e os ecrãs finais em conjunto reduzem o abandono dentro de um vídeo e aumentam a probabilidade de continuação da sessão depois de acabar, o que melhora a posição do vídeo junto do algoritmo.
O momento da publicação e o seu efeito algorítmico a curto prazo
Publicar um vídeo num período de grande atividade dos espetadores dá-lhe um público inicial maior nas primeiras 24 a 48 horas, o que produz sinais de interação iniciais mais fortes que o algoritmo usa para decidir a amplitude com que distribui o vídeo na primeira semana. Para canais com uma base de subscritores estabelecida, publicar quando os subscritores estão mais ativos aumenta a rapidez com que se acumulam as primeiras visualizações e interações. O YouTube Analytics mostra padrões de atividade do público específicos de cada canal, e publicar dentro da janela de pico de atividade é mais fiável do que seguir conselhos gerais de horário da plataforma. Para canais novos, em que o tráfego do feed de subscrições é mínimo e a maioria das visualizações vem da pesquisa, o efeito do horário é menor, mas publicar na janela de maior atividade continua a dar ao vídeo as melhores condições possíveis para a sua avaliação algorítmica inicial.
Equívocos comuns sobre o algoritmo que custam desempenho aos canais
As ideias erradas sobre o funcionamento do algoritmo do YouTube levam as marcas a tomar decisões que trabalham ativamente contra o desempenho do canal. Identificar e corrigir estes equívocos é tão importante como perceber o que o algoritmo recompensa.
O número de subscritores não é um sinal de classificação principal
O número de subscritores não é o que move as visualizações no YouTube. Um canal com 10.000 subscritores cujos vídeos têm em média 500 visualizações está a ter pior desempenho algorítmico do que um canal com 2.000 subscritores cujos vídeos têm em média 800 visualizações, porque a taxa de interação relativa à dimensão do público é mais baixa. O algoritmo distribui conteúdo com base no desempenho de um vídeo junto dos espetadores que o veem, não com base no número de subscritores que o canal acumulou. Um vídeo de um canal pequeno que ganha tempo de visualização e taxas de cliques altos rende mais, no feed de recomendações, do que um vídeo de um canal grande com mau tempo de visualização e taxas de cliques baixas. As marcas que se concentram no crescimento de subscritores como principal medida do sucesso no YouTube estão a acompanhar uma métrica de resultado e não um motor de desempenho.
As visualizações são um indicador atrasado, não um indicador antecipado
As visualizações acumulam-se como resultado das decisões de distribuição do algoritmo, não antes delas. Um vídeo que tem bom desempenho em taxa de cliques e tempo de visualização nas primeiras 48 horas ganha mais distribuição algorítmica, o que produz mais visualizações ao longo do tempo. Um vídeo com mau desempenho nesses sinais nas primeiras 48 horas recebe menos distribuição e acumula visualizações devagar, independentemente do número de vezes que a marca o promove externamente. A implicação prática é que as métricas a monitorizar nas primeiras 48 horas depois de publicar são a taxa de cliques e a duração média de visualização, não o total de visualizações. Esses dois sinais prevêem melhor o desempenho a longo prazo do vídeo do que o número inicial de visualizações. A promoção externa pode acrescentar visualizações, mas não pode substituir um forte desempenho algorítmico se o próprio conteúdo não prender os espetadores depois de clicarem.
Eliminar vídeos de fraco desempenho é normalmente um erro
As marcas que eliminam vídeos porque renderam pouco no primeiro mês removem muitas vezes conteúdo que teria continuado a acumular visualizações vindas da pesquisa durante anos. Um vídeo que não ganhou tração de recomendação algorítmica mas tem posição numa pesquisa específica pode continuar a gerar tráfego orgânico consistente muito depois da publicação. Eliminar tira-o permanentemente dos resultados de pesquisa e perde a autoridade que tinha acumulado. A melhor abordagem para vídeos de fraco desempenho é atualizar o título, a miniatura ou a descrição para melhorar a taxa de cliques, acrescentar capítulos se o vídeo for suficientemente longo e avaliar se o problema é o conteúdo em si ou se é a apresentação que limita o seu alcance. Eliminar deve ficar reservado para conteúdo genuinamente desatualizado, incorreto ou desalinhado com a marca, e não para conteúdo que simplesmente não teve as visualizações que a marca esperava.
O algoritmo não recompensa a frequência de carregamento por si só
Um conselho comum sobre o YouTube é carregar o mais frequentemente possível. O algoritmo recompensa a consistência, mas não recompensa o volume por si só. Um canal que publica cinco vídeos por semana de baixa qualidade ou conteúdo fraco vê as métricas de tempo de visualização e duração média de visualização deteriorarem-se, o que sinaliza ao algoritmo que o conteúdo do canal não satisfaz os espetadores. Essa deterioração das métricas de desempenho é mais difícil de recuperar do que o benefício modesto de uma frequência de carregamento alta. A qualidade e a consistência importam mais do que o volume. Um único vídeo publicado semanalmente que ganha de forma consistente um tempo de visualização alto constrói uma posição algorítmica mais forte do que três vídeos publicados semanalmente que os espetadores abandonam no primeiro minuto.
A estrutura de listas de reprodução e séries amplifica o desempenho algorítmico
As listas de reprodução e as séries de conteúdo são bastante subaproveitadas pela maioria dos canais de marca como ferramentas algorítmicas. Quando um espetador acaba um vídeo de uma lista de reprodução, o YouTube reproduz automaticamente o vídeo seguinte da lista, mantendo o espetador numa sessão que beneficia as métricas de tempo de visualização do canal. Uma série de vídeos em que cada um leva naturalmente ao seguinte cria uma lista de reprodução que gera continuação de sessão a uma taxa que os vídeos isolados não conseguem igualar. Estruturar o conteúdo em séries também ajuda o algoritmo a classificar com mais precisão a área temática do canal, porque vê um conjunto coerente de conteúdo relacionado e não uma coleção desligada de vídeos individuais. Planear séries de conteúdo antes de publicar e montá-las em listas de reprodução antes de o primeiro vídeo da série entrar no ar dá ao canal o benefício da continuação de sessão desde o primeiro espetador.
Os nossos vídeos têm boas visualizações na primeira semana mas depois caem por completo. O que nos diz isso sobre a nossa posição algorítmica?
Sugere que os vídeos recebem distribuição inicial, provavelmente através de subscritores ou de promoção externa, mas não ganham recomendação algorítmica contínua suficiente para sustentar as visualizações depois da primeira semana. A causa mais provável é o tempo de visualização e a duração média de visualização não serem fortes o bastante para sinalizar ao algoritmo que o conteúdo justifica distribuição continuada. Revê no YouTube Analytics a duração média de visualização dos vídeos recentes: se os espetadores saem antes de chegar a metade, a estrutura do conteúdo ou a abertura precisam de trabalho. Os vídeos que prendem os espetadores durante a maior parte da sua duração continuam a acumular visualizações através de recomendações muito depois da semana inicial de publicação. Os vídeos que perdem espetadores depressa são distribuídos uma vez e depois abandonados.
Mudámos o estilo das miniaturas do canal e a nossa taxa de cliques desceu. Como recuperamos?
Volta ao estilo de miniatura anterior nos vídeos recentes e faz testes A/B das alterações em vídeos mais antigos e de menor importância antes de as aplicar em todo o canal. A taxa de cliques reage às mudanças de miniatura de forma relativamente rápida, normalmente numa a duas semanas depois de a nova miniatura entrar no ar. Se o novo estilo rende pior em vários vídeos, é um sinal claro de que a alteração foi negativa. As mudanças de miniatura devem ser testadas num vídeo de cada vez, atualizando a miniatura, esperando duas semanas e comparando a taxa de cliques antes e depois. Uma descida na taxa de cliques afeta a classificação na pesquisa e a distribuição de recomendações, por isso recuperá-la depressa voltando ao estilo que funcionava vale mais do que esperar para recolher mais dados sobre o design de fraco desempenho.
Publicamos todos os dias há um mês mas o canal não cresce. Devemos publicar mais?
Publicar mais não é a resposta se publicar todos os dias já não está a funcionar. O problema é quase de certeza a qualidade do conteúdo ou a segmentação, não a frequência. Revê os teus dados de tempo de visualização: se a duração média de visualização estiver abaixo de 40 por cento nos teus vídeos, os espetadores acham o conteúdo pouco satisfatório e o algoritmo não o distribui para além do público inicial. Reduz a frequência de publicação e investe o tempo poupado em produzir menos vídeos, mas melhores. Um vídeo publicado duas vezes por semana que prende de forma consistente os espetadores durante 60 por cento da sua duração rende mais do que vídeos diários que perdem espetadores nos primeiros dois minutos. Frequência sem qualidade não é uma estratégia de crescimento no YouTube.
Devemos eliminar vídeos antigos com muito poucas visualizações? Receamos que façam o canal parecer inativo ou de baixa qualidade.
Não os elimines, a menos que o conteúdo esteja genuinamente desatualizado, incorreto ou desalinhado com a marca. Os vídeos antigos com poucas visualizações continuam muitas vezes a gerar tráfego de pesquisa muito depois da publicação, e eliminá-los remove esse tráfego de forma permanente. As poucas visualizações em vídeos antigos não prejudicam a posição algorítmica do canal da forma como um vídeo recém-publicado de fraco desempenho pode prejudicar. Se te preocupa o aspeto do canal para quem o visita pela primeira vez, organiza os vídeos mais antigos de fraco desempenho em listas de reprodução em vez de os deixares no feed principal do canal, ou usa as definições de secções do canal para destacar o conteúdo de melhor desempenho na página inicial. Um espetador que navega na página do canal vê o que lhe pões à frente; não vê o arquivo completo a menos que desça para além do que curaste.
Acrescentámos capítulos aos nossos vídeos e a duração média de visualização subiu. Está diretamente relacionado?
Sim. Os capítulos melhoram a duração média de visualização ao permitirem que espetadores que de outra forma abandonariam o vídeo saltem para a secção mais relevante para eles, o que os mantém no vídeo em vez de clicarem para sair de vez. Um espetador que salta para o capítulo quatro de um vídeo de doze minutos e vê até ao fim contribui com mais tempo de visualização do que um espetador que sai aos dois minutos porque não encontrou depressa a parte de que precisava. Os capítulos também melhoram a experiência de quem volta a um vídeo para rever uma secção específica e aparecem nos resultados de pesquisa da Google como links de salto, o que pode aumentar a taxa de cliques vinda da pesquisa. Acrescentar capítulos a vídeos existentes com duração média de visualização abaixo do esperado é uma das otimizações mais rápidas possíveis sem mudar o conteúdo do vídeo em si.
O vídeo de um concorrente sobre o mesmo tema que o nosso tem muito mais visualizações, apesar de ter sido publicado depois. O que pode explicar isso?
Vários fatores podem explicar a diferença. A miniatura deles pode estar a gerar uma taxa de cliques mais alta nos mesmos resultados de pesquisa. O título deles pode corresponder melhor à pesquisa mais comum sobre o tema. A duração média de visualização deles pode ser mais alta, o que ganha mais recomendação algorítmica. O canal deles pode ter mais subscritores, o que deu ao vídeo um público inicial maior que produziu sinais de interação iniciais mais fortes. Ou o vídeo deles pode simplesmente responder à pergunta do espetador de forma mais completa do que o teu. Revê os dois vídeos lado a lado do ponto de vista de um espetador e olha para a miniatura, o título, os primeiros 60 segundos e a estrutura geral do conteúdo. A diferença de desempenho tem quase sempre uma causa identificável que pode ser tratada em vídeos futuros ou atualizando a apresentação do vídeo de fraco desempenho.