YouTubes algoritme har ét mål: at holde seerne på platformen så længe som muligt. Hver beslutning, den træffer om, hvilke videoer der rangeres i søgning, hvilke der anbefales, når en video slutter, og hvilke der vises i en seers startside, udspringer af det ene mål. En video, der får høj klikrate, holder seerne gennem det meste af sin længde og får seerne til at se en ny video umiddelbart bagefter, er en video, algoritmen anser for værdifuld og distribuerer bredt. En video, der får klik, men mister seerne i de første to minutter, eller som afspilles, men ikke fører til en videre visningssession, behandles som en dårlig præstation, uanset hvor mange gange den blev uploadet eller promoveret. Når du forstår algoritmen på det niveau, forsvinder mystikken om, hvorfor nogle videoer klarer sig, og andre ikke, og brands får en klar ramme for at træffe indholdsbeslutninger, der konsekvent giver videoer, algoritmen har grund til at distribuere.
Hvordan YouTube afgør, hvad der rangeres i søgning
Søgning er den primære vej til opdagelse for de fleste videoer på kanaler, der endnu ikke har store abonnentbaser. YouTubes søgerangering fungerer anderledes end Googles søgerangering, og når du forstår de specifikke signaler, der driver YouTube-søgeydelse, har du fundamentet for en indholdsstrategi bygget til bæredygtig organisk vækst.
Titel og søgeordsrelevans
Videoens titel er det enkeltstående vigtigste tekstsignal for YouTube-søgerangering. YouTube læser titlen for at forstå, hvad videoen handler om, og matcher den med de søgninger, seerne skriver. En titel, der indeholder den præcise vending, en seer sandsynligvis søger på, klarer sig markant bedre i søgeresultater end en, der er kreativ eller kløgtig, men ikke afspejler seerens søgesprog. Det primære søgeord eller den primære vending bør stå i titlen, helst tæt på begyndelsen. En titel opbygget som "Sådan gør du [opgave] for [målgruppe]" eller "[Primært søgeord]: [sekundær detalje]" klarer sig konsekvent bedre end titler, der begraver emnet bag brandcentreret vinkling. Titlen skal også være overbevisende nok til at vinde klikket, når videoen vises i søgeresultaterne, fordi klikraten i sig selv er et rangeringssignal: En video, der vises i resultater, men får få klik i forhold til videoerne omkring den, mister sin placering over tid.
Beskrivelsens relevans og placering af søgeord
Videobeskrivelsen er det næste primære tekstsignal for søgerangering. YouTube læser de første 200 til 250 tegn af beskrivelsen til søgeklassificering, hvilket betyder, at beskrivelsens åbning bør indeholde det primære søgeord og en klar angivelse af, hvad videoen dækker, ikke en generisk velkomstbesked eller en linksektion. Hele beskrivelsen kan løbe over flere afsnit og bør indeholde naturlige variationer af det primære søgeord, relaterede emneord og nok kontekst om videoens indhold til, at algoritmen kan klassificere den præcist på tværs af en række relaterede søgninger. Beskrivelser, der er tynde, generiske eller udelukkende består af links og sociale handles, giver næsten intet søgesignal og gør videoen afhængig af titlen alene for rangering, hvilket begrænser rækken af søgninger, den kan vises i.
Tags og deres faktiske rolle i rangering
Videotags er faldet i betydning for rangering, efterhånden som YouTubes naturlige sprogbehandling er blevet bedre, men de er stadig et nyttigt sekundært signal til emneklassificering. Tags bør indeholde den primære søgeordsvending, nære variationer af den, bredere kategoriord og alle specifikke navngivne emner, der dækkes i videoen. Tags er ikke synlige for seere, men læses af algoritmen til klassificering. Den mest almindelige fejl med tags er at bruge dem som en ønskeliste over ord med højt volumen, brandet gerne vil rangere på, men som ikke reelt er repræsenteret i videoens indhold. Irrelevante tags forbedrer ikke rangeringen på de ord og kan skabe et misforhold mellem videoens angivne emne og dens faktiske indhold, der forvirrer algoritmens klassificering. Tags bør præcist beskrive, hvad videoen dækker, ikke hvad brandet håber at rangere på.
Klikrate fra søgeresultater
Klikraten er andelen af seere, der ser en video i søgeresultater og vælger at klikke på den. YouTube bruger klikraten som et kvalitetssignal i realtid: Hvis en video vises i resultater, men de fleste seere, der ser den, vælger et andet resultat, tolker YouTube det som, at videoen ikke matcher seerens hensigt godt, og sænker dens placering over tid. Klikraten drives primært af miniaturebilledet og titlen, som er de to eneste elementer, en seer ser i søgeresultaterne, før de beslutter, om de vil se. Et miniaturebillede, der tydeligt kommunikerer videoens værdi, og en titel, der præcist matcher søgehensigten, giver en højere klikrate end et generisk miniaturebillede og en kløgtig, men vag titel. At forbedre en videos miniaturebillede efter udgivelse er en af de mest pålidelige måder at forbedre en underpræsterende videos søgeplacering på uden at uploade den igen eller ændre indholdet.
Undertekster og transskriptionsindhold
YouTube genererer automatisk undertekster til de fleste videoer, og undertekstteksten indekseres af algoritmen som et ekstra signal om videoens indhold. Automatisk genererede undertekster er ikke altid nøjagtige, især for brandnavne, tekniske udtryk eller accenter, som talegenkendelsen ikke håndterer godt. Hvis du uploader en rettet undertekstfil i stedet for at stole på automatiske undertekster, sikrer du, at transskriptionen er nøjagtig, og giver algoritmen rene, korrekte tekstdata. Det forbedrer også tilgængeligheden for seere, der ser med undertekster slået til, hvilket omfatter en betydelig del af mobilseere, der ser uden lyd på offentlige steder. En video, der nævner sit primære søgeordsemne flere gange gennem indholdet, som det fanges nøjagtigt i transskriptionen, giver algoritmen stærkere og mere konsekvente signaler til emneklassificering end en video, der nævner emnet én gang i titel og beskrivelse, men aldrig i det talte indhold.
Hvordan anbefalingsalgoritmen virker
Søgerangering afgør, hvordan en video klarer sig, når seerne aktivt leder efter den. Anbefalingsalgoritmen afgør, hvor bredt videoen distribueres til seere, der ikke søgte efter den: i sidebjælken med foreslåede videoer, i startsidens feed og i anbefalinger på slutskærme, når andre videoer slutter. For de fleste etablerede kanaler overstiger anbefalingsdrevet trafik langt den søgedrevne trafik i samlet volumen, hvilket gør det afgørende for kanalens langsigtede vækst at forstå, hvordan anbefalinger virker.
Visningstid og gennemsnitlig visningsvarighed
Visningstid er det samlede antal minutter, seerne har brugt på at se en video på tværs af alle visninger. Gennemsnitlig visningsvarighed er den andel af videoens samlede længde, den gennemsnitlige seer ser, før de forlader den. Begge er primære signaler i anbefalingsalgoritmen. En video, der får 10.000 visninger, men har en gennemsnitlig visningsvarighed på 25 procent af sin længde, fortæller algoritmen, at seerne ikke fandt det, de forventede. En video med 3.000 visninger, men 70 procent i gennemsnitlig visningsvarighed, fortæller algoritmen, at de seere, der så den, fandt den reelt værdifuld. Den anden video får flere anbefalinger pr. visning end den første, fordi algoritmen prioriterer videoer, der holder på seerne, i stedet for blot at tiltrække dem. En indholdsstrategi bygget omkring at maksimere antal visninger på bekostning af gennemsnitlig visningsvarighed arbejder imod algoritmens kernemål.
Klikrate fra anbefalinger
Når YouTube anbefaler en video i sidebjælken med forslag eller startsidens feed, viser det miniaturebilledet og titlen til en seer, der ikke har bedt om det. Klikraten i den sammenhæng måler, hvor overbevisende videoen ser ud for en passiv seer, der ikke specifikt søgte efter emnet. Klikrater fra anbefalinger er typisk lavere end klikrater fra søgning, fordi seerens hensigt er lavere, men antallet af visninger, der er tilgængelige gennem anbefalinger, er langt større end gennem søgning for de fleste emner. En video, der får en klikrate på 5 til 10 procent fra anbefalinger, klarer sig godt. Alt over det er exceptionelt. Miniaturebilledet vejer tungere i klikraten fra anbefalinger end i klikraten fra søgning, fordi seerens øje i startsidens feed og sidebjælken med forslag først går til det visuelle element.
Signaler om seertilfredshed: likes, kommentarer og delinger
Engagementssignaler som likes, kommentarer og delinger er sekundære signaler i anbefalingsalgoritmen, mindre vigtige end visningstid og klikrate, men de indgår stadig i, hvor bredt en video distribueres. En video med høj visningstid og en høj andel likes signalerer stærk positiv respons og anbefales mere aggressivt. Kommentarer viser, at indholdet fremkaldte en reaktion, der var stærk nok til at give anledning til et skriftligt svar, hvilket er et mere krævende engagementssignal end et like. Delinger viser, at seerne fandt indholdet værdifuldt nok til at distribuere det til deres eget netværk, hvilket YouTube behandler som et stærkt positivt signal om indholdets kvalitet. Når du opfordrer seerne til at engagere sig i slutningen af en video, med en ægte anmodning og ikke en indøvet generisk opfordring, øger du engagementsraten og styrker algoritmens tillid til videoens kvalitet.
Start og fortsættelse af session
YouTubes algoritme tillægger to bestemte seeradfærdsmønstre særlig høj værdi: at starte en YouTube-session med en bestemt video og at se en ny video umiddelbart efter, at en er færdig. En video, som en seer vender tilbage til YouTube specifikt for at se, i stedet for at finde den via anbefalinger, mens de allerede er på platformen, signalerer stærk hensigt og vægtes tungt i algoritmens vurdering. En video, der fører direkte videre til en anden video fra samme kanal og holder seeren i en YouTube-session i stedet for at forlade platformen, får kredit for den fortsatte sessionstid. Kanaler, der designer deres indhold som sekvenser, hvor én video naturligt fører til den næste, får gavn af den effekt. Slutskærme og kort, der anbefaler relaterede videoer, bidrager til fortsættelse af session og forbedrer kanalens samlede algoritmiske stilling.
Hvordan algoritmen lærer seernes præferencer
YouTubes anbefalingsalgoritme er personaliseret: Den lærer den enkelte seers præferencer fra deres visningshistorik, søgehistorik og engagementsmønstre og bruger de data til at anbefale forskelligt indhold til forskellige seere. En video om kaffeudstyr til begyndere, der anbefales til en seer, som har set dusinvis af kaffevideoer, er i en helt anden algoritmisk sammenhæng end den samme video anbefalet til en seer uden kaffe i visningshistorikken. Den personalisering betyder, at en videos succes i anbefalingsalgoritmen delvis afgøres af, hvor godt den matcher de etablerede præferencer hos de seere, YouTube vælger at vise den til. Kanaler, der bygger en konsekvent, defineret indholdsniche, får gavn af den personalisering: Algoritmen lærer, hvilke seerprofiler der sandsynligvis vil se og kunne lide kanalens indhold, og anbefaler det i stigende grad til seere med matchende profiler, hvilket skaber en sammensat vækst over tid.
De signaler, brands direkte kan påvirke
Mange faktorer, der påvirker den algoritmiske ydelse, er inden for brandets direkte kontrol. Når du fokuserer forbedringsindsatsen på de signaler, der har størst effekt og er mest handlingsorienterede, får du bedre resultater end ved at forsøge at optimere alle mulige variabler samtidig.
De første 30 sekunder og fastholdelseskroge
De første 30 sekunder af en video har en uforholdsmæssig stor effekt på den gennemsnitlige visningsvarighed, fordi en stor del af de seere, der klikker på en video, beslutter sig for at fortsætte eller forlade den inden for det første halve minut. En video, der åbner med en klar angivelse af, hvad seeren får ud af at se den, leveret uden lange indledninger, kanalintroer eller urelateret indhold, fastholder en større andel af sine første seere gennem hele længden. Åbningskrogen bør besvare seerens underforståede spørgsmål: "Er det her min tid værd?" Den bør være specifik for videoens indhold og ikke en generel velkomst eller kanalpromovering. En kanalintro eller logoanimation på 30 sekunder, før indholdet starter, er en af de mest pålidelige måder at miste seere på i de første 30 sekunder, og de fleste etablerede YouTube-kanaler har fjernet de intros netop fordi data viste, at de skadede fastholdelsen.
Design af miniaturebilleder som algoritmisk løftestang
Miniaturebilleder påvirker klikraten, som påvirker både søgerangering og anbefalingsdistribution. Et miniaturebillede, der er designet til algoritmen, altså designet til at vinde klik fra den specifikke seertype, videoen retter sig mod, er en direkte investering i algoritmisk ydelse. De mest effektive YouTube-miniaturebilleder har nogle fælles kendetegn: De er læselige i små størrelser, de kommunikerer en klar og specifik grund til at klikke ud over det, titlen allerede siger, de bruger en begrænset farvepalet, der skiller sig ud mod YouTubes overvejende hvide og grå grænseflade, og de er visuelt konsistente med kanalens andre miniaturebilleder, så faste seere genkender kanalens indhold med det samme. At teste flere muligheder for miniaturebilleder ved at skifte miniaturebilledet på en underpræsterende video og følge, om klikraten forbedres, er et af de mest pålidelige optimeringseksperimenter, YouTube-skabere har adgang til.
Regelmæssig udgivelse og dens effekt på algoritmen
YouTubes algoritme distribuerer en kanals indhold mere aggressivt, når udgivelsen er regelmæssig. En kanal, der udgiver i et forudsigeligt tempo, træner algoritmen til at forvente nyt indhold og træner abonnenter til at se frem til det. Når en kanal går i sort i flere uger, falder algoritmens tillid til dens fortsatte aktivitet, og anbefalingsdistributionen falder. Det kræver flere regelmæssige udgivelser at genopbygge den distribution efter en pause, hvilket betyder, at en uregelmæssig udgivelseshistorik skaber et mønster af tab og genvinding af fremdrift, der er mindre effektivt end at holde en lavere, men regelmæssig frekvens hele vejen. For de fleste brandkanaler er én udgivelse om ugen den ideelle takt til at opbygge algoritmisk fremdrift. For kanaler uden kapacitet til at holde det tempo klarer én udgivelse hver anden uge, holdt konsekvent, sig bedre end ugentlig udgivelse, der glider over i månedlig.
Kapitler, kort og slutskærme som fastholdelsesværktøjer
YouTube-kapitler gør det muligt at dele en video op i mærkede sektioner, der vises i statuslinjen, så seerne let kan navigere til bestemte dele af en længere video. Kapitler mindsker sandsynligheden for, at en seer forlader en video, fordi de ikke hurtigt kan finde den del, der er mest relevant for deres spørgsmål. Kort er små interaktive elementer, der vises under en video og kan linke til andre videoer, afspilningslister eller eksterne hjemmesider. Slutskærme vises i de sidste 5 til 20 sekunder og er det primære værktøj til at lede seerne til næste video, når den nuværende er slut. Brugt med omtanke mindsker kapitler, kort og slutskærme sammen frafaldet i en video og øger sandsynligheden for, at sessionen fortsætter, når den er slut, hvilket begge forbedrer videoens stilling hos algoritmen.
Tidspunkt for udgivelse og dets kortsigtede algoritmiske effekt
Når du udgiver en video i et tidsrum med høj seeraktivitet, får den en større indledende målgruppe i de første 24 til 48 timer, hvilket giver stærkere tidlige engagementssignaler, som algoritmen bruger til at afgøre, hvor bredt videoen distribueres i den første uge. For kanaler med en etableret abonnentbase øger udgivelse, når abonnenterne er mest aktive, hastigheden, hvormed tidlige visninger og engagement samles. YouTube Analytics viser aktivitetsmønstre for målgruppen, der er specifikke for hver kanal, og udgivelse inden for spidsbelastningsvinduet er mere pålidelig end at følge generelle råd om platformens timing. For nye kanaler, hvor trafikken fra abonnementsfeedet er minimal, og de fleste visninger kommer fra søgning, er effekten af timing mindre, men udgivelse inden for vinduet med højest aktivitet giver stadig videoen de bedst mulige forhold til den tidlige algoritmiske vurdering.
Almindelige misforståelser om algoritmen, der koster kanaler ydelse
Misforståelser om, hvordan YouTubes algoritme virker, får brands til at træffe beslutninger, der aktivt arbejder imod kanalens ydelse. Det er lige så vigtigt at finde og rette disse misforståelser som at forstå, hvad algoritmen belønner.
Antal abonnenter er ikke et primært rangeringssignal
Antal abonnenter er ikke det, der driver visninger på YouTube. En kanal med 10.000 abonnenter, hvis videoer i gennemsnit får 500 visninger, klarer sig dårligere algoritmisk end en kanal med 2.000 abonnenter, hvis videoer i gennemsnit får 800 visninger, fordi engagementsraten i forhold til målgruppens størrelse er lavere. Algoritmen distribuerer indhold ud fra, hvor godt en video klarer sig hos de seere, der ser den, ikke ud fra hvor mange abonnenter kanalen har samlet. En video fra en lille kanal, der får høj visningstid og klikrate, slår en video fra en stor kanal med dårlig visningstid og lav klikrate i anbefalingsfeedet. Brands, der fokuserer på abonnentvækst som det primære mål for YouTube-succes, følger en resultatmåling frem for en ydelsesdriver.
Visninger er en bagudrettet indikator, ikke en forudgående
Visninger samles som resultat af algoritmens distributionsbeslutninger, ikke før dem. En video, der klarer sig godt på klikrate og visningstid i de første 48 timer, får mere algoritmisk distribution, hvilket giver flere visninger over tid. En video, der klarer sig dårligt på de signaler i de første 48 timer, får mindre distribution og samler visninger langsomt, uanset hvor mange gange brandet promoverer den eksternt. Den praktiske konsekvens er, at de målinger, du skal følge i de første 48 timer efter udgivelse, er klikrate og gennemsnitlig visningsvarighed, ikke samlede visninger. De to signaler forudsiger videoens langsigtede ydelse bedre end det tidlige antal visninger. Ekstern promovering kan tilføje visninger, men kan ikke erstatte stærk algoritmisk ydelse, hvis selve indholdet ikke holder på seerne, når de først har klikket.
At slette underpræsterende videoer er som regel en fejl
Brands, der sletter videoer, fordi de klarede sig dårligt den første måned, fjerner ofte indhold, der ville have fortsat med at samle søgedrevne visninger i årevis. En video, der ikke fik fodfæste i algoritmens anbefalinger, men rangerer på en bestemt søgning, kan stadig give jævn organisk trafik længe efter udgivelsen. Sletning fjerner den permanent fra søgeresultater og mister den autoritet, den havde samlet. Den bedre tilgang til underpræsterende videoer er at opdatere titel, miniaturebillede eller beskrivelse for at forbedre klikraten, tilføje kapitler, hvis videoen er lang nok, og vurdere, om selve indholdet er problemet, eller om indpakningen begrænser rækkevidden. Sletning bør forbeholdes indhold, der er reelt forældet, forkert eller ikke passer til brandet, ikke indhold, der blot ikke fik de visninger, brandet håbede på.
Algoritmen belønner ikke udgivelsesfrekvens for dens egen skyld
Et almindeligt YouTube-råd er at uploade så ofte som muligt. Algoritmen belønner regelmæssighed, men den belønner ikke volumen for dens egen skyld. En kanal, der udgiver fem videoer om ugen af lav kvalitet eller med tyndt indhold, vil se sine målinger for visningstid og gennemsnitlig visningsvarighed forringes, hvilket signalerer til algoritmen, at kanalens indhold ikke tilfredsstiller seerne. Den forringelse af ydelsesmålingerne er sværere at komme sig over end den beskedne fordel ved høj uploadfrekvens. Kvalitet og regelmæssighed betyder mere end volumen. Én video udgivet ugentligt, der konsekvent får høj visningstid, bygger en stærkere algoritmisk stilling end tre videoer om ugen, som seerne forlader i første minut.
Afspilningslister og serier forstærker den algoritmiske ydelse
Afspilningslister og indholdsserier er markant underudnyttede som algoritmiske værktøjer af de fleste brandkanaler. Når en seer er færdig med en video i en afspilningsliste, afspiller YouTube automatisk den næste video på listen og holder seeren i en session, der gavner kanalens målinger for visningstid. En række videoer, hvor hver naturligt fører videre til den næste, skaber en afspilningsliste, der genererer fortsættelse af session i et omfang, som enkeltstående videoer ikke kan matche. At strukturere indhold i serier hjælper også algoritmen med at klassificere kanalens emneområde mere præcist, fordi den ser et sammenhængende sæt af relateret indhold og ikke en usammenhængende samling af enkeltvideoer. Hvis du planlægger indholdsserier, før du udgiver, og bygger dem ind i afspilningslister, før den første video i serien går live, får kanalen fordelen af sessionsfortsættelse fra den allerførste seer.
Vores videoer får gode visningstal den første uge, men falder så helt af. Hvad fortæller det om vores algoritmiske stilling?
Det tyder på, at videoerne får indledende distribution, sandsynligvis gennem abonnenter eller ekstern promovering, men ikke får nok løbende algoritmisk anbefaling til at holde visninger oppe efter den første uge. Den mest sandsynlige årsag er, at visningstid og gennemsnitlig visningsvarighed ikke er stærke nok til at signalere til algoritmen, at indholdet fortjener fortsat distribution. Gennemgå din YouTube Analytics for gennemsnitlig visningsvarighed på de seneste videoer: Hvis seerne forlader videoen, før de når halvvejs, skal indholdets opbygning eller åbningen arbejdes på. Videoer, der holder på seerne gennem det meste af deres længde, fortsætter med at samle visninger gennem anbefalinger længe efter den første udgivelsesuge. Videoer, der hurtigt mister seerne, bliver distribueret én gang og så droppet.
Vi ændrede stilen på vores miniaturebilleder, og vores klikrate faldt. Hvordan kommer vi os?
Gå tilbage til den tidligere stil på miniaturebilleder for de seneste videoer, og A/B-test ændringer på ældre videoer med lavere indsats, før du ruller dem ud på hele kanalen. Klikraten ændrer sig forholdsvis hurtigt som reaktion på ændringer af miniaturebilleder, som regel inden for en til to uger efter, at det nye miniaturebillede går live. Hvis den nye stil klarer sig dårligere på flere videoer, er det et klart signal om, at ændringen var negativ. Ændringer af miniaturebilleder bør testes på én video ad gangen ved at opdatere miniaturebilledet, vente to uger og sammenligne klikraten før og efter. Et fald i klikraten påvirker søgerangering og anbefalingsdistribution, så det er mere værdifuldt at komme sig hurtigt ved at vende tilbage til den stil, der virkede, end at vente på at samle flere data om det design, der underpræsterer.
Vi har udgivet hver dag i en måned, men vores kanal vokser ikke. Skal vi udgive mere?
At udgive mere er ikke svaret, hvis daglig udgivelse allerede ikke virker. Problemet er næsten helt sikkert indholdets kvalitet eller målretning, ikke frekvensen. Gennemgå dine visningstidsdata: Hvis den gennemsnitlige visningsvarighed er under 40 procent på tværs af dine videoer, finder seerne indholdet utilfredsstillende, og algoritmen distribuerer det ikke ud over dets indledende målgruppe. Sæt udgivelsesfrekvensen ned, og invester den sparede tid i at producere færre, bedre videoer. En video udgivet to gange om ugen, der konsekvent holder på seerne gennem 60 procent af sin længde, vil klare sig bedre end daglige videoer, der mister seerne i de første to minutter. Frekvens uden kvalitet er ikke en vækststrategi på YouTube.
Skal vi slette gamle videoer med meget få visninger? Vi er bange for, at de får kanalen til at se inaktiv eller dårlig ud.
Slet dem ikke, medmindre indholdet er reelt forældet, forkert eller ikke passer til brandet. Gamle videoer med få visninger giver ofte stadig søgetrafik længe efter udgivelsen, og sletning fjerner permanent den trafik. Lave visningstal på gamle videoer skader ikke kanalens algoritmiske stilling på samme måde, som en nyudgivet underpræsterende video kan. Hvis du er bekymret for, hvordan kanalen ser ud for førstegangsbesøgende, så organiser de ældre videoer med lav ydelse i afspilningslister i stedet for at lade dem ligge i kanalens hovedfeed, eller brug indstillingerne for kanalsektioner til at fremhæve det bedst præsterende indhold på startsiden. En seer, der browser kanalsiden, ser det, du stiller foran dem. De ser ikke hele arkivet, medmindre de scroller forbi det, du har kurateret.
Vi tilføjede kapitler til vores videoer, og vores gennemsnitlige visningsvarighed steg. Hænger det direkte sammen?
Ja. Kapitler forbedrer den gennemsnitlige visningsvarighed ved at lade seere, der ellers ville forlade videoen, springe til den sektion, der er mest relevant for dem, hvilket holder dem i videoen i stedet for at klikke helt væk. En seer, der springer til kapitel fire i en video på tolv minutter og ser den til ende, bidrager med mere visningstid end en seer, der forlader den ved to minutter, fordi de ikke hurtigt kunne finde den del, de havde brug for. Kapitler forbedrer også oplevelsen for folk, der vender tilbage til en video for at gennemgå en bestemt sektion, og de vises i Googles søgeresultater som hoppelinks, hvilket kan øge klikraten fra søgning. At tilføje kapitler til eksisterende videoer med lavere gennemsnitlig visningsvarighed end forventet er en af de hurtigste optimeringer, der er til rådighed uden at ændre videoens indhold.
En konkurrents video om det samme emne som vores har langt flere visninger, selv om den blev udgivet senere. Hvad kan forklare det?
Flere faktorer kan forklare forskellen. Deres miniaturebillede kan give en højere klikrate fra de samme søgeresultater. Deres titel kan være et tættere match til den mest almindelige søgning på emnet. Deres gennemsnitlige visningsvarighed kan være højere, hvilket giver mere algoritmisk anbefaling. Deres kanal kan have flere abonnenter, hvilket gav videoen en større indledende målgruppe, der gav stærkere tidlige engagementssignaler. Eller deres video kan simpelthen besvare seerens spørgsmål mere fuldstændigt, end din gør. Gennemgå begge videoer side om side fra en seers perspektiv, og se på miniaturebillede, titel, de første 60 sekunder og indholdets samlede opbygning. Forskellen i ydelse har næsten altid en årsag, der kan identificeres og håndteres i fremtidige videoer eller ved at opdatere indpakningen på den underpræsterende video.