После реакции пользователя на Хаби Лэйма и другие клипы появляется первая статистика, на которой машина обучается. Причем учитывается любая реакция: спешное пролистывание или досматривание с удовольствием и репост маме. Система начинает догадываться, как задерживать пользователя в соцсети дольше.

Точность рекомендаций увеличивается с накоплением полученных знаний о:

– поведении пользователя,

– взаимодействии других пользователей с медиапродуктом.

Рекомендации точнее, когда о зрителе накоплено большое досье, машина обучилась и знает его предпочтения. Популярные ролики при этом становятся еще популярнее, потому что об их зрителях также собрана приличная база данных.

В какой-то степени этот эффект – слабое место рекомендательных систем. «Богатые богатеют», а неудачные ролики болтаются в пустых аккаунтах с нулями. Мы будем пользоваться этой слабостью и знать: чем больше показов, тем легче раскручиваться дальше. Пробив некий порог просматриваемости, можно безгранично далеко продвинуться. Потолка нет. Для начала давайте хотя бы поверхностно разберемся, что же такое «машинное обучение». В одном из курсов Google.Developers объясняют: в алгоритмах обучения нейросетей используются переменные. Это Label – вещь, которую мы предсказываем, Feature – изучаемые машиной свойства (их могут быть десятки), Example – конкретный набор данных, Model – демонстрирует взаимосвязь между Label и Feature.

Простыми словами, машинное обучение – это когда компьютер, изучая большое количество ситуаций, видит между ними взаимосвязь и повторяющиеся модели поведения. На основе выявленных из опыта закономерностей машина предсказывает поведение объекта в будущем.

Для «эффекта чтения мыслей» нейросети даже не должны понимать суть видео.

Вот как они к этому пришли.

Контекстная реклама – это первое поколение рекомендательных систем. Они анализируют суть и содержание текста с помощью алгоритмов, заданных человеком. В онлайн-курсе Яндекса по контекстной рекламе сообщается: поисковая система анализирует семантику интернет-страниц, а рекламодатель задает ключевые слова для показа объявлений. Исходя из контекста веб-страницы, рекламная сеть подбирает подходящую по тематике рекламу или советует к прочтению статью. Алгоритм не учитывает никакие параметры, кроме контекста.

Контекстный подход для программирования рекомендаций по видеоконтенту оказался неприменимым. Для понимания сути и содержания роликов недостаточно расшифровать звук и затем проанализировать текст. На смысл влияют также эмоции, интонации и визуальные образы. Программисты пошли дальше, пытаясь сканировать надписи и распознавать лица и объекты. Но и это не помогало определять контекст, не говоря уже о точном попадании в несформулированные желания пользователя. Поэтому пришлось решать задачу: «Как понять предпочтения зрителя, не вникая в суть ролика?» Решение этой задачи нашлось благодаря нейросетям и большому количеству накопленных паттернов поведения пользователей.

Нейросеть наблюдает за вашим поведением. Помечает выполнение вами индикативных действий. Индикативные действия у социальных сетей слегка отличаются, но общая суть совпадает: комментарий, репост, досматривание до конца (или резкий свайп с первых мгновений) подписка, переход по тегам или дополнительным элементам (звук, маска). Единственный пользователь в вакууме никогда не начал бы получать качественные рекомендации. Система «look like» не анализирует того или иного человека в отдельности. Она кластеризует по сегментам, отмечает, кто похожим на вас образом взаимодействовал с контентом.

В огромной аудитории быстро находятся люди, которые свайпали или досматривали те же видосы, что и вы. В результате, когда похожим на вас людям понравится клип, система покажет его и вам.

Вы можете одновременно находиться в узких и широких группах по интересам и паттернам поведения. Таким образом, нейросеть совсем не должна анализировать содержание и контекст материалов для качественных рекомендаций. На этом мы и выстроим алгоритм получения бомбических охватов.

2.2. Как заставить нейросеть полюбить ролик?

Каждое взаимодействие человека с контентом система записывает в досье пользователя и в базу знаний о клипе. Поэтому фиксируем, какие действия заставляют нейросеть отмечать ролик как потенциально привлекательный для широкого круга зрителей.

Наиболее явные индикативные действия:

• Долгий просмотр, в идеале – до конца.

• Прокрутка на 2–3 круга.

• Комментарий, полемика или даже упоминание друзей в комментах, с вовлечением их в дискуссию.

• Приостановка на паузу. Это значит, содержание ценное и нельзя отвлекаться на внешние раздражители. Или нужно приглядеться к каким-то деталям, вчитаться в таблицу, изучить график.

• Переход в профиль. Зрителю настолько понравилось увиденное, что он захотел узнать больше об авторе или полистать другие посты, не дожидаясь, пока они естественным путем попадут в рекомендации (если вообще попадут).

• Подписка, хоть это и не дает гарантии, что автор хоть раз еще попадется в «реках». Помните? Подписка – это продвинутый лайк.

• Скачивание. Допустим, человек решил отправить пост маме или использовать его кадры в своем блоге.

• Переход на звук прокачивает рейтинг трека. После этого пользователю чаще будут попадаться рекомендации с тем же звуком. Для автора музыки это хорошо.

• Переход на маску (эффект, хэштег). Как и переход на звук, углубление в дополнительные элементы говорит о качественном взаимодействии, запуская широкое продвижение.

• Репост или дуэт. Репост в мессенджеры с дальнейшей конверсией в переходы означает не только желание поделиться, но и интерес тех, с кем поделились. Дуэт – инновационная форма репоста, когда комментарий к исходному ролику новый автор оставляет в формате встроенного видео.

Вопреки всеобщему заблуждению, количество лайков в вертикальных лентах слабо влияет на ранжирование. Призывы ставить лайки практически ничего не дают. Самую большую роль из перечисленного играют: досматриваемость до конца, комментарии, переходы в профиль и репосты.

Мы плотно будем работать с досматриваемостью. Комментирование косвенно влияет на нее. Пока человек пишет коммент, клип продолжает воспроизводиться по второму, третьему и четвертому кругу.

Увеличение досматриваемости – это борьба за качество видеоролика. Талантливое воплощение интригующих тем в оригинальных форматах затягивает смотреть до конца и мотивирует на переходы в профиль, комментарии и репосты.

К слову, некоторые рекомендательные системы отслеживают конверсию репостов. Репосты, не влекущие переходы, не засчитываются. Зато высокая конверсия усиливает продвижение выше и дольше держит вас в «реках».

С этими индикаторами нам предстоит работать. Выпишите их и переходите к первому шагу.

2.3. Шаг 1. Наработайте насмотренность

Если вы еще не зазобмированы Likee, не сидите ночами в VK.клипах и не залипаете в Shorts, то настало время эмпирического опыта.

Скачайте пару приложений, свайпайте предложения нейросети ежедневно по нескольку минут. Не мучайте себя, будьте как дома. Не нравится 10 рекомендаций подряд – пролистывайте, пока не покажется что-то стоящее.

Смотрите осознанно. Отмечайте, где индикаторы срабатывают, а где – нет. Обращайте внимание на креативы с сильными триггерами. Пытайтесь, не глядя на цифры, угадать, какой охват собрал клип. Если вы способны по содержанию контента предсказывать популярность автора и показы – у вас интуиция как у блогера-подростка.

Сохраняйте ссылки на понравившиеся ролики. Делайте пометки. Декомпозируйте. У криэйтора может быть оригинальный жанр, даже если тема вам не близка. Или крутой монтаж, хотя остальное скучно и убого. Возможно, авторский стиль и манера подачи будут хороши, хоть вы не поняли ничего из сказанного, потому что канал на немецком.

Например, блогер Лео Велес^[6] своеобразно работает с интонациями и зумом камеры, а Андрей «У меня вопрос»^[7] нешаблонно снимает фрагментами под монтаж. Актриса Александра Табачкова^[8] захватывает и удерживает внимание благодаря артистичности и красноречию.

Наблюдайте, как со временем меняется качество рекомендаций. Сравнивайте динамику в разных соцсетях. Где-то лента быстро подстроится под ваши интересы и начнет «читать мысли», как TikTok, YouTube.Shorts, а где-то спустя пару дней продолжит подсовывать нерелевантное содержание, как VK и Yappy.

2.4. Что там по срокам?

В TikTok по статистике за первый час предугадывали, в какие рекомендации залетит клип и сколько просмотров соберет. Для небольшого аккаунта размером от 10 до 200 тысяч подписчиков 1000 просмотров в первый час означали гарантированный набор десятков тысяч в итоге. А 3–10 тысяч показов за то же время – большая радость для автора, почти гарантия многомиллионного охвата (если не случится страйк, о чем мы поговорим в конце).

В одном из постов Александра Табачкова выразила огорчение: ее креатив набрал меньше 1000 за первый час. Она была уверена: не видать ей охвата. По наблюдениям, в большинстве случаев это так и работает.

После публикации нейросеть крутит рекомендации на малую группу. На крупном канале – только подписчикам. На маленьком (до 1000) – случайным людям.

Система замечает, что пост «заходит», и предлагает его оценить более широкой выборке. Когда зрители вовлекаются и досматривают, рекомендации продолжают расширяться. Предел – весь мир.

В «мировых реках» почти все не привязано к языку (даже английскому). Туда попадают ролики, понятные без слов: ЧП, танцы, животные, эстетика, эпизоды из игр и фильмов, юмор и прочее.

Русская блогерка Лиза Анохина^[9] с 35 млн подписчиков в TikTok сейчас активно развивается в Snapchat. Большая доля фоловеров Лизы не из России. Она снимает смешные и милые креативы без слов либо на английском, захватывая внимание узнаваемой мимикой и знаменитым голубым париком.

Лиза стабильно собирает по 4–7 миллионов просмотров. Однако клипы, опубликованные в последние сутки, с натяжкой подбираются к 1 миллиону. Такая закономерность заметна на платформах TikTok и Likee. В первый день креатив просматривает около 30 % потенциальной аудитории, на 2–3 день – еще 30 %. Оставшиеся 40 % могут растянуться на 3 месяца. Крайне редко встречаются рекомендации возрастом старше 3 месяцев. Иногда случается чудо: пост возрастом пару недель внезапно обретает вторую жизнь и принимается резко расти. Объяснения этому я не нашла.

В Instagram и Snapchat первый день считается критическим. Если ролик не залетел в «реки» в первый день, то, скорее всего, он уже ничего не соберет. Срок ротации примерно такой же. Контент крутят около месяца, иногда – 3 месяца, редко – дольше.

В YouTube также критичным считается первый день. Далее счетчик либо вяло ползет, либо, бодро начав, так же бодро собирает еще пару недель. Ограничений по срокам дистрибуции в YouTube нет. В рекомендациях встречаются и древние видосы, хоть основной массив и ограничен примерно тремя месяцами.

В VK и Zen, испытывающих острый дефицит криэйторов при росте числа зрителей, срок раскрутки доходит до недели.

Попав в поток, можно естественным путем добывать охваты на протяжении жизни тренда. Хотя гораздо выгоднее самим формировать тренды.

2.5. Кому нужны тренды

Благодаря трендам объем контента в соцсетях увеличился кратно. Поэтому на первый взгляд может показаться, будто соцсети переполнены креативными авторами, публикующими несметное число роликов ежедневно.

Поучаствовать в масштабных челленджах становится почти необходимостью для каждого уважающего себя блогера.

Гайдлайны соцсетей советуют отслеживать текущие тренды и чекиниться в них.