Hak sahiplerine yapılan ödemeleri ve çalma listeleri tartışılan YouTube, Billboard dergisine kullandığı yöntemle ilgili açıklama yaptı.
YouTube Music 10.000’den fazla oynatma listesini programlamak için tamamen algoritmalara güveniyor. Bu nedenle, çalışanların dinleyiciler için şarkıları elle seçmesi yerine şirket, editoryal olarak dinleyicilerin ihtiyaçlarına göre sürekli olarak gelişen parametrelerle bu algoritmaları daha iyi tasarlamaya odaklanıyor. Bu yönteme “Algoritma” ve “Editoryal” sözcüklerini birleştirerek “Algotorial” yaklaşım adını veriyor.
Bu algoritmalar, müzik hayranlarının müzik dinlerken servise gönderdiği “sinyaller” üzerinde çalışıyor. Bunlar, bir parçayı beğenmek veya beğenmemek gibi bariz eylemlerden, onu atlamaya, kitaplıklarına veya çalma listelerine şarkı ekleme ve dinleme süresi gibi pasif sinyallere kadar değişebilir. Algoritma bu bilgiyi alır ve her kullanıcı için kişiselleştirilmiş seçenekleri formüle etmek için tutar. Bu temel süreç tüm müzik platformlarında standarttır ancak formüllerinin özellikleri, kullanıcıların platformlarla nasıl etkileşime giriş biçimini ve müzik işinden sağlanılan gelir miktarını etkiler.
YouTube Billboard dergisine yaptığı münhasır açıklama ile algotorial yaklaşımının özellikleri hakkında sınırlı da olsa bilgi verdi.
Sinyaller
Ham sinyaller beğeni veya beğenmeme gibi bildiğimiz sinyallerdir ancak tüm sinyaller platformda eşit ağırlıkta oluşturulmaz. Örneğin, bir şarkıyı atlamak sanıldığı kadar ağırlıklı değildir. Diğer yandan bir şarkıyı kitaplığınıza kaydetmek, bir şarkıyı tekrarlamak ve her şarkıyı ne kadar süreyle dinlediğiniz gibi diğer pasif sinyaller, algoritmanın YouTube’un amacına ulaşmasına yardımcı olan temel faktörleridir. Bu verilerle dinleyicinin “Beğeni profili” hazırlanır.
Beğeni Profilleri
Her müzik streaming hizmetinde olduğu gibi, YouTube Müzik’te de, kullanıcılar ilk kez kaydolduklarında beğendikleri sanatçıları sorguluyor. Bu bilgi beğeni profilinin oluşturulmasının birinci adımı ancak sadece bir başlangıç.
YouTube yetkilileri çoğu kullanıcının aslında “Yeni” olmadığını söylüyorlar. Gamgam Style veya Rick Astley gibi isimleri işaretleyen milyonlarca kişi var ve sadece bu bilgiyle 10.000 adetten fazla çalma listesini oluşturmak mümkün değil.
Tecrübeler kullanıcıların bu bilgileri girmekten çok da memnun olmadıklarını gösteriyor. “A” sanatçısının birkaç parçasını beğendiği için ismini yazan bir kullanıcıya sürekli “A” şarkıları göndermenin cazip hiçbir yanı yok. Dolayısıyla beğeni profilinin oluşturulmasında başka verileri de kullanmak gerekiyor.
Atlanan Şarkılar
Şarkı atlamanın algotorial yaklaşım içindeki ağırlığı tahmin edildiği kadar yüksek değil. Yöneticiler, atlamanın arkasındaki motivasyonun kullanıcının şarkıyı sevmemesiyle çok az ilgisi olabileceğini ve gerçek nedeni çözmenin zor olabileceğini söylüyor.
Youtube ekibinden Dowson ardı ardına atlama davranışının yaygın olduğunu ancak bunun her zaman beğenmeme anlamına gelmediğini söylüyor. Yaptıkları araştırmalara göre önemli sayıda kullanıcı bu davranışı özellikle playlistte hangi şarkıların olduğunu merak ettiği zaman gösteriyor. Bunu tümüyle olumsuzlama olarak kabul eden bir algoritmanın başarılı olması mümkün değil.
Dowson bu nedenle ikili bir kabulleri olduğunu belirtiyor. Birincisi “Hiçbir zaman” ikincisi “Şimdi değil”. Algoritma öncelikli olarak “şimdi değil”i kabul ediyor ve şarkıya yer vermeye devam ediyor. Atlama sıklığına göre kullanıcıya daha seyrek önerilse de yer verilmeye devam ediyor. Bunun “Hiçbir zaman” diyenler için de geçerli bir yaklaşım olduğu çünkü yeni parçalara alışmanın biraz zaman aldığı düşüncesi de algoritmanın şekillenmesinde rol oynuyor.
Beklenmedik Olayları ve Tür Dizilerini Yönetmekte İnsan Faktörü
YouTube’da müzik ve ürün programlama direktörü Doug Ford, müzik için başarılı bir algoritma oluşturmak için insan etkileşiminin hala çok önemli olduğunu belirtiyor. “Bir algoritma bir parçayı, yeni bir sanatçıyı veya bir trendi soğuk bir şekilde başlatamaz, bu yüzden sektördeki diğer müzik hayranları ve müzik uzmanlarıyla birlikte oradayız ve ortaklardan, sanatçılardan, menajerlerden, bilgi alıyoruz. Arama sinyallerinden ve YouTube tüketim verilerinden faydalanıyoruz.”
Fowler, algoritmaların YouTube Müzik ekibinden ek rehberliğe ihtiyaç duyduğu alanlar olarak TV şovlarından viral hit arayan kullanıcıları ve çizgileri her geçen yıl daha da bulanıklaşan farklı türler arasındaki sınırları işaret ediyor. Labyrinth, Sia ve Diplo’nun grubu LSD’nin Nisan 2019’da ilk albümünü yayınladıklarında karşılaştıkları sıkıntıyı anlatarak, “Bu üç sanatçının YouTube’da inanılmaz derecede büyük takipleri var, ancak algoritma, o içeriğin geldiğini görünce onunla ne yapacağını bilemedi” diyor. Bu nedenle, grubun izlenmesine ilişkin bağlamsal farkındalığın elle eklenmesi gerekmiş. Fowler’a göre “Genellikle girdi sağlamaya gerçekten yardımcı olabilecek bir insana ihtiyacınız var” ve “Aslında önemli olan sisteme bağlam sağlamak”.
Türlerin belirlenmesi algoritmanın karşılaştığı önemli zorluklardan birisi. Youtube tarafından bulunan çözüm ise her yıl çok sayıda, YouTube’un algoritmasına da bir meydan okuma sağlayabilir ve şirketin soruna çözümü, yıl sonu özetlerinde “Pop rap” veya “Deep pop emo” gibi adlarla göreceğiniz alt türlerin oluşturulması oldu. Şirket bu türleri ortaya çıkarmak için insan tercihlerini kullanıyor ve algoritmaya bunları öğretiyor. Buradaki temel yaklaşım türlerin öznel olduğunu kabul ederek mümkün olduğu kadar alt kırılımlar yaratmak. Algoritmaya bir kez öğretildikten sonra gruplamalar otomatik olarak yapılıyor ve kullanıcılara gösteriliyor.
Başarının Belirlenmesi
Bir oynatma listesinin başarısını belirlemek için ilk ölçü gösterim sayısı ve tıklama sayısıdır. Bu sayede çalma listesinin kullanıcının beğenisine uygunluğu, resim ve başlığın içerik hakkında bilgi verme derecesi vb. konularda bilgi sağlanıyor.
Fowler, “Bir kez tıkladığınızda, süper tüketim dediğimiz şeye bakıyoruz” diye devam ediyor. “Onunla vakit geçirdiniz ve uzun bir dinleme seansı yaptınız mı? Atlamalar için sizi cezalandırmıyoruz ama bir sürü şarkı dinlediniz mi ve bundan değer elde ettiniz mi?” sorularına yanıt aradıklarını söylüyor.
YouTube ayrıca, şarkıları beğenmek ve YouTube’un yeniden tüketim dediği oynatma listesine geri dönmek veya tekrar tekrar dinlemek de dahil olmak üzere “Üçüncül metrikleri” dikkate alıyor. Böylelikle başarılı bir çalma listesi ortaya çıkardıklarını anlayabiliyorlar.
Yeni Arayışlar
YouTube Müzik ekibi yeni kuşak kullanıcıların türler ve dönemler arasında gezindiğini düşünüyor. Bu nedenle de kullanıcının müzik zevkinin zaman içinde nasıl değiştiğini daha iyi anlamak ve tahmin etmek için algoritmalarını geliştirmek istiyorlar.
Fowler, “Muhtemelen bununla zamanın sonuna kadar mücadele edeceğiz, özellikle de bu yeni nesil gerçekten tür ve dönemleri kapsayan bir nesil olduğu için” diyor. “Bütün sözlerini bildikleri TikTok şarkıları var ve sonra sevdikleri gerçek şarkılar var ve bu ikisinin kesişimi olacak. Devam eden, gelişen bir problem olacak, ama eğlenceli bir problem.” diyor.