สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

YouTube recommendation system แนะนำวิดีโอที่น่าสนใจอย่างไร

Mar 6, 2022

ระบบแนะนำวิดีโอของ YouTube (YouTube recommendation system) ใช้เกณฑ์อะไรในการคัดสรรวิดีโอให้คุณโดยเฉพาะ ระบบเดาใจคุณได้อย่างไรว่าคุณจะสนใจวิดีโอนี้ ในบทความนี้เราจะมาทำความเข้าใจกับแนวคิดและวิธีการในการแนะนำวิดีโอให้ผู้ใช้งานของ YouTube กัน!

ในยุคนี้คงไม่มีใครไม่รู้จัก YouTube ซึ่งถือได้ว่าเป็นแพลตฟอร์มวิดีโอที่ใหญ่ที่สุดในโลกขณะนี้ ตั้งแต่เริ่มก่อตั้งในปี 2005 (โดยวิดีโอแรกของโลกที่ลงใน YouTube คือวิดีโอของหนึ่งในผู้ก่อตั้ง Jawed Karim ในสวนสัตว์) จนถึงวันนี้ แพลตฟอร์มได้เติบโตขึ้นอย่างมหาศาล ในปี 2020 นี้มีผู้ใช้งาน YouTube ถึงประมาณ 2.1 พันล้านคนทั่วโลก และในเดือนสิงหาคมปี 2020 วิดีโอจำนวนมากรวมความยาวแล้วมากกว่า 500 ชั่วโมงได้ถูกเพิ่มในแพลตฟอร์มของ YouTube   

ไม่มีใครสามารถปฏิเสธได้ว่า YouTube ยังครองแพลตฟอร์มวิดีโออันดับหนึ่งของยุคนี้ด้วยวิดีโอที่มีเนื้อหาหลากหลาย ตั้งแต่ตลกเบาสมอง เพลง การท่องเที่ยว การใช้ชีวิต สารคดีวิทยาศาสตร์ ไปจนถึงวิดีโอให้ความรู้ต่าง ๆ ในสหสาขาวิชา (ผู้เขียนเคยสอบเลขผ่านเพราะวิดีโอใน YouTube ช่วยชีวิตไว้มาแล้ว!) อีกทั้งยังเป็นแหล่งสร้างรายได้ให้ผู้คนมากมายจนเกิดอาชีพใหม่ของศตวรรษนั่นคือ YouTuber หรือผู้สร้างวิดีโอใน YouTube

ด้วยวิดีโอที่หลากหลายและผู้ใช้งานที่มหาศาล YouTube นั้นต้องการรักษาผู้ใช้งานของตนเองไม่ต่างจากแพลตฟอร์มออนไลน์ชื่อดังอื่น ๆ อย่าง Netflix หรือ Amazon โดยทำความเข้าใจและปรับการแนะนำวิดีโอตามความสนใจและพฤติกรรมของผู้ใช้งานผ่าน Recommendation system (หรือระบบแนะนำสินค้าซึ่งในที่นี้คือ วิดีโอ)

ถ้าคุณและเพื่อนของคุณใช้งาน YouTube พร้อมกัน คุณอาจจะสังเกตว่า วิดีโอที่ YouTube แนะนำบนหน้าจอของคุณกับเพื่อนนั้นแตกต่างกันขึ้นอยู่กับพฤติกรรมการดูวิดีโอของพวกคุณ หน้าจอของเพื่อนคุณที่รักหนังเกาหลีสุดหัวใจก็คงเต็มไปด้วยละคร เพลงและรายการเกาหลีต่าง ๆ ในขณะที่คุณซึ่งสนใจกีฬาฟุตบอล หน้าจอก็คงมีวิดีโอการแข่งขันต่าง ๆ โดยเฉพาะที่เกี่ยวข้องกับทีมที่คุณชื่นชอบเป็นส่วนใหญ่    

ในบทความนี้ เราจะพาคุณทำความเข้าใจระบบแนะนำวิดีโอของ YouTube (YouTube recommendation system) ให้มากขึ้น โดยเริ่มต้นจากนิยามของ Recommendation system ตามมาด้วยการพัฒนาระบบและเกณฑ์ที่ YouTube ใช้ในการคัดสรรวิดีโอที่มีคุณภาพให้กับคุณ        

อะไรคือ Recommendation system

Recommendation system หรือระบบแนะนำสินค้านั้นสามารถพบเห็นได้ทั่วไปในแพลตฟอร์มออนไลน์ เช่น การแนะนำหนังใน Netflix หรือการแนะนำสินค้าใน Amazon จุดประสงค์หลักของระบบแนะนำสินค้านี้คือ การคัดกรองสินค้าที่คาดการณ์ว่า ผู้ใช้งาน “น่าจะสนใจ” ซึ่งสามารถแบ่งได้เป็นสองประเภทดังนี้ นี้ 

Recommendation system ซึ่งแบ่งเป็นสองประเภท คือ Collaborative filtering และ Content-based filtering
Recommendation system ซึ่งแบ่งเป็นสองประเภทดังรูป นั่นคือ  
1) Collaborative filtering: การคัดกรองผ่านลักษณะของผู้ใช้งานที่เหมือนกัน และ
2) Content-based filtering: การคัดกรองผ่านลักษณะสินค้าที่เหมือนกัน
(แหล่งที่มา: towardsdatascience
  • Collaborative filtering (การคัดกรองผ่านลักษณะของผู้ใช้งานที่เหมือนกัน) เป็นการคัดกรองสินค้าโดยคำนึงถึงพฤติกรรมของผู้ใช้งานที่มีลักษณะคล้ายกับผู้ใช้งานผู้นี้ด้วย โดยมีสมมติฐานว่า ผู้ใช้ลักษณะคล้ายกันมีแนวโน้มจะชื่นชอบสินค้าคล้ายกัน 
  • Content-based filtering (การคัดกรองผ่านลักษณะสินค้าที่เหมือนกัน) เป็นการคัดกรองที่ระบบจะแนะนำสินค้าที่มีลักษณะคล้ายกับสิ่งที่ผู้ใช้งานคนนั้นสนใจในอดีต  

สำหรับรายละเอียดทั่วไปของ Recommendation system ผู้อ่านสามารถอ่านเพิ่มเติมได้ที่นี่   

ในปัจจุบัน ระบบแนะนำใน YouTube นั้นถือเป็นรูปแบบแรก นั่นคือ แนะนำวิดีโอที่ผู้ใช้งานน่าจะสนใจผ่านการศึกษาผู้ใช้งานที่มีลักษณะคล้ายกัน ระบบนี้สามารถพบได้สองจุดใน YouTube นั่นคือ หน้า Home ซึ่งเป็นหน้าแรกของ YouTube และ แถบ Up Next ซึ่งจะขึ้นที่แถบขวามือเพื่อแนะนำวิดีโอถัดไปในระหว่างที่ผู้ใช้งานดูวิดีโออื่นอยู่  

ตัวอย่างการแนะนำวิดีโอของ YouTube ในหน้า Home
ตัวอย่างการแนะนำวิดีโอของ YouTube ในหน้า Home โดยในกรอบสีแดงนั้นมีประเภทเนื้อหาที่คาดว่าผู้ใช้งานน่าจะสนใจ
ตัวอย่างการแนะนำวิดีโอในแถบ Up Next
ตัวอย่างการแนะนำวิดีโอในแถบ Up Next ทางด้านซ้ายมือ (ในกรอบสีแดง)

ตั้งแต่ปี 2005 ซึ่งเป็นปีที่ YouTube ถือกำเนิดขึ้นถึงปัจจุบันนั้น ทางทีมงานได้พัฒนาระบบแนะนำวิดีโอมาอย่างมากมาย ตั้งแต่แนะนำเพียงแค่วิดีโอที่มียอดเข้าชมสูงสุด จนถึงความมุ่งมั่นในการนำเสนอสื่ออย่างมีความรับผิดชอบด้วยการไม่แนะนำวิดีโอที่มีเนื้อหาสุ่มเสี่ยงและนำไปสู่ความเข้าใจผิดบนแพลตฟอร์ม ซึ่งรายละเอียดนั้นอยู่ในหัวข้อถัดไป

“การแนะนำวิดีโอนั้นเป็นตัวแปรสำคัญในการเพิ่มยอดการเข้าชมโดยรวมใน YouTube มากกว่าจากการกดติดตามช่องหรือการค้นหาวิดีโอเสียอีก”  

Cristos Goodrow, VP of Engineering at YouTube

พัฒนาการของระบบแนะนำวิดีโอของ YouTube

ปี 2005-2011: ยุคที่ยึดยอดการเข้าชมวิดีโอเป็นเกณฑ์หลัก

ในช่วงแรก YouTube นั้นให้ความสำคัญกับยอดการชมวิดีโอและการคลิกเข้าดูวิดีโอของผู้ใช้งานเป็นหลัก เนื่องจากเชื่อว่านั่นคือตัวชี้วัดความสนใจของผู้ใช้งาน ดังนั้นระบบแนะนำวิดีโอตอนนั้นจะแสดงวิดีโอที่มียอดการเข้าชมสูงแก่ผู้ใช้งานเป็นส่วนใหญ่ แต่ภายหลังทีมงาน YouTube ได้ตระหนักว่า เกณฑ์นี้อาจไม่ใช่ตัวชี้วัดที่ถูกต้อง เนื่องจากยอดการเข้าชมอาจเกิดจากเพียงแค่ชื่อวิดีโอที่เรียกความสนใจให้กดดู (หรือ clickbait) เพื่อให้แนะนำวิดีโอที่คาดว่าผู้ใช้งานน่าจะอยากดูจริง ๆ ทีมงานจึงได้เพิ่มระยะเวลาการเข้าชมเข้ามาเป็นตัวชี้วัดความน่าสนใจชองวิดีโอสำหรับผู้ใช้งานด้วย 

ปี 2012: ยุคที่เพิ่มความสนใจในระยะเวลาของการเข้าชม

หลังจากที่ทีมงานได้เพิ่มเกณฑ์เกี่ยวกับระยะเวลาในการเข้าชมเข้ามาในระบบแนะนำวิดีโอ ยอดการเข้าชมโดยรวมนั้นลดลงไป 20% แต่ทีมงานก็ยังเชื่อมั่นที่จะใช้เกณฑ์นี้ในการนำเสนอวิดีโอที่ผู้ใช้งานน่าจะสนใจจริง ๆ อย่างไรก็ตามภายหลังทีมงานได้ตระหนักถึงปัญหาว่า เกณฑ์นี้ก็ยังไม่เพียงพอในการแนะนำวิดีโอ เนื่องจากผู้สร้างวิดีโอบางคนจงใจให้วิดีโอตัวเองสั้นเพื่อให้ผู้ใช้งานดูจนจบ ในขณะที่ผู้สร้างวิดีโอบางคนจงใจสร้างวิดีโอตัวเองให้ยาวเพื่อเพิ่มระยะเวลาในการเข้าชม ที่สำคัญระยะเวลาการเข้าชมนั้นไม่สามารถบ่งบอกว่า ระยะเวลานั้นคือเวลาที่ผู้ใช้งานสนใจเนื้อหาในวิดีโอจริง ๆ เพราะอาจจะเกิดจากการเปิดวิดีโอแบบสุ่มก็เป็นได้  ดังนั้นทางทีมงานจึงพัฒนาระบบโดยเพิ่มตัวชี้วัดมากยิ่งขึ้น โดยเฉพาะสิ่งที่เกี่ยวกับพฤติกรรมส่วนบุคคลของผู้ใช้งาน

ปี 2015-2016: ยุคที่ให้ความสนใจต่อพฤติกรรมของผู้ใช้งาน

ในช่วงนี้ YouTube ได้เพิ่มเกณฑ์ในการวัดความพึงพอใจและความสนใจเข้ารับชมวิดีโอมากขึ้น ด้วยการดูยอดการแชร์และการชื่นชอบวิดีโอ (รวมถึงการกดไม่ชอบวิดีโอนั้นด้วย) นอกจากนี้ยังเพิ่มการสอบถามผู้ใช้งานผ่านแบบสำรวจของการให้คะแนนความพึงพอใจพร้อมเหตุผล ถ้าผู้ใช้งานให้คะแนนวิดีโอนั้นสูง YouTube จะให้น้ำหนักกับระยะเวลาการเข้าชมของผู้ใช้งานคนนั้นมากขึ้น  

อย่างไรก็ตาม ผู้ใช้งานอาจจะไม่ตอบแบบสำรวจนั้นเสมอไป (ซึ่งรวมถึงผู้เขียนที่กดข้ามแบบสำรวจนั้นตลอดด้วย ฮา) ทางทีมงานจึงได้พัฒนาแบบจำลองทางคณิตศาสตร์ (หรือ Machine learning model) ให้มีการทำนายผลของแบบสำรวจนี้ และมีการตรวจสอบความถูกต้องของแบบจำลองนี้ด้วยการตัดคำตอบในแบบสำรวจบางส่วนออกจากการพัฒนาและเทียบกับสิ่งที่แบบจำลองนี้ทำนายในภายหลัง  

ในปี 2016 YouTube ได้ตีพิมพ์งานวิจัยในหัวข้อ “Deep Neural Networks for YouTube Recommendations” เกี่ยวกับการนำเทคนิคที่ชื่อว่า Deep Neural Networks มาพัฒนาระบบแนะนำวิดีโอซึ่งถือได้เป็นงานชิ้นแรก ๆ ที่มีการนำเทคนิคนี้มาพัฒนาการแนะนำสินค้าและเป็นก้าวสำคัญของ YouTube ในการนำข้อมูลผู้ใช้งานจำนวนมหาศาลมาใช้ประโยชน์ให้การแนะนำวิดีโอนั้นมีความแม่นยำและเหมาะสมกับผู้ใช้งานรายบุคคลมากขึ้น  

สถาปัตยกรรมของ Recommendation system
สถาปัตยกรรมของระบบแนะนำวิดีโอของ YouTube จากงานวิจัยเรื่อง “Deep Neural Networks for YouTube Recommendations” ในปี 2016

โดยสรุปจากรูปสถาปัตยกรรมของระบบข้างต้น ระบบนั้นประกอบไปด้วยสองส่วน ดังนี้

  • Candidate generation (ส่วนค้นหาวิดีโอที่มีความเกี่ยวข้อง) เป็นส่วนที่คัดกรองวิดีโอจำนวนมหาศาลให้เหลือเพียงแค่วิดีโอจำนวนหลักร้อยที่มีความเกี่ยวข้องกับผู้ใช้งานโดยเฉพาะ โดยพิจารณาจากประวัติการใช้งานของผู้ใช้งานเป็นหลัก เช่น วิดีโอที่รับชม ประวัติการค้นหาวิดีโอ จำนวนการรับชมวิดีโอ เป็นต้น  
  • Ranking (ส่วนที่เรียงลำดับคะแนนวิดีโอ) เป็นส่วนที่พิจารณาวิดีโอที่ได้รับการคัดกรองจากขั้นตอนแรกให้ละเอียดมากยิ่งขึ้น โดยเพิ่มการพิจารณาองค์ประกอบของวิดีโอนั้น ๆ เช่น ความสนใจในวิดีโอของผู้ใช้งานผู้อื่น เป็นต้น และให้คะแนนความเกี่ยวข้องของวิดีโอกับผู้ใช้งาน จากนั้นจึงคัดกรองและนำเสนอเพียงแค่วิดีโอที่คาดว่า ผู้ใช้งานน่าจะสนใจดูจริง ๆ  

หลังจากที่ระบบนำเทคนิคนี้มาใช้ ในปี 2018 YouTube ประกาศว่า 70% ของระยะเวลาในการเข้าชมนั้นมาจากการที่ระบบแนะนำวิดีโอซึ่งเป็นตัวชี้วัดความสำเร็จของระบบแนะนำวิดีโอนี้ได้อย่างดีทีเดียว  

ปี 2016-ปัจจุบัน: ยุคที่ให้ความสำคัญกับเนื้อหาของวิดีโอมากขึ้น  

YouTube นั้นมีการพิจารณาเนื้อหาของวิดีโอมาตั้งแต่ในอดีต ในปี 2011 YouTube มีการพัฒนาตัวคัดกรองเนื้อหาในวิดีโอที่มีความเกี่ยวข้องกับทางเพศหรือความรุนแรง และในปี 2016 ได้มีการพัฒนาแบบจำลองคณิตศาสตร์เพื่อทำนายโอกาสที่วิดีโอนั้นจะมีเนื้อหาความรุนแรงและลบวิดีโอเหล่านั้นออกจากการแนะนำ  

ในปัจจุบัน YouTube ให้ความสำคัญในการพิจารณาเนื้อหาของวิดีโอเป็นอย่างมาก โดยเฉพาะเนื้อหาสุ่มเสี่ยงที่สามารถสร้างความเข้าใจผิด เช่น เรื่องโลกแบน เป็นต้น ดังนั้นจึงมีการตรวจสอบความน่าเชื่อถือของแหล่งที่มาของวิดีโอและมีการจ้างผู้เชี่ยวชาญเฉพาะด้าน เช่น แพทย์ มาช่วยตรวจสอบเนื้อหาของวิดีโอ ในปี 2019 ซึ่งเป็นช่วงที่ YouTube เริ่มลดความสำคัญของวิดีโอที่มีเนื้อหาที่สร้างความเข้าใจผิด ส่งผลให้ยอดการเข้าชมวิดีโอเหล่านั้นจากผู้ที่ไม่ได้กดติดตามช่อง (หรือก็คือผู้ใช้งานใหม่ที่อาจจะรู้จักวิดีโอเหล่านี้ผ่านระบบแนะนำวิดีโอ) ในสหรัฐอเมริกาลดลงไป 70% และในปัจจุบันมีผู้ใช้งานในแพลตฟอร์มได้รับการแนะนำวิดีโอที่มีเนื้อหาสุ่มเสี่ยงที่จะเข้าใจผิดเหล่านั้นน้อยกว่า 1% 

“นั่นคือสาเหตุว่า การแนะนำวิดีโอนั้นมีบทบาทที่สำคัญเป็นอย่างมากในการที่เรารักษาคุณภาพของแพลตฟอร์ม เพราะการแนะนำนั้นเป็นสิ่งที่เชื่อมโยงผู้ชมและข้อมูลที่มีคุณภาพสูงเข้าด้วยกัน พร้อมทั้งลดโอกาสในการเห็นเนื้อหาที่สร้างปัญหาให้อีกด้วย” 

Cristos Goodrow, VP of Engineering at YouTube

อย่างที่กล่าวไปข้างต้น ในอดีต YouTube เริ่มต้นคัดสรรวิดีโอจากวิดีโอที่มีความนิยม มีผู้เข้าชมเยอะ จากนั้นจึงได้มีความพยายามมุ่งปรับให้เข้ากับความสนใจของผู้ใช้งาน จนในปัจจุบัน YouTube ให้ความสำคัญกับเนื้อหาในวิดีโอเป็นอย่างมากเพื่อส่งต่อวิดีโอที่มีคุณภาพให้กับผู้ใช้งาน ทำให้เห็นได้ว่านอกจากการเข้าใจในพฤติกรรมการเสพสื่อของผู้ใช้งานแล้ว ความรับผิดชอบเนื้อหาของสื่อในแพลตฟอร์มนั้นก็มีความสำคัญไม่แพ้กัน ในอนาคต ทิศทางการพัฒนาระบบแนะนำวิดีโอของ YouTube จะเป็นอย่างไรนั้น จะน่าสนใจเพียงใด ก็คงต้องติดตามกันต่อไป   

แหล่งอ้างอิง

เนื้อหาโดย ศรัณธร ภู่สิงห์ 
ตรวจทานและปรับปรุงโดย พีรดล สามะศิริ

Saranthorn Phusingha, PhD

Data Scientist Government Big Data Institute (GBDi)

Peeradon Samasiri, PhD

Project Manager and Senior Data Scientist at Government Big Data Institute (GBDi)