YouTube 的推薦系統是如何運作的呢？

YouTube工程研發副總裁Goodrow曾在自己的部落格中解析有關於推薦系統（recommendation system）的運作方式。首先在YouTube上的觀看次數就是來自於推薦系統，這個方式所帶來的成效更勝於「頻道訂閱」和「搜尋功能」。自動推薦系統除了在首頁介面會優先陳列出觀看數較多的影片給使用者之外，也會在觀看一段內容之後的「即將播放」面板上做操控。

那YouTube是如何篩選要推薦哪些內容給使用者的呢？

自動推薦系統會參考超過 800 億筆稱為「信號」的資訊，從蒐集使用者的點擊次數、觀看時間和問卷調查回覆，不斷地更新資料與進化。

首先是點擊次數的推薦指標，在YouTube開始建構推薦系統（2008）時便以此為基準，這項指標被認為最具有參考價值，因為點擊次數越多則代表越受觀眾喜愛。不過光靠這項數據是不完善的，因為點選一部影片並不能代表觀眾確實把影片的完整內容看完，也不能確定觀眾是否保有喜歡與認同的態度，不能排除是因為被影片的封面或是標題吸引點入後，卻在短短幾秒內又跳出畫面。

因此觀看時間的數據也在2012年被加入了推薦系統的信號指標，其中包括觀眾看過哪些影片，以及持續觀看了多長的時間。工程研發副總裁Goodrow 表示，雖然在觀看時間納入系統之後，觀看次數的數據隨即下滑了 20%，但 YouTube 認為，推薦系統為觀眾提供更多價值是更重要的，整體推薦的品質也會有所提升。

為了評估「有價值的觀看時間」（valued watchtime），YouTube近期也不定時在影片的片尾或是廣告中發布問卷調查，蒐集使用者的感受與回饋，像是請觀眾為觀看過的影片評定一到五顆星的分數、詢問給予該評分的理由，再根據獲得的答覆訓練出一個機器學習模型，藉此預測所有用戶的可能答覆，以用於影片推薦，這樣一來就能更加確認觀眾認為觀看影片所花費的時間是否具有價值。