By 
Content farm, machine learning e algoritmo di YouTube come sono legati tra di loro?
E ancora prima, cosa sono le content farm e quali sono le conseguenze che l’uso di queste “fattorie di contenuti” comportano?
Il termine content farm per molto tempo è stato utilizzato per indicare le grandi aziende, come ad esempio le testate editoriali, che producono grandi quantità di informazioni testuali.
L’avvento di YouTube ha tuttavia permesso di sfruttare e monetizzare il formato video che si è rivelato essere in molti casi più remunerativo rispetto ai contenuti testuali tradizionali.
Il meccanismo di produzione rimane lo stesso rispetto ai contenuti testuali: il contenuto viene progettato per soddisfare gli algoritmi in modo da ottimizzare l’indicizzazione da parte dei motori di ricerca automatizzati, in questo caso YouTube ma non solo.
L’algoritmo di YouTube dà la priorità al tempo di visualizzazione rispetto ai clic e per questo motivo le aziende produttrici di contenuti sfornano 3-4 video ogni giorno nel formato di mini tutorial per Facebook o Instagram di circa 10 minuti di durata. I contenuti sono frequentemente legati a “trucchi” che consentono di fare qualcosa meglio o più velocemente rispetto al solito.
Questi video attirano il pubblico sfruttando titoli clickbait come “Trucchi che devi sapere !!!”. Il loro successo si basa quindi sull’uso di termini SEO popolari visibili nei titoli e di immagini in miniatura visivamente stimolanti.
La relazione tra content farm, machine learning e l’algoritmo di YouTube
L’algoritmo di YouTube è progettato per premiare questi contenuti perché più video vengono guardati, più pubblicità vengono visualizzate e quindi più soldi guadagna la stessa YouTube.
Da quando Google Brain (la divisione AI di Google) ha iniziato a gestire i consigli di YouTube, il tempo di visualizzazione dalla home page di YouTube è aumentato di 20 volte, con oltre il 70% del tempo di visualizzazione che deriva dai consigli dagli algoritmi.
Quindi, grazie proprio al machine learning, le content farm che utilizzano contenuti riciclati e di bassa qualità diventano particolarmente redditizie.
Altri articoli nella sezione Algoritmi e Data Science
Commenti