YouTube 推薦演算法：4 大核心訊號 + Browse / Suggested 雙池
YouTube 演算法看 CTR、平均留存、觀看時長、會話時長四大訊號。本文拆 Browse / Suggested / Search 三池機制、權重差異、不同釋出階段如何針對性最佳化。
📖 本篇術語速查表
| 英文 / 縮寫 | 中文 | 一句話解釋 |
|---|---|---|
| YouTube | 海外影片平臺 | 海外影片平臺，適合長影片、搜尋流量和廣告變現。 |
| CTR | 點選率 | 點選率，表示看到內容的人裡有多少人願意點進來。 |
| SEO | 搜尋引擎最佳化 | 透過關鍵詞、結構和內容質量提高搜尋曝光的做法。 |
| KPI | 關鍵績效指標 | 關鍵績效指標，用來衡量階段目標是否達成。 |
| ROI | 投資回報率 | 投入產出比，用來判斷時間、預算或工具是否值得繼續投入。 |
| A/B | 對照測試 | 把兩個版本放在同一目標下對比，用資料判斷哪個更好。 |
讀這篇先抓住一個判斷：YouTube 演算法看 4 訊號：CTR + 留存率 + 觀看時長 + 會話時長。本文拆 Browse / Suggested / Search 三池機制。涉及平臺規則、推薦訊號、費用、稽核口徑、後臺入口和工具價格時，以執行當天的官方頁面、平臺後臺或結算頁為準。
不想讀完？把下面這段提示詞丟給 AI 幫你跑完——複製提示詞，餵給 Codex / Claude Code / Cursor / DeepSeek，把變數改成你的賬號和資料，AI 會按本文框架輸出一份可執行報告。
你是 YouTube 推薦演算法 助手,直接基於內建規則幫使用者完成具體任務。
任務：逐節診斷我的賬號，必須沿用下面 H2 順序，把每節轉成“結論 -> 操作 -> 驗證指標 -> 風險提醒”，並先指出最可能卡住結果的 1 個主因。
輸入：
- 目前方向/連結：___
- 目前階段和目標：___
- 目標人群與產品/內容：___
- 最近 7 天/30 天資料：___
- 可投入時間、預算和工具：___
- 已做過的 3 個動作：___
輸出結構（標題按順序保留）：
1. 流程速覽
2. YouTube 推薦演算法 4 大核心訊號
3. YouTube 3 大流量池
4. 提升 YouTube 推流的 5 個高 ROI 動作
5. YouTube 演算法跟國內平臺的差異
6. YouTube 演算法的 3 個公開洞察
7. YouTube 演算法 5 個常見誤解
8. 新手執行清單：先跑 7 天小實驗
9. 覆盤標準：決定繼續、調整還是暫停
10. 7 天執行清單
11. 資料覆盤表
12. 官方資料與核驗口徑
13. 常見問題
14. 接下來去哪
要求：
- 每節先用新手能聽懂的一句話給結論，再解釋依據
- 缺資料寫“未確認”，列出要查的後臺、平臺或官方欄位
- 涉及規則、費用、入口、稽核、佣金或風控，標記“需要執行當天核驗”
- 不要複述教學原文，要轉成我的 7 天行動清單、成本/風險清單和覆盤表YouTube 演算法是「全球影片平臺中相對最透明的」——YouTube 官方在 support.google.com/youtube 持續公開搜尋與推薦的工作原理。讀完 01 YouTube 釋出最佳化 後,本文聚焦演算法機制。
YouTube 推薦演算法 4 大核心訊號
YouTube 官方在排名時使用 平均觀看時長（avg. view duration） 和 平均觀看百分比（avg. % viewed） 作為訊號，再結合 likes/dislikes 和觀後調查（來源：YouTube Help · Search & discovery tips）。
下面的「4 大核心訊號」是創作者社群在官方訊號基礎上歸納的可操作版本，不是 YouTube 官方分類。
訊號 1：點選率(CTR)
觀看者刷到你影片縮圖時點選的比例。CTR 的健康基準因頻道、niche 不同差異極大，YouTube 官方明確反對公開「行業 CTR 標準」。以 YouTube Studio「Reach 標籤 → Impressions click-through rate」當天資料 + 自己頻道歷史均值為基準，詳見 01 縮圖 SEO。
訊號 2：留存率(Retention)
觀看者看影片每個時間節點的留存比例。YouTube 在 Audience retention 幫助裡強調：留存曲線是最佳化下一條影片的關鍵訊號，但沒有「健康線」一說。最佳化方向是看自己頻道歷史留存曲線，找掉點最佳化，詳見 01 12 分鐘指令碼。
訊號 3：觀看時長 / 平均觀看百分比
總觀看時長 + 平均觀看百分比是 YouTube 官方 明確寫進排名訊號 的兩項指標（來源：YouTube Help · Search & discovery tips）。
YouTube 官方在 Good to know about recommendations 裡明確否定「最佳影片時長」——原文：「There's no universal "ideal" length for YouTube videos」。所以「N 分鐘影片比 M 分鐘影片觀看時長高几倍」這類公式都是創作者經驗，不是平臺規則。不要為了堆時長而稀釋資訊密度，YouTube 反向警告：avoid filler and resist artificially stretching content。
訊號 4：會話時長(Session Duration)
觀眾看完你的影片後，繼續在 YouTube 停留的總時長。這一項 YouTube 在 Watch time, watch time tools, and audience retention 裡有提及，但未作為公開排名訊號詳細說明。社群共識：會話時長高的影片更容易被演算法長期推——但具體權重比例 YouTube 沒有公開過數字。
提升方法（YouTube 官方建議的延展動作）：
- 終屏推薦下條相關影片
- 卡片插入相關影片
- 影片描述裡連結相關播放列表
YouTube 3 大流量池
YouTube 影片被推薦的 3 個入口:
池 1：Browse(主頁推薦)
觀眾開啟 YouTube 主頁時看到的「For You」流。演算法基於:
- 觀眾歷史觀看習慣
- 頻道訂閱
- 目前熱度
池 2：Suggested Videos(相關推薦)
觀眾看完一條影片時,右側 / 下方的「相關推薦」列表。演算法基於:
- 跟目前影片的相關性
- 你的頻道權重
- CTR + 留存率歷史表現
池 3：Search(搜尋)
觀眾主動搜尋時的結果列表。演算法基於:
- 標題 + 標籤 + 描述的關鍵詞匹配
- 影片質量訊號(留存率 / 觀看時長)
- 頻道權威度
YouTube 官方從未公開過 Browse / Suggested / Search 三池的具體流量佔比。社群流傳的「40-50% / 30-40% / 20-30%」是第三方綜述（來源不明），以你自己 YouTube Studio「Reach 標籤 → Traffic source types」當天資料為準——不同頻道、不同 niche 三池佔比可以差一個數量級。
提升 YouTube 推流的 5 個高 ROI 動作
下表列出 5 個公開材料裡 YouTube 創作者普遍驗證有效的方向。「期望增量」一律以你自己頻道的 A/B 測試為準，下表給的「+30-50%」之類數字是社群第三方覆盤的常見區間，不是 YouTube 官方承諾：
| # | 動作 | 期望方向（業界實測體感） |
|---|---|---|
| 1 | 影片時長按 niche 最佳化（YouTube 官方反對統一時長標準） | 最佳化的是單條平均觀看時長 + 完播率，不是絕對分鐘數 |
| 2 | 縮圖 A/B 測試找最優版本 | CTR 通常會有可觀提升（具體幅度看 YouTube Studio Test & compare 功能） |
| 3 | 章節標記 + 描述前 150 字 SEO 最佳化 | 利於 Suggested 與 Search 池曝光 |
| 4 | 終屏 + 卡片推薦相關影片 | 會話時長有正向作用 |
| 5 | 建立主題播放列表(同 niche 5-10 條) | 頻道權重 + 長尾觀看時長 |
下面這張圖把 4 大訊號串成「觸發 → CTR → 留存 → 觀看時長 → 會話時長 → 推流加權」的遞進閉環，讓你看到 YouTube 演算法是如何一層一層放大或者掐斷推流的：
這張圖的核心判斷是：4 個訊號不是並列加權，而是串聯門控。CTR 不過線，留存再高也沒用——影片壓根沒機會被看完；留存不過線，觀看時長再長也只是被演算法判為「冷啟鉤子有問題」。新手最容易的誤區是同時最佳化 4 個訊號，結果哪個都沒改對；正確做法是從左到右一道一道閘門最佳化，先把 CTR 的「自身歷史均值」拉上去，再看下一關。
上圖裡所有「閘門閾值」沒有放具體百分比，因為 YouTube 官方明確反對單一行業基準（Good to know about recommendations 裡反覆強調按自己頻道的 Audience retention curves 調優）。「過線 / 不過線」的判斷標準應該是「你自己頻道歷史均值」，而不是套用行業平均。
中文 YouTube 博主的推流遞進示例
以中文 YouTube 知識 / 科技垂類 10 萬訂閱級博主的常見成長路徑作參照（非具體頻道點名，所有資料以執行當天 YouTube Studio 為準）：
- 第 1 階段（訂閱相對較低）：單條影片曝光基數較小，CTR 處在頻道歷史均值附近，平均觀看時長偏短。頻道權重低，幾乎只吃 Browse 流量。
- 第 2 階段（訂閱進入萬級）：穩定輸出同 niche 影片，CTR 持續打磨，平均觀看時長拉長。Suggested 池開始喂量，單條曝光跳到上一檔。
- 第 3 階段（訂閱邁向 10 萬）：開始做章節 + 完整字幕 + 主題播放列表，會話時長被顯著拉長，多條影片被演算法綁成「一串看完」。頻道權重大幅提升，搜尋流量長尾累積。
這個遞進的關鍵是第 2 階段到第 3 階段的跳躍——前兩階段還是「單條爆款」邏輯，第三階段開始轉成「頻道權重」邏輯。會話時長這一訊號在第三階段才真正開始決定收入，因為它帶動的是搜尋流量長尾。CPM、播放量、訂閱數的具體區間都以你自己 YouTube Studio「Revenue 標籤 → RPM/CPM」當天資料為準——不要套用第三方文章裡的固定區間，中文 vs 英文、知識 vs 娛樂、長 vs 短，差異可以達到 10 倍以上。
YouTube 演算法跟國內平臺的差異
| 維度 | YouTube | 抖音 | 影片號 |
|---|---|---|---|
| 核心 KPI | 觀看時長 + 會話時長 | 完播率 + 互動率 | 朋友點贊 + 轉發 |
| 演算法透明度 | 高(官方持續發文) | 低 | 極低 |
| 單條爆款上限 | 數千萬-數億 | 數千萬 | 數百萬 |
| 內容壽命 | 1-3 年 | 24-72 小時 | 1-6 個月 |
| 演算法對內容質量敏感度 | 極高 | 極高 | 中(社交鏈兜底) |
YouTube 演算法的 3 個公開洞察
YouTube 在 Help Center 與 Creator Insider 頻道里多次披露過這幾條演算法行為:
洞察 1：訂閱關係不再決定一切
YouTube 在 Good to know about recommendations 裡明確說明：訂閱數反映的只是「曾經點過訂閱」的人次，不等於頻道當下的活躍觀眾規模。同一文件進一步提示：subscriber feed 裡的內容會被訂閱者大量跳過。影片質量（CTR + 留存）+ 觀眾活躍度比訂閱數本身更重要——具體權重比例 YouTube 沒有公開過數字，「佔 30-40%」這類社群說法沒有官方依據。
含義:老粉不開啟你的影片 → 演算法降權。這跟公眾號訂閱推送召回類似。
洞察 2：Shorts(短影音)跟 Long(長影片)演算法分開
YouTube 2022 後推出 Shorts —— 與 Long 影片走不同的演算法邏輯（詳見 YouTube Shorts policies & guidelines 與 Good to know about recommendations 裡關於 Shorts 推薦的章節）。Shorts 偏「snackable + recency」，Long 偏「watch time + session 行為」。
含義:Shorts 與 Long 各自有適合的變現路徑——具體廣告分成、激勵、CPM 都以 YouTube Studio 當天頁面為準，不再給出統一區間。
洞察 3：章節標記 + 字幕影響演算法
帶章節標記 + 完整字幕的影片對觀眾體驗和搜尋可達性都有正向作用。YouTube 在多份幫助文件（如 Chapter 與 Auto-translated captions）裡都做了官方推薦——但「直接是演算法排名訊號」這一點 YouTube 沒有明確表述過。把它當成「質量加分而非額外訊號」更接近官方原意。
YouTube 演算法 5 個常見誤解
第 1 個誤解:「訂閱越多推流越多」 → 錯。影片質量比訂閱更重要。
第 2 個誤解:「YouTube 演算法跟 Google 一樣」 → 錯。Google 是文字 SEO,YouTube 是影片質量訊號。
第 3 個誤解:「Shorts 跟 Long 一樣推」 → 錯。兩套演算法。
第 4 個誤解:「熱點影片更容易爆」 → 部分對。但熱點影片壽命短,長尾深度影片累積觀看時長遠高於熱點。
第 5 個誤解:「YouTube 沒法做 SEO」 → 錯。YouTube SEO 是搜尋池裡最重要的最佳化。
新手執行清單：先跑 7 天小實驗
這篇不要當成概念文章看。你要把「YouTube 推薦演算法：4 大核心訊號 + Browse / Suggested 雙池」變成一個 7 天實驗：先定義一個小邊界，只改一個變數，再用後臺資料判斷要不要繼續。這篇的核心問題是：YouTube 演算法看 4 訊號：CTR + 留存率 + 觀看時長 + 會話時長。本文拆 Browse / Suggested / Search 三池機制。
如果你第一次接觸這個主題，先回到本欄目入口確認它在完整學習鏈路裡的位置；如果你連平臺差異都還沒想清楚，再回到平臺總覽補一下上游判斷。這樣做不是為了多點連結，而是避免只最佳化一個區域性動作，卻把定位、內容形態或平臺規則搞錯。
覆盤標準：決定繼續、調整還是暫停
覆盤時不要問“這篇有沒有爆”。新手更應該問三個問題：第一，它有沒有比你過去同類內容更清楚；第二，它有沒有帶來一個可解釋的資料變化；第三，它有沒有讓下一篇更容易寫。只要這三個問題有兩個成立，這篇就不是白做。
| 判斷項 | 繼續 | 調整 | 暫停 |
|---|---|---|---|
| 觸達 | 曝光、播放或閱讀比近 7 天同類內容高 | 有觸達但點選低 | 連續 3 次觸達很低且無法解釋 |
| 停留 | 完讀、完播、收藏至少有一項變好 | 開頭有效但中段掉 | 使用者看完也不知道下一步 |
| 行動 | 有私信、點選、關注、加群或下單 | 有互動但沒有承接 | 只有點贊，沒有任何後續動作 |
| 成本 | 製作時間能壓進你的固定節奏 | 效果好但太耗時 | 需要大量不可複製的人工堆料 |
出現“繼續”時，不要馬上擴成 10 篇，先把同一個變數再驗證 2 次。出現“調整”時，只改最短的一環：標題不清就改標題，封面不清就改封面，正文太散就改結構。出現“暫停”時，不是認輸，而是承認這個方向暫時沒有被資料證明。把它放進備選池，回到「提升 YouTube 推流的 5 個高 ROI 動作」重新找邊界。
這套覆盤還有一個好處：它能把 AI 從“替你寫一篇”變成“替你做下一輪判斷”。把 7 天資料、評論原文、後臺截圖欄位丟給 Agent，讓它只輸出下一輪要改的一個變數。不要讓 AI 一次重寫全部內容；那樣看起來很勤奮，實際上會破壞可驗證性。
7 天執行清單
YouTube 推薦演算法：4 大核心訊號 + Browse / Suggested 雙池讀完後，不要馬上擴大動作。先用 7 天做一輪小驗證：
- 第 1 天：把本文核心判斷改寫成 3 條假設，寫清楚你預期會看到什麼結果。
- 第 2 天：選一個最小動作，只做一版，不同時改標題、封面、指令碼和釋出節奏。
- 第 3 天：記錄第一次反饋，包括曝光、點選、完讀、諮詢、收藏或成交意向。
- 第 4 天：只調整一個變數，避免事後不知道哪個動作有效。
- 第 5 天：把反饋分成平臺規則問題、內容表達問題和轉化路徑問題。
- 第 6 天：對照官方入口核驗規則，確認不是因為入口、許可權或稽核口徑變化導致誤判。
- 第 7 天：決定繼續、調整或暫停，並把結論寫成下一篇內容或下一次實驗的輸入。
資料覆盤表
| 覆盤項 | 記錄方式 | 判斷標準 |
|---|---|---|
| 觸達 | 記錄曝光、開啟、播放或閱讀量 | 判斷平臺是否願意分發這個方向 |
| 停留 | 記錄完讀率、完播率、收藏或評論 | 判斷內容結構是否讓人願意繼續看 |
| 行動 | 記錄私信、點選、加群、下單或預約 | 判斷讀者是否進入下一步 |
| 成本 | 記錄耗時、工具費和人工修改量 | 判斷這條路徑能不能持續 30 天 |
| 結論 | 寫一句繼續 / 調整 / 暫停的理由 | 禁止只寫“感覺還行”，必須對應資料 |
這張表要回到本文目標：YouTube 演算法看 4 訊號：CTR + 留存率 + 觀看時長 + 會話時長。本文拆 Browse / Suggested / Search 三池機制。
官方資料與核驗口徑
平臺規則、演算法動向、報價規則、政策口徑都會變化。本文保留的是可遷移的判斷框架，具體數字一律給區間。
跨平臺核驗入口：
- YouTube Studio — 看頻道資料、收益與頻道政策狀態
- YouTube Partner Program 幫助 — 看 YPP 申請門檻、變現與收益結算
- YouTube 創作者社群指南 — 看官方社群規則與違規處理路徑
涉及具體資料、比例、報價區間的部分，以執行當天后臺為準。
常見問題
YouTube 推薦演算法：4 大核心訊號 + Browse / Suggested 雙池應該先看還是邊做邊看？
如果你還沒開始，先看一遍，只記住一個判斷和一個動作；如果你已經在做，直接拿正文裡的檢查項對照自己的資料。不要邊看邊全量改，先改一個變數，7 天后再決定是否放大。