YouTube 演算法：為什麼影片會被推薦
YouTube 官方曾多次說明推薦系統的兩階段流程：候選生成（Candidate Generation）與排序（Ranking）。第一階段，系統從海量影片中快速篩出幾百支「可能相關」的候選影片，靠的是主題標籤、觀看歷史、協同過濾等相對粗放的訊號。第二階段，再對這幾百支影片逐一預測「這位觀眾會點擊的機率」與「點擊後會滿意的機率」，最後排出最終順序。
這個流程對創作者的啟示是：你要先讓自己進入候選池，才有資格談排序。進入候選池的關鍵，是讓系統能清楚辨識你的影片主題與目標觀眾。標題寫得語焉不詳、縮圖看不出主題、描述與標籤亂填，等於在候選階段就被刷掉。反過來說，當你的頻道累積了穩定的觀眾標籤，系統對「你的影片該給誰看」越來越有把握，新片進入候選池的機率就會提高，這也是為什麼老頻道有時候「隨便發都有人看」——不是演算法偏心，而是它的預測成本變低了。
二、決定推薦與否的關鍵訊號：點閱率、觀看時間與互動的三角關係
如果說候選池是入場券，那麼點閱率、觀看時間、互動訊號就是決定你能不能坐到前排的三個關鍵成績。這三者之間不是獨立運作，而是互相牽制、互相放大。很多創作者只看其中一個指標，結果就是優化錯方向。
2-1 曝光點閱率（CTR）：入場券，但不是成績單
曝光點閱率（Click-Through Rate，簡稱 CTR）指的是「影片被曝光多少次，其中有多少次被點擊」。在 YouTube Studio 裡，你會看到「曝光次數」與「曝光點閱率」兩個數字。CTR 高，代表你的標題與縮圖在眾多競爭者中成功吸引了目光，系統會更願意給你下一次曝光機會。
但這裡有個巨大的陷阱：CTR 不是越高越好，而是要跟觀看時間一起看。假設你用一張極度誇張、與內容無關的縮圖，把 CTR 衝到 15%，但觀眾點進來十秒就跳出，系統會很快學到「這支影片的點擊是騙來的」，接下來不但不會再推薦，還可能連帶影響你頻道其他影片的預測。相反地，一支 CTR 只有 4% 但觀眾平均看完七成的影片，長期表現往往比前者好得多。
另外，CTR 會隨著曝光場景與觀眾熟悉度變動。新觀眾為主的曝光，CTR 通常較低；訂閱者為主的曝光，CTR 較高。所以不要拿自己不同影片的 CTR 直接比較，要看「同樣曝光來源」下的相對表現，才有參考價值。
2-2 觀看時間與相對留存：演算法真正在意的「滿意度代理指標」
YouTube 官方文件裡反覆出現一個概念：觀看時間（Watch Time）與觀眾留存（Audience Retention）是推薦系統最重要的訊號之一。原因很簡單：如果觀眾願意花更多時間看你的影片，系統就推論他對這次推薦是滿意的，下次可以再推類似的內容。
但「觀看時間」有兩種看法。絕對觀看時間是指影片被看的總分鐘數，這對長片有利；相對留存率則是指「有多少比例的觀眾看到哪裡」，這對所有片長都公平。實務上，系統會同時參考兩者，並與同類型、同片長的影片做比較。所以一支十分鐘的影片留不住人，不會因為它比較長就自動贏過一支五分鐘但留存很好的影片。
更精細一點，YouTube 近年的推薦邏輯越來越重視「觀看滿意度」的多元訊號，例如看完後的問卷評分、是否主動搜尋該頻道、是否分享、是否關閉通知等。這些訊號不容易從單一後台數字看出來，但會反映在長期的推薦穩定度上。這也是為什麼有些影片「數據看起來普通，卻一直被推」——因為觀眾看完之後的行為是正向的。
2-3 互動訊號的權重與迷思：按讚、留言、分享、訂閱
互動訊號（按讚、留言、分享、訂閱、收藏）在推薦系統裡的角色，比較像是「輔助證據」而非「主要動力」。也就是說，一支影片不會因為按讚數高就自動被大量推薦，但如果觀看時間與留存都不錯，互動數據又正向，系統會更有信心加大推薦力度。
其中，分享通常被視為相對強烈的正面訊號，因為觀眾願意把自己的社交資本押在這支影片上；留言則要看品質，簡短的「頭香」和有意義的討論，對系統的意義不同；訂閱代表觀眾願意建立長期關係，對頻道整體的推薦權重有幫助，但對單支影片的即時推薦影響有限。
要特別提醒的是，不要為了互動而互動。在影片裡硬插「記得按讚訂閱開啟小鈴鐺」，如果打斷了觀看節奏，反而會傷害留存。互動應該是內容的自然結果，而不是配音員的口號。
三、影片生命週期與演算法測試：為什麼有些影片會「晚紅」？
很多創作者都有這種經驗：某支影片上片第一週沒什麼動靜，過了兩個月突然流量暴增，留言區還出現「我現在才被推薦」的觀眾。這不是錯覺，而是 YouTube 推薦系統的測試機制與長尾效應在運作。
3-1 上片後的前 24～48 小時：小規模測試與標籤建立
新片發布後，系統不會立刻把它推給全世界，而是先做小規模測試：優先推給你的訂閱者、最近看過類似內容的觀眾，觀察點閱率、留存率、互動狀況。這個階段的重點不是「衝高數字」，而是「讓系統建立這支影片的觀眾標籤」。如果前幾波測試的觀眾反應正向，系統會逐步擴大曝光；如果反應冷淡，測試就會停止，影片進入低流量狀態。
這解釋了兩件事。第一，上片初期的觀眾品質很重要。如果你用外部管道導入了大量不會看完的流量，反而會讓系統誤判這支影片「不受歡迎」。第二，影片不是一上片就定生死。系統會持續觀察，只要後續有新的觀看訊號（例如搜尋流量進來、有人分享、觀眾看完後去逛你的頻道），影片仍有機會被重新測試。
3-2 長尾效應：搜尋型內容與推薦型內容的兩條路
影片的流量曲線大致可以分成兩種類型。推薦型內容（例如時事評論、娛樂、挑戰）通常在上片後的前幾天到兩週內衝出高峰，之後快速衰減；搜尋型內容（例如教學、開箱、知識整理）則可能一開始很平淡，但隨著時間累積搜尋排名，流量緩慢上升，甚至一年後還在穩定進帳。
這沒有優劣之分，而是策略選擇。如果你的頻道以推薦型內容為主，就必須維持更新頻率與話題敏銳度；如果以搜尋型內容為主，則要耐心經營關鍵字與內容深度。最健康的做法是兩條腿走路：用推薦型內容拉新觀眾，用搜尋型內容沉澱長尾流量，再用播放清單與系列影片把兩者串起來。
順帶一提，YouTube 的「建議影片」也會受到長尾效應影響。一支老影片如果持續有穩定觀看，系統會認為它「歷久彌新」，更願意把它推薦給新觀眾。這也是為什麼整理舊片、更新描述、重新設計縮圖，有時候會讓老片起死回生。
四、創作者實戰策略：讓演算法「願意」推薦你的影片
理解了原理，接下來談操作。以下四個方向，是從「進入候選池」到「通過測試」再到「擴大推薦」的實戰重點。這些策略不是保證爆紅的秘方，但能顯著提高你被演算法看見的機率。
4-1 標題與縮圖：提高點閱率，但別當標題殺人魔
標題與縮圖是觀眾對影片的第一印象，也是系統判斷「這支影片講什麼」的主要依據。好的標題要同時滿足三個條件：清楚傳達主題、勾起好奇心、包含觀眾會搜尋的關鍵字。與內容無關的誇大標題，短期可能騙到點擊，長期會傷害頻道信任度，甚至影響系統對你內容的標籤判斷。
縮圖的原則是「三秒內看得懂」。在手機螢幕上，縮圖往往只有郵票大小，所以文字要少、對比要強、主體要清楚。可以參考同類型熱門影片的縮圖風格，但不要直接模仿到失去辨識度。建議每次上片前做 A/B 測試（YouTube 現在有縮圖測試功能），用數據驗證你的判斷，而不是憑感覺。
還有一個常被忽略的細節：標題與縮圖要互補，而不是重複。如果標題已經寫了「三天學會剪片」，縮圖就不必再寫一次「三天學會剪片」，可以改放前後對比畫面或關鍵成品，讓兩者加起來傳達更完整的資訊。
4-2 開場三十秒與留存曲線：把觀眾留在螢幕前
觀眾點進來之後，前三十秒是決定去留的關鍵。這段時間的任務不是自我介紹，而是立刻兌現標題與縮圖的承諾。如果觀眾是因為「三天學會剪片」點進來，你卻花了兩分鐘寒暄、講頻道理念，他很可能直接跳出。
建議的開場結構是：先給結果或痛點，再給路徑，最後給承諾。例如先展示剪好的成品，再說「這支影片會拆成三個步驟，最後一個步驟最多人卡住」，讓觀眾知道留下來能獲得什麼。至於頻道片頭、訂閱呼籲，可以放在中段或結尾，不要擋在觀眾與內容之間。
上片後，一定要看 YouTube Studio 的「觀眾留存率」曲線。曲線如果在一開始就陡降，代表開場有問題；如果中段出現明顯凹陷，代表那個時間點有冷場、離題或廣告感太重的段落。把凹陷處找出來，下一支影片改掉，這是最直接的進步方式。
4-3 內容定位與觀眾標籤：告訴演算法「這支影片該給誰看」
演算法是靠「標籤」來認識影片與觀眾的。你的標題、描述、字幕、hashtag、甚至影片中出現的關鍵字，都會影響系統如何分類你的內容。因此，內容定位越清楚，系統越容易把你媒合給對的觀眾。
實作上，可以從三個地方下手。第一，系列化：把同性質的影片放進同一個播放清單，系統會更容易理解你的內容主題，觀眾也更容易連續觀看。第二，描述欄用心寫：前兩行放核心關鍵字與影片摘要，後面可以放時間軸、相關連結，這對搜尋與推薦都有幫助。第三，善用字幕與章節：自動字幕可以修正關鍵詞，章節則能讓觀眾快速跳轉，提升整體觀看體驗。
另外，不要忽略「觀眾重疊」這件事。如果你的影片經常被推薦給某一群觀眾，而這群觀眾也常看某幾個頻道，系統會逐漸把你和那些頻道放在同一個推薦池裡。這也是為什麼「跟同類型創作者合作」或「在影片中自然提及相關頻道」有時能帶來額外的推薦機會。
4-4 數據檢視與迭代：YouTube Studio 該看哪些指標
後台數據很多，但不需要全部看。對推薦機制最有參考價值的，大致是這幾項：
平均觀看時間與平均觀看百分比：判斷內容節奏與片長是否合適。
觀眾留存率曲線：找出觀眾流失的時間點，對應內容段落做檢討。
檢視數據時，建議以「同類型、同片長、同曝光場景」的影片互相比較，而不是拿一支五分鐘的教學片去比一支二十分鐘的 Vlog。每次只針對一個指標做調整，下一支影片觀察變化，這樣才能累積可用的經驗，而不是被數字牽著鼻子走。
五、常見迷思與論壇 Q&A：那些年我們誤會的演算法
在頂客論壇的影音創作版潛水久了，會發現某些說法反覆出現，而且往往被當成真理。以下整理四個最常見的迷思，順便用前面談過的邏輯來拆解。
5-1 迷思一：訂閱數高，影片就一定被推薦？
不一定。訂閱數只是「潛在觀眾池」的大小，不是推薦保證。系統看的是這支影片的實際表現，而不是頻道訂閱數。一個十萬訂閱的頻道，如果新片連訂閱者都不點、點了也不看完，照樣會被限流；一個一千訂閱的頻道，如果影片在測試階段表現亮眼，一樣有機會被大量推薦。訂閱數的價值在於「初始測試的樣本比較大」，但樣本大不代表成績好。
5-2 迷思二：修改標題縮圖、刪除影片會被降權？
修改標題與縮圖本身不會被懲罰，但頻繁、劇烈地修改會干擾系統的標籤判斷。如果你把一支影片的標題從「剪片教學」改成「旅遊 Vlog」，系統會困惑這支影片到底屬於哪一類，短期內推薦可能變得不穩定。建議一次改到位，改完觀察幾天再決定是否再動。
刪除影片的影響則比較複雜。刪除一支表現不好的影片，不會直接拖累其他影片，但如果那支影片曾經帶來流量或外部連結，刪掉等於損失一個入口。比較穩妥的做法是「設為不公開」而非直接刪除，保留數據與連結彈性。
5-3 迷思三：有所謂「黃金發布時間」？
有所謂的「觀眾活躍時段」，但沒有放諸四海皆準的黃金時間。你的觀眾可能集中在晚上十點，別人的觀眾可能集中在通勤時段。與其迷信網路上的「最佳發布時間表」，不如打開 YouTube Studio 的「觀眾」報表，看你的觀眾什麼時候最常上線，再把發布時間對齊那個區間。
更重要的是，發布時間的影響力遠小於內容本身的表現。一支好影片就算在冷門時段發布，也會因為留存與互動好而被持續推薦；一支普通影片就算搶在熱門時段發布，也只是多一點初始曝光而已。
5-4 迷思四：下廣告可以「養」演算法？
YouTube 廣告可以買到「曝光」與「觀看」，但買不到「推薦權重」。如果你的影片本身留存差、互動低，廣告帶來的觀看反而可能讓系統學到「這支影片不受歡迎」。比較健康的做法是：先用自然流量驗證內容有基本表現，再用廣告放大。廣告是放大器，不是救命丹。
六、結語：演算法是放大器，內容與觀眾關係才是本體
回到最初的問題：YouTube 演算法為什麼會推薦某些影片？答案其實不神秘——因為系統預測這支影片能讓某位觀眾獲得滿意的觀看。它不認識你的努力，也不在乎你的訂閱數，它只根據訊號做判斷。而你能做的，就是提供更清楚的訊號、創造更好的觀看體驗、累積更穩定的觀眾關係。
這不代表你要討好演算法。相反地，過度揣摩演算法、追逐每個流量密碼，往往會讓內容失去靈魂。真正長期有效的策略，是把演算法當成一面鏡子：它反映觀眾的真實反應，你根據這些反應調整內容，而不是根據謠言調整人生。當你的影片能穩定讓對的觀眾看完、按讚、分享、回來再看，演算法自然會替你找到更多人。
如果你也在頂客論壇的影音創作版出沒，歡迎把這篇文章當成討論的起點。與其問「演算法是不是壞掉了」，不如問「我的影片在測試階段讓觀眾卡在哪裡」。把這個問題回答清楚，流量通常就會自己找上門。