L'algorithme de YouTube a un seul objectif : garder les spectateurs sur la plateforme le plus longtemps possible. Toutes ses décisions, quelles vidéos classer dans la recherche, lesquelles recommander à la fin d'une vidéo, lesquelles proposer dans le fil d'accueil d'un spectateur, découlent de ce but unique. Une vidéo qui obtient de forts taux de clic, retient les spectateurs sur l'essentiel de sa durée et les pousse à en regarder une autre juste après est une vidéo que l'algorithme juge précieuse et diffuse largement. Une vidéo qui obtient des clics mais perd ses spectateurs dans les deux premières minutes, ou qui est lue sans qu'aucune autre session de visionnage n'en découle, est jugée peu performante, quel que soit le nombre de fois où elle a été mise en ligne ou promue. Comprendre l'algorithme à ce niveau enlève le mystère sur les raisons pour lesquelles certaines vidéos performent et d'autres non, et donne aux marques un cadre clair pour prendre des décisions de contenu qui produisent régulièrement des vidéos que l'algorithme a des raisons de diffuser.
Comment YouTube décide quoi classer dans la recherche
La recherche est la principale voie de découverte de la plupart des vidéos des chaînes qui n'ont pas encore de grande base d'abonnés. Le classement dans la recherche YouTube ne fonctionne pas comme celui de Google, et comprendre les signaux précis qui font la performance en recherche sur YouTube est la base d'une stratégie de contenu conçue pour une croissance organique durable.
Pertinence du titre et des mots-clés
Le titre de la vidéo est le signal textuel le plus important pour le classement dans la recherche YouTube. YouTube lit le titre pour comprendre de quoi parle la vidéo et le met en correspondance avec les requêtes saisies par les spectateurs. Un titre qui contient l'expression exacte qu'un spectateur est susceptible de chercher performe nettement mieux dans les résultats qu'un titre créatif ou malin qui ne reflète pas le langage de recherche du spectateur. Le mot-clé ou l'expression principale doit figurer dans le titre, idéalement près du début. Un titre structuré comme « Comment [tâche] pour [public] » ou « [Mot-clé principal] : [détail secondaire] » fait systématiquement mieux que les titres qui enfouissent le sujet derrière un cadrage centré sur la marque. Le titre doit aussi être assez attirant pour obtenir le clic une fois la vidéo affichée dans les résultats, car le taux de clic est lui-même un signal de classement : une vidéo qui apparaît dans les résultats mais obtient peu de clics par rapport aux vidéos voisines perdra sa position avec le temps.
Pertinence de la description et placement des mots-clés
La description de la vidéo est le deuxième signal textuel principal pour le classement dans la recherche. YouTube lit les 200 à 250 premiers caractères de la description pour la classification, ce qui signifie que le début de la description doit contenir le mot-clé principal et une phrase claire sur ce que couvre la vidéo, pas un message d'accueil générique ni une liste de liens. La description complète peut s'étendre sur plusieurs paragraphes et doit inclure des variantes naturelles du mot-clé principal, des termes connexes et assez de contexte sur le contenu de la vidéo pour que l'algorithme puisse la classer avec précision sur un éventail de requêtes voisines. Les descriptions minces, génériques, ou composées uniquement de liens et d'identifiants de réseaux sociaux donnent presque aucun signal de recherche et rendent la vidéo dépendante du seul titre pour son classement, ce qui limite l'éventail des recherches où elle peut apparaître.
Les tags et leur rôle réel dans le classement
Les tags de vidéo ont perdu de l'importance dans le classement à mesure que le traitement du langage naturel de YouTube s'est amélioré, mais ils restent un signal secondaire utile pour classer le sujet. Les tags doivent inclure l'expression du mot-clé principal, ses variantes proches, des termes de catégorie plus larges et les sujets nommés précis traités dans la vidéo. Les tags ne sont pas visibles des spectateurs mais sont lus par l'algorithme à des fins de classification. L'erreur la plus courante avec les tags est de s'en servir comme d'une liste de souhaits de termes très recherchés que la marque aimerait occuper mais qui ne sont pas réellement présents dans le contenu de la vidéo. Les tags hors sujet n'améliorent pas le classement sur ces termes et peuvent créer un décalage entre le sujet annoncé de la vidéo et son contenu réel, qui brouille la classification de l'algorithme. Les tags doivent décrire fidèlement ce que couvre la vidéo, pas ce que la marque espère occuper.
Taux de clic depuis les résultats de recherche
Le taux de clic est la proportion de spectateurs qui voient une vidéo dans les résultats de recherche et choisissent de cliquer dessus. YouTube utilise le taux de clic comme signal de qualité en temps réel : si une vidéo apparaît dans les résultats mais que la plupart des spectateurs qui la voient choisissent un autre résultat, YouTube en déduit que la vidéo ne correspond pas bien à l'intention du spectateur et réduit sa position avec le temps. Le taux de clic dépend surtout de la miniature et du titre, les deux seuls éléments qu'un spectateur voit dans les résultats avant de décider de regarder. Une miniature qui communique clairement la valeur de la vidéo et un titre qui correspond précisément à l'intention de recherche produisent un taux de clic plus élevé qu'une miniature générique et un titre malin mais vague. Améliorer la miniature d'une vidéo après sa publication est l'un des moyens les plus fiables d'améliorer la position en recherche d'une vidéo peu performante sans la renvoyer ni changer son contenu.
Sous-titres et contenu de la transcription
YouTube génère automatiquement des sous-titres pour la plupart des vidéos, et le texte de ces sous-titres est indexé par l'algorithme comme un signal supplémentaire du contenu de la vidéo. Les sous-titres générés automatiquement ne sont pas toujours exacts, surtout pour les noms de marque, les termes techniques ou les accents que la reconnaissance vocale gère mal. Envoyer un fichier de sous-titres corrigé plutôt que de s'en remettre aux sous-titres automatiques garantit une transcription exacte et fournit à l'algorithme des données textuelles propres et correctes. Cela améliore aussi l'accessibilité pour les spectateurs qui regardent avec les sous-titres, dont une part importante de spectateurs mobiles qui regardent sans le son dans les lieux publics. Une vidéo qui mentionne plusieurs fois son sujet principal tout au long du contenu, tel que la transcription le restitue exactement, donne à l'algorithme des signaux de classification de sujet plus forts et plus constants qu'une vidéo qui mentionne le sujet une fois dans le titre et la description mais jamais à l'oral.
Comment fonctionne l'algorithme de recommandation
Le classement dans la recherche détermine la performance d'une vidéo quand les spectateurs la cherchent activement. L'algorithme de recommandation détermine l'ampleur de sa diffusion auprès des spectateurs qui ne l'ont pas cherchée : dans la colonne des vidéos suggérées, dans le fil d'accueil et dans les recommandations des écrans de fin après d'autres vidéos. Pour la plupart des chaînes établies, le trafic issu des recommandations dépasse de loin celui issu de la recherche en volume total, ce qui rend indispensable de comprendre comment fonctionnent les recommandations pour la croissance à long terme d'une chaîne.
Temps de visionnage et durée moyenne de visionnage
Le temps de visionnage est le nombre total de minutes que les spectateurs ont passées à regarder une vidéo sur l'ensemble des vues. La durée moyenne de visionnage est la proportion de la durée totale de la vidéo que le spectateur moyen regarde avant de partir. Ce sont deux signaux principaux de l'algorithme de recommandation. Une vidéo qui obtient 10 000 vues mais dont la durée moyenne de visionnage est de 25 % de sa longueur indique à l'algorithme que les spectateurs ne trouvaient pas ce qu'ils attendaient. Une vidéo de 3 000 vues avec une durée moyenne de visionnage de 70 % indique à l'algorithme que les spectateurs qui l'ont regardée l'ont trouvée vraiment précieuse. La seconde vidéo reçoit plus de recommandations par vue que la première, car l'algorithme privilégie les vidéos qui retiennent les spectateurs plutôt que celles qui se contentent de les attirer. Une stratégie de contenu bâtie pour maximiser le nombre de vues au détriment de la durée moyenne de visionnage va à l'encontre de l'objectif central de l'algorithme.
Taux de clic depuis les recommandations
Quand YouTube recommande une vidéo dans la colonne suggérée ou le fil d'accueil, il montre la miniature et le titre à un spectateur qui ne l'a pas demandée. Le taux de clic, dans ce contexte, mesure l'attrait de la vidéo pour un spectateur passif qui ne cherchait pas spécifiquement ce sujet. Les taux de clic des recommandations sont en général plus bas que ceux de la recherche, car l'intention du spectateur est plus faible, mais le volume d'impressions disponible par les recommandations est bien plus grand que celui de la recherche pour la plupart des sujets. Une vidéo qui obtient un taux de clic de 5 à 10 % depuis les recommandations performe bien ; au-delà, c'est exceptionnel. La miniature pèse plus dans le taux de clic des recommandations que dans celui de la recherche, car dans le fil d'accueil et la colonne suggérée, l'oeil va d'abord vers l'élément visuel.
Signaux de satisfaction du spectateur : mentions J'aime, commentaires et partages
Les signaux d'engagement, dont les mentions J'aime, les commentaires et les partages, sont des signaux secondaires de l'algorithme de recommandation : moins importants que le temps de visionnage et le taux de clic, mais pris en compte dans l'ampleur de diffusion d'une vidéo. Une vidéo avec un fort temps de visionnage et un bon ratio de mentions J'aime signale une forte réaction positive et est recommandée plus agressivement. Les commentaires indiquent que le contenu a suscité une réaction assez forte pour mériter une réponse écrite, un signal d'engagement plus coûteux qu'une mention J'aime. Les partages indiquent que les spectateurs ont trouvé le contenu assez précieux pour le diffuser à leur propre réseau, ce que YouTube traite comme un fort signal positif sur la qualité du contenu. Inciter les spectateurs à s'engager à la fin d'une vidéo, avec une vraie demande plutôt qu'une formule générique récitée, augmente le taux d'engagement et renforce la confiance de l'algorithme dans la qualité de la vidéo.
Début de session et poursuite de session
L'algorithme de YouTube accorde une valeur particulièrement élevée à deux comportements de spectateur précis : démarrer une session YouTube avec une vidéo précise, et regarder une autre vidéo juste après la fin d'une première. Une vidéo pour laquelle un spectateur revient spécialement sur YouTube, plutôt que de la trouver par les recommandations alors qu'il est déjà sur la plateforme, signale une forte intention et pèse lourd dans l'évaluation de l'algorithme. Une vidéo qui mène directement à une autre vidéo de la même chaîne, en gardant le spectateur dans une session YouTube plutôt que de le laisser quitter la plateforme, reçoit du crédit pour cette durée de session prolongée. Les chaînes qui conçoivent leur contenu en séquences, où une vidéo mène naturellement à la suivante, profitent de cet effet de poursuite de session. Les écrans de fin et les cartes qui recommandent des vidéos connexes contribuent à la poursuite de session et améliorent la position globale de la chaîne auprès de l'algorithme.
Comment l'algorithme apprend les préférences des spectateurs
L'algorithme de recommandation de YouTube est personnalisé : il apprend les préférences de chaque spectateur à partir de son historique de visionnage, de son historique de recherche et de ses comportements d'engagement, et s'en sert pour recommander des contenus différents à des spectateurs différents. Une vidéo sur le matériel de café pour débutants recommandée à un spectateur qui a regardé des dizaines de vidéos sur le café n'est pas dans le même contexte algorithmique que la même vidéo recommandée à un spectateur sans historique sur le café. Cette personnalisation signifie que le succès d'une vidéo dans l'algorithme de recommandation dépend en partie de son adéquation avec les préférences établies des spectateurs auxquels YouTube choisit de la montrer. Les chaînes qui construisent une niche de contenu cohérente et définie profitent de cet effet de personnalisation : l'algorithme apprend quels profils de spectateurs sont susceptibles de regarder et d'apprécier les contenus de la chaîne et les recommande de plus en plus à des spectateurs au profil correspondant, ce qui crée un effet de croissance cumulative avec le temps.
Les signaux sur lesquels les marques peuvent agir directement
Beaucoup de facteurs qui influencent la performance algorithmique sont sous le contrôle direct de la marque. Concentrer les efforts d'amélioration sur les signaux qui ont le plus d'impact et sont les plus faciles à actionner donne de meilleurs résultats que de tenter d'optimiser toutes les variables possibles en même temps.
Les 30 premières secondes et les accroches de rétention
Les 30 premières secondes d'une vidéo ont un effet disproportionné sur la durée moyenne de visionnage, car une grande partie des spectateurs qui cliquent sur une vidéo décident de continuer ou de partir dans la première demi-minute. Une vidéo qui s'ouvre sur une déclaration claire de ce que le spectateur va y gagner, sans longs préambules, génériques de chaîne ni contenu sans rapport, retient une plus grande proportion de ses spectateurs initiaux jusqu'à la fin. L'accroche d'ouverture doit répondre à la question implicite du spectateur : « Est-ce que ça vaut mon temps ? » Elle doit être propre au contenu de la vidéo plutôt qu'un accueil général ou une promotion de chaîne. Un générique de chaîne de 30 secondes ou une animation de logo avant le début du contenu est l'un des moyens les plus sûrs de perdre des spectateurs dans les 30 premières secondes, et la plupart des chaînes YouTube établies ont supprimé ces génériques précisément parce que les données montraient qu'ils nuisaient à la rétention.
La conception des miniatures comme levier algorithmique
Les miniatures influent sur le taux de clic, qui influe à la fois sur le classement en recherche et sur la diffusion en recommandation. Une miniature conçue pour l'algorithme, c'est-à-dire conçue pour obtenir des clics du type de spectateur que vise la vidéo, est un investissement direct dans la performance algorithmique. Les miniatures YouTube les plus efficaces partagent certaines caractéristiques : elles sont lisibles en petit, elles communiquent une raison claire et précise de cliquer au-delà de ce que dit déjà le titre, elles utilisent une palette de couleurs limitée qui ressort sur l'interface de YouTube, majoritairement blanche et grise, et elles sont visuellement cohérentes avec les autres miniatures de la chaîne pour que les spectateurs réguliers reconnaissent d'un coup d'oeil les contenus de la chaîne. Tester plusieurs options de miniatures en changeant la miniature d'une vidéo peu performante et en surveillant si le taux de clic s'améliore est l'une des expériences d'optimisation les plus fiables à la disposition des créateurs YouTube.
La régularité de publication et son effet sur l'algorithme
L'algorithme de YouTube diffuse plus agressivement les contenus d'une chaîne quand la publication est régulière. Une chaîne qui publie à un rythme prévisible habitue l'algorithme à attendre du nouveau contenu et habitue les abonnés à l'anticiper. Quand une chaîne disparaît plusieurs semaines, la confiance de l'algorithme dans la poursuite de son activité diminue et la diffusion en recommandation baisse. Reconstruire cette diffusion après une interruption demande plusieurs publications régulières : un historique de publication irrégulier crée donc un schéma de perte d'élan puis de reprise moins efficace que de maintenir une fréquence plus basse mais constante. Pour la plupart des chaînes de marque, publier une fois par semaine est le rythme idéal pour construire de l'élan algorithmique. Pour les chaînes qui n'ont pas la capacité de tenir ce rythme, une vidéo toutes les deux semaines, tenue avec régularité, fait mieux qu'une publication hebdomadaire qui se relâche en publication mensuelle.
Chapitres, cartes et écrans de fin comme outils de rétention
Les chapitres YouTube permettent de diviser une vidéo en sections nommées qui apparaissent dans la barre de progression, ce qui permet aux spectateurs d'aller facilement à une partie précise d'une vidéo plus longue. Les chapitres réduisent le risque qu'un spectateur abandonne une vidéo parce qu'il ne trouve pas rapidement la partie la plus pertinente pour sa question. Les cartes sont de petits éléments interactifs qui apparaissent pendant une vidéo et peuvent renvoyer vers d'autres vidéos, des playlists ou des sites externes. Les écrans de fin apparaissent dans les 5 à 20 dernières secondes et sont l'outil principal pour diriger les spectateurs vers la vidéo suivante une fois la vidéo en cours terminée. Utilisés à bon escient, les chapitres, cartes et écrans de fin réduisent ensemble les abandons dans une vidéo et augmentent la probabilité d'une poursuite de session après sa fin, ce qui améliore dans les deux cas la position de la vidéo auprès de l'algorithme.
L'horaire de publication et son effet algorithmique à court terme
Publier une vidéo pendant une période de forte activité des spectateurs lui donne une audience initiale plus large dans les 24 à 48 premières heures, ce qui produit des signaux d'engagement précoces plus forts que l'algorithme utilise pour décider de l'ampleur de la diffusion de la vidéo dans sa première semaine. Pour les chaînes qui ont une base d'abonnés établie, publier quand les abonnés sont le plus actifs accélère l'accumulation des premières vues et de l'engagement. YouTube Analytics montre les schémas d'activité de l'audience propres à chaque chaîne, et publier dans la plage de pic d'activité est plus fiable que de suivre des conseils généraux d'horaires sur la plateforme. Pour les nouvelles chaînes dont le trafic du fil d'abonnements est minime et dont la plupart des vues viennent de la recherche, l'effet de l'horaire est plus faible, mais publier dans la plage de plus forte activité donne tout de même à la vidéo les meilleures conditions pour sa première évaluation algorithmique.
Les idées fausses courantes sur l'algorithme qui coûtent de la performance aux chaînes
Les idées fausses sur le fonctionnement de l'algorithme de YouTube conduisent les marques à prendre des décisions qui nuisent activement à la performance de leur chaîne. Repérer et corriger ces malentendus compte autant que comprendre ce que l'algorithme récompense.
Le nombre d'abonnés n'est pas un signal de classement principal
Le nombre d'abonnés n'est pas ce qui génère des vues sur YouTube. Une chaîne de 10 000 abonnés dont les vidéos font en moyenne 500 vues performe moins bien algorithmiquement qu'une chaîne de 2 000 abonnés dont les vidéos font en moyenne 800 vues, car le taux d'engagement rapporté à la taille de l'audience est plus faible. L'algorithme diffuse le contenu selon la performance d'une vidéo auprès des spectateurs qui la voient, pas selon le nombre d'abonnés accumulés par la chaîne. Une vidéo d'une petite chaîne qui obtient un fort temps de visionnage et de bons taux de clic dépassera, dans le fil recommandé, la vidéo d'une grande chaîne au faible temps de visionnage et aux taux de clic bas. Les marques qui se concentrent sur la croissance du nombre d'abonnés comme principale mesure du succès sur YouTube suivent un indicateur de résultat plutôt qu'un moteur de performance.
Les vues sont un indicateur retardé, pas un indicateur avancé
Les vues s'accumulent à la suite des décisions de diffusion de l'algorithme, pas avant elles. Une vidéo qui performe bien en taux de clic et en temps de visionnage dans ses 48 premières heures obtient plus de diffusion algorithmique, ce qui produit plus de vues avec le temps. Une vidéo qui performe mal sur ces signaux dans ses 48 premières heures reçoit moins de diffusion et accumule les vues lentement, quel que soit le nombre de fois où la marque la promeut à l'extérieur. En pratique, les indicateurs à surveiller dans les 48 heures qui suivent la publication sont le taux de clic et la durée moyenne de visionnage, pas le total de vues. Ces deux signaux prédisent la performance à long terme de la vidéo mieux que le nombre de vues initial. La promotion externe peut ajouter des vues mais ne peut pas remplacer une bonne performance algorithmique si le contenu lui-même ne retient pas les spectateurs une fois qu'ils ont cliqué.
Supprimer les vidéos peu performantes est généralement une erreur
Les marques qui suppriment des vidéos parce qu'elles ont mal performé le premier mois retirent souvent un contenu qui aurait continué à accumuler des vues issues de la recherche pendant des années. Une vidéo qui n'a pas gagné de traction dans les recommandations algorithmiques mais se classe sur une requête précise peut continuer à générer un trafic organique régulier longtemps après sa publication. La suppression la retire définitivement des résultats de recherche et fait perdre l'autorité qu'elle avait accumulée. La meilleure approche pour les vidéos peu performantes est de mettre à jour le titre, la miniature ou la description pour améliorer le taux de clic, d'ajouter des chapitres si la vidéo est assez longue et d'évaluer si le problème vient du contenu lui-même ou si c'est l'emballage qui limite sa portée. La suppression doit être réservée aux contenus réellement périmés, inexacts ou qui ne correspondent plus à la marque, pas à ceux qui n'ont simplement pas reçu les vues espérées.
L'algorithme ne récompense pas la fréquence d'envoi pour elle-même
Un conseil courant sur YouTube est de publier le plus souvent possible. L'algorithme récompense bien la régularité, mais pas le volume pour lui-même. Une chaîne qui publie cinq vidéos par semaine de faible qualité ou au contenu mince verra se dégrader son temps de visionnage et sa durée moyenne de visionnage, ce qui signale à l'algorithme que les contenus de la chaîne ne satisfont pas les spectateurs. Cette dégradation des indicateurs est plus difficile à rattraper que le modeste avantage d'une fréquence de publication élevée. La qualité et la régularité comptent plus que le volume. Une seule vidéo publiée chaque semaine, qui obtient régulièrement un fort temps de visionnage, construit une position algorithmique plus forte que trois vidéos publiées chaque semaine que les spectateurs abandonnent dès la première minute.
La structure en playlists et en séries amplifie la performance algorithmique
Les playlists et les séries de contenus sont nettement sous-exploitées par la plupart des chaînes de marque comme outils algorithmiques. Quand un spectateur termine une vidéo d'une playlist, YouTube lance automatiquement la suivante, en gardant le spectateur dans une session qui profite aux indicateurs de temps de visionnage de la chaîne. Une série de vidéos où chacune mène naturellement à la suivante crée une playlist qui génère de la poursuite de session à un rythme que les vidéos isolées ne peuvent pas égaler. Structurer le contenu en séries aide aussi l'algorithme à classer plus précisément le domaine de la chaîne, car il voit un ensemble cohérent de contenus liés plutôt qu'un assemblage de vidéos sans rapport. Planifier les séries avant de publier et les intégrer à des playlists avant la mise en ligne de la première vidéo de la série donne à la chaîne l'avantage de la poursuite de session dès le tout premier spectateur.
Nos vidéos obtiennent un bon nombre de vues la première semaine, puis chutent complètement. Que cela dit-il de notre position algorithmique ?
Cela suggère que les vidéos reçoivent une diffusion initiale, probablement via les abonnés ou la promotion externe, mais n'obtiennent pas assez de recommandation algorithmique continue pour maintenir les vues au-delà de la première semaine. La cause la plus probable est que le temps de visionnage et la durée moyenne de visionnage ne sont pas assez forts pour signaler à l'algorithme que le contenu mérite une diffusion prolongée. Consultez dans YouTube Analytics la durée moyenne de visionnage de vos vidéos récentes : si les spectateurs partent avant la moitié, la structure du contenu ou l'ouverture est à retravailler. Les vidéos qui retiennent les spectateurs sur l'essentiel de leur durée continuent d'accumuler des vues par les recommandations bien après la semaine de publication. Les vidéos qui perdent vite leurs spectateurs sont diffusées une fois puis abandonnées.
Nous avons changé le style de nos miniatures et notre taux de clic a baissé. Comment redresser la situation ?
Revenez à l'ancien style de miniatures pour les vidéos récentes et testez les changements en A/B sur des vidéos plus anciennes, à enjeu plus faible, avant de les déployer sur toute la chaîne. Le taux de clic réagit assez vite aux changements de miniatures, généralement dans une à deux semaines après la mise en ligne de la nouvelle. Si le nouveau style performe moins bien sur plusieurs vidéos, c'est un signal clair que le changement était négatif. Les changements de miniatures doivent être testés une vidéo à la fois : mettez à jour la miniature, attendez deux semaines et comparez le taux de clic avant et après. Une baisse du taux de clic affecte le classement en recherche et la diffusion en recommandation : la rétablir vite en revenant au style qui marchait vaut mieux que d'attendre de collecter plus de données sur le design peu performant.
Nous publions tous les jours depuis un mois mais notre chaîne ne grandit pas. Faut-il publier davantage ?
Publier davantage n'est pas la réponse si la publication quotidienne ne marche déjà pas. Le problème est presque sûrement la qualité du contenu ou le ciblage, pas la fréquence. Examinez vos données de temps de visionnage : si la durée moyenne de visionnage est inférieure à 40 % sur vos vidéos, les spectateurs trouvent le contenu peu satisfaisant et l'algorithme ne le diffuse pas au-delà de son audience initiale. Réduisez la fréquence de publication et investissez le temps gagné dans la production de moins de vidéos, mais meilleures. Une vidéo publiée deux fois par semaine qui retient régulièrement les spectateurs sur 60 % de sa durée fera mieux que des vidéos quotidiennes qui perdent leurs spectateurs dans les deux premières minutes. La fréquence sans la qualité n'est pas une stratégie de croissance sur YouTube.
Faut-il supprimer les vieilles vidéos qui ont très peu de vues ? Nous craignons qu'elles donnent à la chaîne un air inactif ou de mauvaise qualité.
Ne les supprimez pas, sauf si le contenu est vraiment périmé, inexact ou qui ne correspond plus à la marque. Les vieilles vidéos à faible nombre de vues continuent souvent de générer du trafic de recherche longtemps après leur publication, et les supprimer retire définitivement ce trafic. Un faible nombre de vues sur de vieilles vidéos ne nuit pas à la position algorithmique de la chaîne comme le ferait une vidéo récente peu performante. Si vous vous inquiétez de l'image de la chaîne pour les nouveaux visiteurs, rangez les vieilles vidéos peu performantes dans des playlists plutôt que de les laisser dans le fil principal de la chaîne, ou utilisez les paramètres de sections de la chaîne pour mettre en avant les contenus les plus performants sur la page d'accueil. Un spectateur qui parcourt la page de la chaîne voit ce que vous lui présentez ; il ne voit pas toutes les archives tant qu'il ne défile pas au-delà de ce que vous avez sélectionné.
Nous avons ajouté des chapitres à nos vidéos et la durée moyenne de visionnage a augmenté. Est-ce directement lié ?
Oui. Les chapitres améliorent la durée moyenne de visionnage en permettant aux spectateurs qui auraient sinon abandonné la vidéo d'aller directement à la section qui les intéresse le plus, ce qui les garde dans la vidéo plutôt que de les faire partir complètement. Un spectateur qui saute au chapitre quatre d'une vidéo de douze minutes et la regarde jusqu'au bout apporte plus de temps de visionnage qu'un spectateur qui part à deux minutes parce qu'il n'a pas trouvé vite la partie dont il avait besoin. Les chapitres améliorent aussi l'expérience des personnes qui reviennent sur une vidéo pour revoir une section précise, et ils apparaissent dans les résultats de recherche Google sous forme de liens d'accès direct, ce qui peut augmenter les taux de clic depuis la recherche. Ajouter des chapitres aux vidéos existantes dont la durée moyenne de visionnage est plus basse que prévu est l'une des optimisations les plus rapides possibles sans changer le contenu de la vidéo elle-même.
La vidéo d'un concurrent sur le même sujet que la nôtre a beaucoup plus de vues alors qu'elle a été publiée plus tard. Qu'est-ce qui peut l'expliquer ?
Plusieurs facteurs peuvent expliquer l'écart. Sa miniature génère peut-être un meilleur taux de clic dans les mêmes résultats de recherche. Son titre correspond peut-être mieux à la requête de recherche la plus courante sur le sujet. Sa durée moyenne de visionnage est peut-être plus élevée, ce qui lui vaut plus de recommandations algorithmiques. Sa chaîne a peut-être plus d'abonnés, ce qui a donné à la vidéo une audience initiale plus large qui a produit des signaux d'engagement précoces plus forts. Ou sa vidéo répond simplement plus complètement que la vôtre à la question du spectateur. Examinez les deux vidéos côte à côte du point de vue d'un spectateur, en regardant la miniature, le titre, les 60 premières secondes et la structure d'ensemble du contenu. L'écart de performance a presque toujours une cause identifiable sur laquelle on peut agir dans les prochaines vidéos ou en mettant à jour l'emballage de la vidéo peu performante.