Über das Empfehlungssystem von YouTube
21 Sep, 2021 – Lesedauer: . Minuten
Wenn die Empfehlungen von YouTube optimal funktionieren, bringen sie Milliarden von Menschen auf der ganzen Welt zusammen – mit Inhalten, die inspirieren, Wissen vermitteln und unterhalten. Für mich bedeutet das, Vorträge anzuhören, die sich mit den ethischen Fragen der heutigen Technologie befassen, oder Highlights der Footballspiele der University of Southern California anzuschauen, die ich als Kind gesehen habe. Meine älteste Tochter liebt dagegen die Videos der Vlogbrothers und deren tolle Community. Und meinem ältesten Sohn haben die Videoempfehlungen bei YouTube dabei geholfen, die lineare Algebra durch die animierten Erklärvideos von 3Blue1Brown besser zu verstehen – und wenn er einmal eine Pause braucht, schaut er sich Videos von KSI an.
Am Beispiel meiner Familie wird deutlich, dass es für fast jedes Video auf YouTube eine Zielgruppe gibt. Die Aufgabe unseres Empfehlungssystems ist es, genau diese Zielgruppe zu finden. Stellt euch nur einmal vor, wie schwierig es wäre, sich in einer riesigen Bibliothek ohne die Hilfe von Bibliothekar:innen zurechtzufinden. Ein Großteil der Videoaufrufe auf YouTube basiert auf Empfehlungen, sogar mehr als auf Kanal-Abos oder der Suche. Ich habe mehr als zehn Jahre damit verbracht, gemeinsam mit meinem Team das Empfehlungssystem von YouTube zu entwickeln, und wir sind stolz darauf, dass es für alle Nutzer:innen zu einem zentralen Bestandteil der Plattform geworden ist. Doch allzu oft werden Empfehlungen als eine geheimnisvolle Blackbox betrachtet. Wir möchten, dass alle diese Systeme verstehen. Lasst mich daher erklären, wie sie funktionieren, wie sie sich entwickelt haben und warum wir die Bereitstellung verantwortugsbewusster Empfehlungen zu unserer obersten Priorität gemacht haben.
Was ist ein Empfehlungssystem?
Unser Empfehlungssystem basiert auf dem einfachen Prinzip, Menschen dabei zu helfen, die Videos zu finden, die sie ansehen möchten und die ihnen einen Mehrwert bieten. Die Empfehlungen sind vor allem an zwei Orten zu finden: auf der YouTube-Startseite und unter „Nächstes Video“. Die YouTube-Startseite ist die Seite, die ihr seht, wenn ihr YouTube öffnet – sie zeigt eine Mischung aus personalisierten Empfehlungen, Abos sowie die neuesten Nachrichten und Informationen. Unter „Nächstes Video“ werden euch beim Ansehen eines Videos zusätzliche Inhalte empfohlen, die sich auf das beziehen, was ihr euch gerade anseht. Außerdem werden andere Videos vorgeschlagen, von denen wir denken, dass sie für euch interessant sein könnten.
Als wir 2008 mit der Entwicklung unseres Empfehlungssystems begannen, war das Erlebnis noch ein ganz anderes. Sagen wir mal, ihr schaut euch hauptsächlich Kochvideos an. Wäre es nicht frustrierend, wenn auf eurer Startseite nur die neuesten Sport- und Musikvideos empfohlen würden, weil sie die meisten Aufrufe haben? So hat YouTube am Anfang funktioniert. Das System ordnete die Videos nach ihrer Beliebtheit und erstellte eine große Trends-Seite. Nur wenige Leute sahen sich diese Videos an. Die meisten YouTube-Zuschauer:innen kamen durch Suchanfragen oder geteilte Links von außerhalb auf unsere Plattform.
Heute durchsucht unser System Milliarden von Videos, um Inhalte zu empfehlen, die euren spezifischen Interessen entsprechen. Beispielsweise hat unser System erkannt, dass ich ein altes USC-Football-Highlightvideo angesehen habe, und hat für mich andere Sport-Highlights aus meiner Jugend gefunden. Ohne die Empfehlungen hätte ich nie erfahren, dass es diese Videos gibt. Im Gegensatz zu anderen Plattformen werden die Zuschauer:innen nicht über ihr soziales Netzwerk mit den Inhalten verbunden – stattdessen hängt der Erfolg der YouTube-Empfehlungen davon ab, wie genau wir vorhersagen können, welche Videos ihr euch ansehen möchtet.
Um dies zu erreichen, müssen wir uns erst darüber im Klaren sein, dass jede:r Nutzer:in ganz individuelle Sehgewohnheiten hat. Dann vergleicht unser System eure Sehgewohnheiten mit denen anderer ähnlicher Nutzer:innen und nutzt diese Informationen, um euch andere Inhalte vorzuschlagen, die ihr euch vielleicht ansehen möchtet. Wenn ihr euch also gerne Tennisvideos anseht und unser System feststellt, dass andere, denen dieselben Tennisvideos gefallen, auch Jazzvideos mögen, werden euch möglicherweise Jazzvideos empfohlen (bei Kategorien wie Nachrichten und Informationen funktioniert das möglicherweise anders, dazu später mehr) – auch wenn ihr euch noch nie zuvor ein solches Video angesehen habt. Vor ein paar Jahren hat das System meiner ältesten Tochter Videos von Tyler Oakley empfohlen, weil sich damals viele der Vlogbrothers-Fans auch seine Videos angesehen haben. Seitdem ist sie ein großer Fan von Tyler und wir waren mit ihr sogar bei einem Fan-Treffen.
Aber natürlich wissen wir auch, dass nicht jeder diese Informationen immer mit uns teilen möchte. Deshalb haben wir Einstellungen eingerichtet, die es euch ermöglichen, zu entscheiden, wie viele Daten ihr uns zur Verfügung stellen möchtet. Ihr könnt euren YouTube-Such- und Wiedergabeverlauf jederzeit unterbrechen, bearbeiten oder löschen.
So personalisieren wir die Empfehlungen
Um eine so individuelle Auswahl zu bieten, arbeitet unser Empfehlungssystem nicht mit einem „Rezeptbuch“, das vorgibt, was zu tun ist. Es entwickelt sich ständig weiter und lernt jeden Tag aus über 80 Milliarden Informationen, die wir Signale nennen. Deshalb ist es nicht so einfach, eine Formel für Empfehlungen aufzustellen, um für mehr Transparenz zu sorgen. Vielmehr müssen wir alle Daten verstehen, die in unser System einfließen. Eine Reihe von Signalen helfen unserem System dabei, herauszufinden, was euch gefällt: Klicks, Wiedergabezeit, Umfrageantworten, Teilen, „Mag ich“- und „Mag ich nicht“-Bewertungen.
● Klicks: Ein Klick auf ein Video ist ein starker Hinweis darauf, dass ihr es auch gut finden werdet. Schließlich würdet ihr nicht auf etwas klicken, das ihr euch nicht ansehen möchtet.
2011 haben wir jedoch erfahren, dass ein Klick auf ein Video nicht bedeutet, dass ihr es auch tatsächlich angesehen habt. Angenommen ihr sucht nach Highlights des diesjährigen Wimbledon-Spiels. Ihr scrollt durch die Seite und klickt auf eines der Videos mit einem Thumbnail und einem Titel, der darauf hindeutet, dass es Filmmaterial des Spiels zeigt. Stattdessen seht ihr eine Person, die in ihrem Schlafzimmer über das Spiel spricht. Ihr klickt also auf ein Video, das euch unser System unter „Nächstes Video“ empfohlen hat, auf dem jedoch nur ein anderer Fan zu sehen ist, der über das Spiel spricht. Ihr klickt euch immer weiter durch diese Videos, bis ihr endlich auf ein Video stoßt, das Aufnahmen des Spiels zeigt, das ihr euch ansehen wolltet. Aus diesem Grund haben wir 2012 die Wiedergabezeit eingeführt.
● Wiedergabezeit: Eure Wiedergabezeit – welche Videos ihr euch wie lange angesehen habt – liefert unserem System personalisierte Signale, die zeigen, was ihr euch am wahrscheinlichsten ansehen möchtet. Wenn unser Tennisfan also 20 Minuten lang Videos mit Highlights aus Wimbledon angesehen hat und nur ein paar Sekunden lang Videos mit Spielanalysen, können wir sicher davon ausgehen, dass die Highlights schwerer ins Gewicht fallen.
Als wir die Wiedergabezeit erstmals in unseren Empfehlungen berücksichtigten, gingen die Aufrufe sofort um 20 % zurück. Wir waren jedoch der Meinung, dass es für uns wichtiger war, den Zuschauer:innen einen Mehrwert zu bieten. Dennoch bedeutet nicht jede Wiedergabezeit dasselbe. Manchmal bin ich bis spät in die Nacht aufgeblieben, um mir irgendwelche Videos anzusehen, obwohl ich stattdessen auf YouTube eine neue Sprache hätte lernen oder meine Kochkünste mit der Hilfe eines Creators hätte verfeinern können. Die Zuschauer:innen sollen es nicht bereuen, wenn sie sich Videos ansehen. Uns wurde klar, dass wir noch mehr tun müssen, um zu messen, wie viel Wert ihr aus eurer Zeit auf YouTube ziehen könnt.
● Umfrageantworten: Um sicherzustellen, dass den Zuschauer:innen die Inhalte, die sie sich ansehen, auch gefallen, messen wir die so genannte „lohnenswerte Wiedergabezeit“. Das ist die Zeit, die mit dem Ansehen eines Videos verbracht und als wertvoll betrachtet wird. Wir messen die lohnenswerte Wiedergabezeit anhand von Nutzerumfragen, in denen wir die Nutzer:innen bitten, für das Video, das sie sich angesehen haben, eine Bewertung zwischen einem und fünf Sternen abzugeben. Daran können wir erkennen, wie gut ihnen die Inhalte gefallen haben. Wird ein Video mit einem oder zwei Sternen bewertet, fragen wir nach, warum sie eine so niedrige Bewertung abgegeben haben. Wird das Video hingegen mit vier bis fünf Sternen bewertet, fragen wir ebenfalls nach dem Grund, also z. B. ob es inspirierend oder bedeutungsvoll war Nur Videos, die ihr mit vier oder fünf Sternen bewertet, werden als lohnenswerte Wiedergabezeit gezählt.
Natürlich füllt nicht jede:r nach jedem Video, das sie oder er sich ansieht, eine Umfrage aus. Mit den Antworten, die wir erhalten, haben wir ein maschinelles Lernmodell trainiert, um mögliche Umfrageantworten für alle vorherzusagen. Um die Genauigkeit dieser Vorhersagen zu testen, halten wir bei diesem Training absichtlich einige der Umfrageantworten zurück. So können wir immer prüfen, wie gut unser System mit den tatsächlichen Antworten übereinstimmt.
● Teilen, „Mag ich“, „Mag ich nicht“: Im Allgemeinen ist es wahrscheinlicher, dass Zuschauer:innen die Videos gefallen, die sie teilen oder mit „Mag ich“ bewerten. Unser System nutzt diese Informationen, um die Wahrscheinlichkeit vorherzusagen, dass ihr weitere Videos teilen oder mit „Mag ich“ bewerten werdet. Wenn ihr einem Video eine „Mag ich nicht“-Bewertung gebt, ist das ein Signal dafür, dass es euch wahrscheinlich nicht gefallen hat.
Genau wie bei den Empfehlungen hängt die Bedeutung der einzelnen Signale von euch ab. Wenn ihr zu den Leuten zählt, die jedes Video, das sie sich ansehen, mit anderen teilen – auch diejenigen, die sie mit einem oder zwei Sternchen bewertet haben –, dann weiß unser System, dass es bei der Empfehlung von Inhalten eure geteilten Videos nicht zu stark berücksichtigen soll. Das sind die Gründe, warum unser System keiner festen Formel folgt, sondern sich dynamisch entwickelt, wenn sich eure Sehgewohnheiten ändern.
Fokus auf verantwortungsbewusste Empfehlungen
Klicks, Aufrufe, Wiedergabezeit, Nutzerumfragen, Teilen, „Mag ich“- und „Mag ich nicht“-Bewertungen eignen sich hervorragend, um Empfehlungen für Themen wie Musik und Unterhaltung zu geben, also für das, was sich die meisten Menschen auf YouTube ansehen möchten. In den letzten Jahren rufen jedoch immer mehr Menschen YouTube auf, um Nachrichten und Informationen zu erhalten. Ob es sich um die neuesten Nachrichten oder komplexe wissenschaftliche Studien handelt – bei diesen Themen sind die Qualität der Informationen und der Kontext am wichtigsten. Beispielsweise könnte jemand angeben, dass er mit Videos, die behaupten, die Erde sei eine Scheibe, sehr zufrieden ist. Das bedeutet aber nicht, dass wir diese Art von Inhalten mit geringer Qualität empfehlen möchten.
Deshalb sind Empfehlungen ein wichtiger Bestandteil der Art und Weise, wie wir eine verantwortungsvolle Plattform aufrechterhalten. Sie verbinden die Zuschauer:innen mit hochwertigen Informationen und minimieren die Wahrscheinlichkeit, dass sie problematische Inhalte sehen. Und sie sind eine Ergänzung zu unseren soliden Community-Richtlinien, die festlegen, was auf YouTube erlaubt ist und was nicht.
Seit 2011 setzen wir Empfehlungen ein, um zu verhindern, dass sich Inhalte mit geringer Qualität stark verbreiten. Damals haben wir Klassifikatoren entwickelt, um Videos zu identifizieren, die gewaltverherrlichend oder nicht jugendfrei sind – und haben verhindert, dass sie empfohlen werden. 2015 haben wir dann festgestellt, dass reißerische Boulevard-Inhalte vermehrt auf der Startseite aufgetaucht sind und haben sie herabgestuft. Ein Jahr später haben wir angefangen, die Wahrscheinlichkeit vorherzusagen, dass der Inhalt eines Videos Minderjährige in gefährlichen Situationen darstellt. Auf dieser Grundlage wurden diese Videos aus den Empfehlungen entfernt. Um sicherzustellen, dass unser Empfehlungssystem marginalisierte Communities angemessen berücksichtigt, haben wir 2017 damit begonnen, das maschinelle Lernen, auf dem unser System basiert, auf Fairness gegenüber geschützten Gruppen wie der LGTBQ+-Community zu prüfen.
Die Zunahme von Fehlinformationen in den letzten Jahren hat uns dazu veranlasst, die Möglichkeiten unseres Empfehlungssystems zu erweitern, um problematische Fehlinformationen und grenzwertige Inhalte einzubeziehen, d. h. Inhalte, bei denen nicht viel zu einem Verstoß gegen unsere Community-Richtlinien fehlt. Dazu gehören Videos mit Verschwörungstheorien („die Mondlandung wurde erfunden“) oder andere Inhalte, die Fehlinformationen verbreiten („Orangensaft kann Krebs heilen“).
Wir verwenden Klassifikatoren, um festzustellen, ob ein Video „zuverlässig“ oder „grenzwertig“ ist. Diese Einordnung stützt sich auf menschliche Bewerter, die die Qualität der Informationen in einigen Kanälen und Videos geprüft haben. Diese Bewerter kommen aus der ganzen Welt und werden anhand von detaillierten, öffentlich zugänglichen Bewertungsrichtlinien geschult. Wir stützen uns auch auf zertifizierte Expert:innen, wie z. B. Ärztinnen und Ärzte, wenn es sich um Gesundheitsinformationen handelt.
Um feststellen zu können, ob Inhalte zuverlässig sind, beantworten die Bewerter:innen einige zentrale Fragen. Hält der Inhalt, was er verspricht, oder erreicht er sein Ziel? Welche Art von Fachwissen ist erforderlich, um das Ziel des Videos zu erreichen? Welchen Ruf haben die Sprecherin oder der Sprecher des Videos und der Kanal, auf dem es gezeigt wird? Was ist das Hauptthema des Videos (z. B. Nachrichten, Sport, Geschichte, Wissenschaft usw.)? Ist der Inhalt in erster Linie als Satire gedacht? Die Antworten auf diese und weitere Fragen ergeben, wie glaubwürdig ein Video ist. Je höher die Punktzahl ist, desto häufiger wird das Video bei Nachrichten- und Informationsinhalten empfohlen. Um zu entscheiden, ob ein Inhalt grenzwertig ist, prüfen die Bewerter:innen unter anderem, ob der Inhalt ungenau, irreführend oder trügerisch, unsensibel oder intolerant ist und ob er schädlich ist oder Schaden verursachen kann. Die Ergebnisse werden kombiniert und ergeben eine Punktzahl dafür, wie wahrscheinlich es ist, dass das Video schädliche Fehlinformationen enthält oder grenzwertig ist. Jedes Video, das als grenzwertig eingestuft wird, wird in den Empfehlungen herabgestuft.
Unser System wird anhand dieser manuellen Bewertungen trainiert und wir wenden jetzt die Bewertungen auf alle Videos auf YouTube an.
Antworten auf häufige Fragen zu Empfehlungen
Empfehlungen spielen in unserer gesamten Community eine zentrale Rolle, da sie den Zuschauern Inhalte präsentieren, die sie begeistern, und den Creatorn helfen, neue Zielgruppen zu erreichen. Auch für die breitere Gesellschaft können Empfehlungen von Bedeutung sein, indem sie dazu beitragen, die Verbreitung von schädlichen Fehlinformationen zu stoppen. Denn obwohl Klicks, Wiedergabezeit, Nutzerumfragen, Teilen, „Mag ich“- und „Mag ich nicht“-Bewertungen wichtige Signale für unser System sind, steht unser Einsatz dafür, unserer Verantwortung gegenüber der YouTube-Community und der Gesellschaft gerecht zu werden, noch über ihnen.
Es gibt ein paar Fragen zu unserem Empfehlungssystem, die mir immer wieder gestellt werden und die ich hier beantworten möchte:
1. Erzielen grenzwertige Inhalte die meisten Interaktionen?
Durch Umfragen und Feedback haben wir herausgefunden, dass die meisten Zuschauer:innen keine Empfehlungen für grenzwertige Inhalte erhalten wollen. Viele von ihnen empfinden sie als verstörend und abschreckend. Tatsächlich haben wir festgestellt, dass die Wiedergabezeit für anzügliche oder Boulevard-Inhalte, nachdem wir sie herabgestuft hatten, innerhalb von zweieinhalb Monaten im Vergleich zu der Zeit, in der wir keine Einschränkungen vorgenommen haben, um 0,5 % durch direkte Aufrufe zunahm.
Außerdem gibt es keine Belege dafür, dass grenzwertige Inhalte im Durchschnitt ansprechender sind als andere Arten von Inhalten. Nehmen wir die Inhalte von Vertretern der These, die Erde sei eine Scheibe. Es werden zwar viel mehr Videos hochgeladen, in denen behauptet wird, die Erde sei eine Scheibe, als solche, in denen behauptet wird, sie sei rund. Dennoch werden im Durchschnitt Videos über die Erde als eine Scheibe viel seltener angesehen. Umfragen zeigen, dass grenzwertige Inhalte nur einem sehr kleinen Teil der Zuschauer:innen auf YouTube gefallen. Wir haben viel Zeit und Geld investiert, um sicherzustellen, dass diese Inhalte nicht über unser Empfehlungssystem an ein breiteres Publikum gelangen. Heute erhalten grenzwertige Inhalte die meisten ihrer Aufrufe über andere Plattformen, auf denen Links zu YouTube-Videos gepostet werden.
2. Sorgen grenzwertige Inhalte für längere Wiedergabezeiten auf YouTube?
Für die große Mehrheit der Nutzer:innen erfüllen grenzwertige Inhalte nicht die Anforderungen an eine sinnvoll verbrachte Zeit auf YouTube. Aus diesem Grund haben wir 2019 damit begonnen, grenzwertige Inhalte in den Empfehlungen herabzustufen. Seitdem haben wir in den USA einen Rückgang der Wiedergabezeit für nicht abonnierte, empfohlene grenzwertige Inhalte um 70 % festgestellt. Heute liegt die Wiedergabe von grenzwertigen Inhalten, die auf unsere Empfehlungen zurückgeht, deutlich unter 1 %.
3. Lenken Empfehlungen die Zuschauer zu immer extremeren Inhalten?
Wie ich bereits erklärt habe, stufen wir Informationen mit geringer Qualität in unseren Empfehlungen aktiv herab. Wir gehen aber auch noch einen Schritt weiter und zeigen den Zuschauer:innen vertrauenswürdige Videos zu Themen, die sie interessieren könnten. Nehmen wir an, ich sehe mir ein Video über die COVID-19-Impfung an. Unter „Nächstes Video“ werden mir Videos aus zuverlässigen Quellen angezeigt. Videos, die irreführende Informationen über Impfstoffe enthalten, werden nicht angezeigt (soweit unser System sie erkennen kann).
Neben diesen Nachrichten- und Erklärvideos über COVID-19 erhalte ich auch personalisierte Empfehlungen aus anderen Themenbereichen auf der Grundlage meines Wiedergabeverlaufs – einen Sketch von Saturday Night Live oder einen TEDx Talk über den Super Mario-Effekt. Diese personalisierte Vielfalt hilft den Zuschauer:innen, neue Themen und Formate zu entdecken, anstatt immer wieder dieselbe Art von Videos zu sehen.
Immer mehr unabhängige Forscher untersuchen, wie sich Technologieplattformen auf die Nutzung grenzwertiger Inhalte auswirken. Auch wenn diese Untersuchungen noch nicht abgeschlossen sind, kommen neu veröffentlichte Arbeiten zu dem Schluss, dass die Empfehlungen von YouTube die Zuschauer:innen nicht wirklich zu extremen Inhalten führen. Stattdessen zeigen die Aufrufe von Nachrichten und politischen Inhalten auf YouTube eher persönliche Vorlieben, die sich in ihren Online-Gewohnheiten widerspiegeln.
4. Lässt sich mit grenzwertigen Inhalten Geld verdienen?
Gemäß unseren Richtlinien für werbefreundliche Inhalte ist es bei einigen grenzwertigen Inhalten bereits untersagt, mit ihnen Geld zu verdienen. Viele Werbetreibende haben uns mitgeteilt, dass sie nicht mit dieser Art von Inhalten auf YouTube in Verbindung gebracht werden wollen und sich häufig dafür entscheiden, in diesen Videos keine Werbung zu schalten. Das bedeutet, dass jedes Video mit grenzwertigen Inhalten eine verpasste Gelegenheit ist, Geld zu verdienen, was zu realen Einnahmeverlusten für YouTube führt. Außerdem schafft diese Art von Inhalten Misstrauen und sorgt nicht nur bei Werbepartnern, sondern auch in der Öffentlichkeit, der Presse und bei politischen Entscheidungsträgern für Unbehagen. Fakt ist, dass unser Unternehmen und die gesamte Kreativwirtschaft gewachsen sind und zugleich unsere Anstrengungen im Bereich der Verantwortung zugenommen haben. Verantwortung ist gut fürs Geschäft.
Wenn das so ist, warum entfernen wir dann nicht einfach grenzwertige Inhalte? Fehlinformationen ändern sich schnell und entwickeln sich weiter, und im Gegensatz zu Themen wie Terrorismus oder Kinderschutz gibt es oft keinen klaren Konsens. Außerdem können Fehlinformationen je nach persönlicher Perspektive und Hintergrund variieren. Wir sind uns bewusst, dass wir deshalb manchmal kontroverse oder sogar anstößige Inhalte nicht von der Plattform entfernen können. Daher konzentrieren wir uns weiterhin stark auf die Erstellung verantwortungsvoller Empfehlungen und treffen sinnvolle Maßnahmen, um zu verhindern, dass unser System diese Inhalte in großem Umfang empfiehlt.
Alles in allem hat unsere Arbeit im Bereich der verantwortungsvollen Empfehlungen einiges bewirkt. Die Wiedergabezeit vertrauenswürdiger Nachrichten ist stark angestiegen und die Wiedergabezeit grenzwertiger Inhalte gesunken. Das bedeutet nicht, dass wir alle Probleme gelöst haben – es bedeutet nur, dass wir unsere Systeme weiter optimieren und in sie investieren müssen, um sie ständig zu verbessern. Unser Ziel ist es, die Aufrufe von grenzwertigen Inhalten durch Empfehlungen auf unter 0,5 % der gesamten Aufrufe auf YouTube zu reduzieren.
Das Ziel von YouTube ist es, allen eine Stimme zu geben und ihnen die Welt zu zeigen. Das Leben meiner eigenen Familie hat sich dadurch enorm verändert. Videos über Toleranz und Einfühlungsvermögen hatten einen tiefgreifenden und positiven Einfluss auf die Persönlichkeit meiner ältesten Tochter. Mein Sohn hat in seinem Kurs für lineare Algebra eine schwierige Phase bewältigt. Ich habe bei Vorträgen von führenden Persönlichkeiten auf dem Gebiet der Technologieethik viel über Zusammenhänge und Nuancen gelernt. Und unsere Verpflichtung zu einer offenen Plattform hat neue Stimmen und Ideen hervorgebracht, die sonst keine Plattform gehabt hätten. Creator wie Marques Brownlee, MostlySane oder NikkieTutorials haben Millionen von Menschen mit ihrem Fachwissen, ihrem Engagement und ihrer Ehrlichkeit inspiriert.
Dank des Feedbacks von euch allen wird unser Empfehlungssystem täglich besser, aber es kann immer noch besser werden. Mein Team und ich setzen uns weiterhin dafür ein, euch durch diese Arbeit eine möglichst hilfreiche und wertvolle Erfahrung zu bieten.
