Làm kênh bằng AI — chính sách và rủi ro

Chính sách Inauthentic Content, khi nào bắt buộc khai báo nội dung AI, vì sao kênh AI bị xoá, và cách làm giọng TTS/hình AI đỡ lộ.

Ngày khảo sát: 08/2026
Phạm vi khảo sát: Chính sách YouTube tới 08/2026 · đợt quét 01/2026 (16 kênh, 35 triệu sub)

Tài liệu tổng hợp cho mảng sản xuất video hoàn toàn bằng AI (kịch bản LLM, giọng TTS, hình/video AI). Cập nhật đến 2026-08. Nguồn không xác minh được sẽ ghi rõ "chưa xác minh".

1. Bảng tóm tắt

Chủ đề	Kết luận ngắn
Chính sách "Inauthentic Content" (15/07/2025)	Đổi tên từ "Repetitious Content", không đổi bản chất. AI không bị cấm; cấm nội dung mass-produced, dùng template, không có góc nhìn/biến đổi riêng của con người.
Khai báo "Altered or synthetic content"	Bắt buộc khi nội dung giống thật đến mức người xem có thể tưởng là thật (deepfake, giả giọng người thật, dựng cảnh có thật). Việc khai báo không làm giảm doanh thu hay đề xuất — nhưng không khai báo khi phải khai là vi phạm YPP.
Kênh AI bị phạt	Nguyên nhân luôn là mẫu lặp lại (slideshow, kịch bản khuôn, không có phân tích/góc nhìn riêng) — không phải vì "dùng AI". Đợt 01/2026: 16 kênh, 35 triệu sub, 4,7 tỷ view bị xoá vĩnh viễn. Hệ thống S-CTS đã xoá ~130.000 kênh/6 tháng.
Kênh AI vẫn kiếm tốt	Có kịch bản gốc, nhân vật/giọng nhất quán, biên tập thật (chọn góc, thêm phân tích), không đọc lại Wikipedia. Một số kênh "AI slop" vẫn kiếm hàng triệu USD/năm nhờ quy mô — nhưng đang ở vùng xám, rủi ro bị quét trong đợt sau.
Giọng TTS nghe giả	Do thiếu ngữ điệu (prosody), tốc độ đều tăm tắp, không có hơi thở/ngắt nghỉ tự nhiên. Sửa bằng cách viết câu ngắn kiểu nói, chèn dấu câu tạo ngắt nghỉ, dùng SSML, thêm hơi thở, chọn engine có kiểm soát cảm xúc.
Hình/video AI nhìn rẻ tiền	Ảnh tĩnh + zoom Ken Burns đều tay, không có chuyển động lớp (parallax), độ phân giải/ánh sáng không nhất quán giữa các cảnh. Sửa bằng chuyển động đa lớp, thay đổi tốc độ zoom, chèn video ngắn xen ảnh tĩnh, đồng bộ màu/ánh sáng.
Đa ngôn ngữ	Dịch máy 1-1 một format cho nhiều ngôn ngữ rủi ro cao: mất sắc thái văn hoá, giọng TTS dịch nghe lơ lớ, thuật toán mỗi thị trường khác nhau. Giọng TTS bản xứ (native) luôn thắng giọng dịch (translated dub) về watch time.

2. Chính sách: từ "Repetitious Content" sang "Inauthentic Content"

2.1 Mốc thời gian

YouTube công bố thay đổi ngày 09/07/2025, có hiệu lực 15/07/2025. Đây là đổi tên và làm rõ chính sách cũ, không phải chính sách mới. Creator Liaison Rene Ritchie của YouTube gọi đây là "a minor update" (một cập nhật nhỏ) với các quy định hiện hành.

2.2 Nguyên văn định nghĩa "generic or repetitive content"

"Generic or repetitive content includes content that looks like it's made with a template, or that may feel repetitive to viewers after watching several videos in a row from the same channel."

Nguồn: Advertising Business — YouTube's Repetitious Content Policy Explained, Faceless.my — Inauthentic Content Policy Guide

2.3 Nguyên văn — cái gì KHÔNG được phép (không kiếm tiền)

"Similar or repetitive content with low educational value, commentary, narratives, or minimal variation across videos"

"AI-generated content made with generic or unoriginal templates giving the impression of mass production without adding the creator's original, authentic insights or perspective"

Diễn giải thực tế theo báo cáo liên quan: các ví dụ vi phạm điển hình là "channels that upload narrative stories with only superficial differences between them" (kênh đăng chuyện kể chỉ khác nhau bề mặt) và "slideshows that all have the same narration" (slideshow dùng chung một kiểu lời bình).

2.4 Nguyên văn — cái gì VẪN được phép (vẫn kiếm tiền)

"Same intro and outro for your videos, but the bulk of your content is different"

"Similar content, like a series following a set of characters across episodes or a channel that does product reviews, but in which each video has a distinct storyline, focus, or concept"

Yêu cầu cốt lõi, nguyên văn:

"The substance of each video should be materially varied and deliver creative, educational, or other value."

Và tuyên bố trực tiếp của YouTube về việc dùng AI:

"YouTube welcomes creators using AI tools to enhance storytelling, and channels that use AI in their content remain eligible for monetization."

Nguồn: Social Media Today — YouTube Clarifies Monetization Update, YouTube Help — Channel monetization policies

2.5 Ba nhóm dẫn đến mất kiếm tiền (theo phân tích của các nguồn thứ cấp, không phải văn bản chính thức chia nhóm rõ như vậy)

Inauthentic content — mass-produced, dùng template, video gần như giống hệt nhau.
Reused content — lấy nội dung người khác mà không thêm giá trị gốc đáng kể (chính sách này không đổi).
Undisclosed realistic synthetic content — nội dung giống thật mà không gắn nhãn AI.

(Ghi chú: cách chia "3 nhóm" này là diễn giải của báo/blog bên thứ ba để dễ hiểu, không phải nguyên văn chính sách của YouTube — cần xem là khung tham khảo, không phải luật.)

2.6 Khai báo "Altered or synthetic content"

YouTube yêu cầu gắn nhãn khi nội dung là:

"realistic content – content a viewer could easily mistake for a real person, place, scene, or event"

Các ví dụ PHẢI khai báo (trích/diễn giải sát từ YouTube Blog):

"Using the likeness of a realistic person: Digitally altering content to replace the face of one individual with another's"
"Altering footage of real events or places: Such as making it appear as if a real building caught fire"
"Generating realistic scenes: Showing a realistic depiction of fictional major events" (ví dụ: bão đang tiến vào một thị trấn có thật)
Giả giọng nói của một người thật (voice clone), kể cả chỉ vài giây
Deepfake hoán đổi mặt hoặc chỉnh sửa biểu cảm khuôn mặt một cách chân thực

Các trường hợp KHÔNG cần khai báo (trích):

"Generative AI was used for productivity, like generating scripts, content ideas, or automatic captions"
"Clearly unrealistic content, such as animation or someone riding a unicorn through a fantastical world"
"Color adjustment or lighting filters"
"Special effects like background blur"
"Beauty filters or other visual enhancements"

Nguồn: YouTube Blog — How we're helping creators disclose altered or synthetic content

Quan trọng cho kênh AI toàn phần: phần lớn video "kịch bản AI + giọng TTS + hình AI phong cách minh hoạ/hoạt hình" không thuộc diện phải gắn nhãn, vì đây là nội dung rõ ràng không thật (animation/illustration) và AI chỉ hỗ trợ sản xuất. Nhãn chỉ bắt buộc khi hình ảnh/giọng nói trông/nghe như người hoặc sự kiện thật. Nếu kênh dùng nhân vật AI trông như người thật, hoặc giả giọng một người có thật, thì bắt buộc khai báo.

Nhãn không ảnh hưởng xếp hạng: theo các nguồn tổng hợp, việc bật nhãn "Altered or synthetic content" không tự động làm giảm đề xuất hay doanh thu. Cái bị phạt là không khai báo khi lẽ ra phải khai báo — có thể dẫn đến gỡ nội dung hoặc đình chỉ khỏi YPP.

Trường hợp nhạy cảm hơn: với các cảnh giống thật liên quan bầu cử, xung đột, thảm hoạ, tài chính, sức khoẻ — YouTube có thể gắn nhãn nổi bật hơn vì ảnh hưởng đến an toàn/tài chính người xem.

3. Thực tế: ai bị phạt, ai vẫn sống tốt

3.1 Các đợt xử lý quy mô lớn

Tháng 01/2026: YouTube xoá vĩnh viễn 16 kênh, tổng cộng 35 triệu subscriber và 4,7 tỷ lượt xem. Kênh lớn nhất bị xoá là CuentosFacinantes (kênh hoạt hình chủ đề Dragon Ball, gần 6 triệu sub). Tháng 12/2025, Screen Culture và KH Studio cũng bị xoá.
S-CTS (Scalable Cluster Termination System): hệ thống ML hai giai đoạn của Google/YouTube, trong 6 tháng đã xoá 50.000 cụm kênh, tổng cộng ~130.000 kênh. Hệ thống phân tích thời điểm đăng bài, tốc độ đăng, quan hệ giữa các tài khoản, hạ tầng dùng chung, tiêu đề/mô tả giống nhau, và các dấu hiệu nội dung tổng hợp. Tỷ lệ khiếu nại thành công (overturn) dưới 1%. (Nguồn: fstoppers.com, chưa fetch được toàn văn — dựa trên kết quả tìm kiếm, cần đối chiếu thêm nếu dùng làm số liệu chính thức.)
Nghiên cứu của Kapwing (phân tích 15.000 kênh trending toàn cầu): 278 kênh sản xuất thuần "AI slop", tổng cộng hơn 63 tỷ view, 221 triệu subscriber, ước tính 117 triệu USD doanh thu quảng cáo/năm (dữ liệu ~10/2025). Trong 500 video đầu tiên gợi ý cho tài khoản mới, 104 video được xác định là AI slop.

3.2 Nguyên nhân cụ thể khiến kênh AI bị phạt

Xuyên suốt các vụ việc, nguyên nhân không phải "dùng AI" mà là:

Video gần như giống hệt nhau về cấu trúc — chỉ đổi chủ đề/tên nhân vật, còn cách kể/nhịp/kết luận lặp lại.
Format slideshow ảnh tĩnh + lời bình TTS, không có phân tích hay góc nhìn gì thêm ngoài đọc lại thông tin có sẵn (ví dụ: đọc nguyên văn bài Wikipedia).
Đăng số lượng lớn trong thời gian ngắn (velocity cao) từ các kênh có liên kết hạ tầng/tài khoản với nhau — dấu hiệu network "cluster", dễ bị hệ thống tự động gộp xử lý hàng loạt.
Nội dung giống thật (mặt người, giọng người) không gắn nhãn "Altered or synthetic content".

3.3 Kênh bị vạ lây (collateral damage)

Một số kênh hoàn toàn do con người làm (giọng thật, không AI) nhưng không lộ mặt (faceless — video giải thích, video ambient, nội dung giáo dục ngách) bị thuật toán đánh giá nhầm là AI slop và giảm đề xuất, dù bản thân không vi phạm chính sách. Đây được mô tả là "the collateral cost of a compliance deadline the platform did not set" (cái giá phụ của một hạn chót tuân thủ mà chính nền tảng không đặt ra cho những kênh này). Ý nghĩa thực tế: format faceless không phải là vấn đề — thứ hệ thống nhắm tới là mẫu lặp lại quy mô lớn, nhưng việc phân loại tự động chưa hoàn hảo nên faceless dễ bị nghi oan hơn kênh có mặt người.

Nguồn: The Next Web — YouTube's AI slop purge is punishing the human creators who never showed their faces, Hollywood Reporter — Faceless Creators Take a Hit

3.4 Kênh AI vẫn kiếm tiền tốt — họ làm khác gì

Đặc điểm chung được ghi nhận ở các kênh AI "sống sót" qua đợt siết chính sách:

Kịch bản gốc, không phải đọc lại nguồn có sẵn — có phân tích, góc nhìn, hoặc cách kể chuyện riêng.
Nhân vật/giọng nhất quán xuyên suốt kênh (một avatar, một giọng clone riêng) thay vì stock avatar/giọng đổi liên tục mỗi video — tạo cảm giác "có một creator đứng sau" chứ không phải dây chuyền.
Biên tập thật sự: chọn góc, thêm bối cảnh, thêm nhận định — không phải chỉ đổi từ khoá đầu vào cho cùng một template.
Kết hợp AI với nguồn thu khác (ví dụ newsletter, sản phẩm số) — theo một nguồn, các kênh làm vậy kiếm gấp 3,1 lần doanh thu/subscriber so với kênh chỉ dựa quảng cáo. (Chưa xác minh độc lập, chỉ từ một bài blog thứ cấp — dùng như tham khảo, không phải số liệu chính thức.)

Ví dụ cần cẩn trọng: kênh Ấn Độ Bandar Apna Dost — nội dung AI toàn phần (nhân vật khỉ AI, câu chuyện ngắn giàu cảm xúc dạng Shorts), báo cáo đạt hơn 2 tỷ view và ước tính 4,25 triệu USD/năm. Tuy nhiên chính kênh này cũng bị một số bài phân tích xếp vào nhóm "AI slop có view cao nhất" vì công thức lặp lại theo mô-típ cảm xúc giống nhau ở mỗi video — tức là đang ở vùng xám của chính sách, kiếm tiền tốt hiện tại không đồng nghĩa an toàn lâu dài nếu YouTube mở rộng phạm vi quét. Không nên coi đây là hình mẫu để sao chép an toàn, chỉ là dữ liệu thực tế về quy mô thị trường.

Nguồn: NewsBytes — Most-viewed AI slop YouTube channel makes $4.5M/year, Business Standard

4. Chất lượng nghe: vì sao giọng TTS nghe giả — checklist sửa ngay

4.1 Nguyên nhân giọng TTS "lộ máy"

Ngữ điệu phẳng (flat intonation): cao độ gần như không đổi, thiếu lên-xuống theo cảm xúc câu.
Nhịp đều tăm tắp: đọc câu dài-ngắn với tốc độ như nhau, không có khoảng dừng tự nhiên theo dấu câu hoặc theo ý.
Không nhận diện được sắc thái: engine không phân biệt câu hỏi/câu cảm thán/câu kể, đọc tất cả cùng một tông.
Thiếu hơi thở, thiếu "tạp âm sự sống": giọng người thật luôn có hít thở nhẹ, khoảng ngừng micro trước câu dài — TTS mặc định thường cắt sạch những khoảng này.

4.2 Checklist làm được ngay

Ở khâu viết kịch bản:

[ ] Viết câu ngắn, văn nói — tránh câu phức nhiều mệnh đề nối tiếp (văn viết trang trọng luôn lộ máy khi đọc thành tiếng).
[ ] Chủ động chèn dấu câu để tạo ngắt nghỉ: dấu phẩy, dấu ba chấm (…), xuống dòng ở chỗ cần dừng hơi.
[ ] Đánh dấu từ khoá cần nhấn (nếu engine hỗ trợ emphasis/SSML).
[ ] Đa dạng độ dài câu trong cùng một đoạn — tránh 5-6 câu liền cùng nhịp.

Ở khâu chọn/chỉnh engine TTS:

[ ] Ưu tiên engine hỗ trợ SSML (ngắt nghỉ tuỳ chỉnh <break>, nhấn từ <emphasis>, điều chỉnh tốc độ/cao độ theo đoạn).
[ ] Ưu tiên engine có "expressive voice" / điều khiển cảm xúc (vui, nghiêm túc, thì thầm...) thay vì giọng đọc một tông cố định.
[ ] Nếu engine hỗ trợ "reference audio" / neural prosody transfer, dùng một đoạn ghi âm mẫu có ngữ điệu tự nhiên để engine học nhịp theo.
[ ] Chèn hơi thở nhẹ (breath sample) trước các câu dài — có thể ghép thủ công một đoạn hít thở ngắn, âm lượng thấp, vào file audio.

Ở khâu hậu kỳ audio:

[ ] Nghe lại toàn bộ voice-over một lượt bằng tai (không chỉ xem transcript) — nếu tự thấy "đều đều buồn ngủ" thì khán giả cũng sẽ thấy vậy.
[ ] Cắt/giãn thủ công các khoảng lặng giữa câu cho tự nhiên hơn mức mặc định của engine.
[ ] Tránh audio "sạch" tuyệt đối — một chút room tone/hơi thở nhẹ ở nền giúp giọng bớt vô trùng.

Nguồn: Digen AI — Why AI Voices Sound Robotic, Narration Box, Voice.ai Hub

5. Chất lượng nhìn: vì sao hình/video AI nhìn rẻ tiền — checklist sửa ngay

5.1 Nguyên nhân

Ảnh tĩnh + zoom Ken Burns đều tay: một tốc độ zoom/pan lặp lại y hệt ở mọi cảnh khiến video có "nhịp máy" rất dễ nhận ra sau vài phút xem.
Thiếu chuyển động lớp (parallax): chỉ zoom toàn khung hình phẳng, không có tiền cảnh/hậu cảnh di chuyển khác tốc độ — mắt người quen phân biệt cảnh quay thật nhờ độ sâu chuyển động.
Không nhất quán ánh sáng/độ phân giải giữa các cảnh: mỗi ảnh AI sinh ra độc lập nên tông màu, hướng sáng, độ nét có thể lệch nhau — ghép liên tiếp gây cảm giác "chắp vá".
Không có chuyển động thật nào trong khung hình: không gió thổi, không rung nhẹ, không vật thể di chuyển — cảnh "chết cứng" chỉ được cứu bằng chuyển động camera giả.

5.2 Checklist làm được ngay

[ ] Đừng dùng một tốc độ/kiểu zoom cố định cho mọi cảnh — luân phiên: zoom in chậm, zoom out, pan ngang, giữ tĩnh hoàn toàn ở một số cảnh có nhịp kịch bản chậm.
[ ] Thêm chuyển động đa lớp (parallax 2.5D) nếu công cụ cho phép tách lớp tiền cảnh/hậu cảnh — dù đơn giản, hiệu ứng độ sâu này cải thiện rõ rệt cảm giác "sống".
[ ] Xen kẽ video AI ngắn (2-4 giây có chuyển động thật trong khung: gió, nước, người đi lại) giữa các ảnh tĩnh thay vì toàn bộ video chỉ là ảnh + Ken Burns.
[ ] Đồng bộ màu (color grade) toàn bộ các cảnh ở khâu hậu kỳ để tông màu/độ tương phản nhất quán xuyên suốt video, che bớt sự "chắp vá" giữa các ảnh sinh từ các lần prompt khác nhau.
[ ] Tránh cận cảnh khuôn mặt AI quá gần — sai số của model (mắt, tay, chi tiết da) lộ rõ nhất ở cận cảnh; ưu tiên trung cảnh/toàn cảnh.
[ ] Thêm hạt grain/nhiễu phim nhẹ (subtle film grain) ở hậu kỳ để che các artefact nén/AI, đồng thời tạo cảm giác "quay" hơn là "dựng".
[ ] Đổi tốc độ chuyển động theo nhịp lời thoại — cảnh có thoại nhanh/gấp thì chuyển động nhanh hơn, cảnh trầm lắng thì gần như tĩnh; tránh chuyển động cùng một nhịp bất kể nội dung.

Nguồn: ReelMind — AI Video Zoom Effects, Style Frame — The Ken Burns Effect

6. Đa ngôn ngữ: rủi ro khi nhân bản một format ra nhiều thứ tiếng

6.1 Rủi ro dịch máy 1-1

Mất sắc thái văn hoá: một câu đùa/tham chiếu văn hoá hợp ở thị trường này có thể vô nghĩa hoặc phản cảm ở thị trường khác — dịch máy (NMT) không tự sửa được việc này.
Giọng dịch (translated dub) nghe lơ lớ: pipeline dịch chuẩn gồm ASR (nhận diện giọng gốc) → NMT (dịch văn bản) → TTS (tổng hợp giọng ngôn ngữ đích). Ngay cả khi TTS hiện đại "gần như không phân biệt được với giọng người" trong bài test cô lập từng câu, giọng dịch cả video vẫn dễ lộ vì: nhịp câu dịch không khớp nhịp gốc, trọng âm/thanh điệu đặc trưng ngôn ngữ đích bị "vay mượn" từ pattern ngôn ngữ gốc.
Auto-dub của chính YouTube có giới hạn thật: về chất lượng giọng, khả năng kiểm soát biên tập, và độ chính xác dịch thuật — không phù hợp nếu kênh coi đa ngôn ngữ là chiến lược chính chứ không phải tính năng phụ.
Thuật toán đề xuất khác nhau theo thị trường/ngôn ngữ: một format "ăn" ở một ngôn ngữ không đảm bảo hiệu suất tương tự khi chỉ đổi audio track — mô tả, tiêu đề, thumbnail cũng cần bản địa hoá riêng, không chỉ lồng giọng.
Rủi ro chính sách cộng dồn: nếu một format được nhân bản qua nhiều kênh/nhiều ngôn ngữ với cùng cấu trúc, cùng kịch bản chỉ đổi ngôn ngữ, đây chính xác là mô tả "mass-produced templates" mà chính sách Inauthentic Content nhắm tới — nhân bản đa ngôn ngữ không tự động miễn trừ, thậm chí có thể là tín hiệu cluster (nhiều kênh liên quan, cùng hạ tầng) khiến hệ thống tự động dễ gộp xử lý.

6.2 Giọng bản xứ (native) vs giọng dịch (translated dub)

Giọng TTS bản xứ (viết kịch bản riêng bằng ngôn ngữ đích hoặc bản địa hoá sâu, không chỉ dịch câu-với-câu) giữ được nhịp điệu, thành ngữ, cách nhấn nhá tự nhiên của ngôn ngữ đó — nghe "thật" hơn nhiều so với giọng dịch.
Giọng dịch trực tiếp từ kịch bản gốc thường giữ cấu trúc câu của ngôn ngữ nguồn, khiến ngôn ngữ đích nghe "dịch", ảnh hưởng đến giữ chân người xem (average view duration) — theo các nguồn tổng hợp, đây là lý do các bên làm dubbing chuyên nghiệp khuyến nghị có con người bản xứ review lại bản dịch/kịch bản, không dừng ở máy dịch thuần.
Gợi ý thực tế nếu mở rộng đa ngôn ngữ: coi mỗi ngôn ngữ là một kênh/kịch bản riêng được bản địa hoá, không phải một audio track phụ gắn vào cùng một video gốc — chi phí cao hơn nhưng giảm rủi ro cả về chất lượng lẫn chính sách.

Nguồn: 3Play Media — Complete Guide to YouTube Dubbing, Linguana — Choosing AI Dubbing Service, Translated.com — Multilingual AI Dubbing

7. LẰN ĐỎ — làm gì thì chắc chắn mất kiếm tiền

Đăng nhiều video có cùng cấu trúc/kết luận, chỉ đổi chủ đề hoặc tên nhân vật — đây là định nghĩa nguyên văn của "inauthentic content".
Đọc lại nguyên văn một nguồn có sẵn (Wikipedia, bài báo, script mua sẵn) qua giọng TTS mà không thêm phân tích/góc nhìn — đúng ví dụ vi phạm chính sách nêu ra.
Dùng slideshow ảnh tĩnh + một kiểu lời bình lặp lại cho hàng loạt video — bị gọi tên trực tiếp trong các ví dụ vi phạm ("slideshows that all have the same narration").
Dùng khuôn mặt/giọng nói giống thật (deepfake, voice clone của người thật) mà không bật nhãn "Altered or synthetic content" — vi phạm YPP, có thể bị gỡ nội dung hoặc đình chỉ khỏi chương trình kiếm tiền, kể cả khi nội dung không xấu về bản chất.
Vận hành nhiều kênh với cùng hạ tầng/kịch bản/nhịp đăng bài giống hệt nhau — đây chính là tín hiệu mà hệ thống tự động (S-CTS) dùng để gộp xử lý cả cụm kênh cùng lúc, kể cả khi từng kênh riêng lẻ trông "vô hại".
Tăng tốc độ đăng bài bất thường (velocity cao) trên nhiều kênh liên quan trong thời gian ngắn — một trong các tín hiệu chính mà hệ thống phát hiện mạng lưới coi trọng.
Dịch máy thuần một format sang nhiều ngôn ngữ mà không bản địa hoá, đặc biệt nếu vận hành dưới dạng nhiều kênh giống hệt nhau chỉ khác ngôn ngữ — vừa rủi ro chất lượng, vừa rủi ro bị xem là cluster mass-produced.
Coi việc gắn nhãn AI là tuỳ chọn "nếu bị hỏi mới làm" — chính sách yêu cầu chủ động khai báo trước, không phải khai khi bị chất vấn; im lặng có hệ thống là vi phạm.

8. Danh sách nguồn

Lưu ý: một số số liệu (130.000 kênh S-CTS, tỷ lệ doanh thu 3,1x khi kết hợp newsletter) đến từ bài blog/báo thứ cấp chưa đối chiếu được với công bố chính thức của Google/YouTube — dùng làm tham khảo về xu hướng, không nên trích dẫn như số liệu chính thức đã kiểm chứng.