„Meta“ paskelbė naują apžvalgą, kaip ji dirba, kad patobulintų jūsų „Reels“ rekomendacijas, naudojant vartotojų atsakymų apklausas, kad būtų galima geriau įvertinti, kurie elementai skatina susidomėjimą ir įsitraukimą.
Be jokios abejonės, jūs pats tai matėte ritės sklaidos kanale – raginimai, rodomi tarp vaizdo įrašų, kuriuose klausiama, kaip jautėtės apie ką tik žiūrėtą ritinį. „Meta“ teigia, kad šį metodą ji taiko dideliu mastu ir, remdamasi pateiktais atsiliepimais, surinko daugiau informacijos, kad padėtų patobulinti ir patobulinti „Reels“ rekomendacijas.
Kaip paaiškino Meta:
“Sverdami atsakymus taip, kad jie būtų teisingi dėl atrankos ir neatsakymo šališkumo, sukūrėme išsamų duomenų rinkinį, kuris tiksliai atspindi realias naudotojų nuostatas – ne tik numanomus įsitraukimo signalus, bet ir tiesioginius, realiu laiku teikiamus vartotojų atsiliepimus.
Taigi, užuot naudoję tik teigiamus įvertinimus, bendrinimus ir žiūrėjimo laiką kaip susidomėjimo rodiklius, „Meta“ nori išplėsti tai ir apsvarstyti daugiau elementų, kurie galėtų dar labiau pagerinti rekomendacijas.
Ir, matyt, veikia.
„Meta“ teigimu, prieš įdiegiant šias apklausas jos rekomendacijų sistemos tik 48,3 % atitiko tikruosius vartotojų interesus. Tačiau dabar, įgyvendinus šiomis apklausomis pagrįstą mokymąsi, šis skaičius išaugo iki daugiau nei 70 proc.
“Integruodami apklausomis pagrįstą matavimą su mašininiu mokymusi, sukuriame patrauklesnę ir labiau suasmenintą patirtį – „Facebook“ ritėse pateikiame turinį, kuris atrodo tikrai pritaikytas kiekvienam vartotojui ir skatina pakartotinius apsilankymus. Nors apklausomis pagrįstas modeliavimas jau pagerino mūsų rekomendacijas, išlieka svarbių tobulinimo galimybių, pvz., geriau aptarnauti vartotojus, kurių įtraukimo istorija yra nedidelė, sumažinti apklausos atrankos ir pateikimo šališkumą, toliau individualizuoti rekomendacijas įvairioms vartotojų grupėms ir gerinti rekomendacijų įvairovę.
Šis metodas nėra naujas, pavyzdžiui, „Pinterest“ išsamiai aprašo, kaip jis naudojo panašias apklausas, kad surinktų atsiliepimus ir patobulintų rekomendacijų sistemas.
Tačiau pagerėjimo tempas yra įspūdingas, ir bus įdomu sužinoti, ar tai žymiai pagerins jūsų ritės pasiūlymų atitikimą.
Nors iš tikrųjų šiuo atžvilgiu Meta vis dar atsilieka nuo „TikTok“.
Visagalis „TikTok“ sklaidos kanalo algoritmas „Jums“ išlieka kompulsyvaus įsitraukimo etalonas, leidžiantis vartotojams valandų valandas naršyti programėlę.
Taigi ką turi TikTok algoritmas, kurio neturi Meta?
Visų pirma, atrodo, kad „TikTok“ sukūrė geresnę objektų atpažinimo klipuose sistemą, kuri suteikia „TikTok“ sistemai daugiau duomenų, kad būtų galima suderinti jūsų nuostatas.
Tačiau „TikTok“ taip pat labai paslaptinga apie tai, kaip veikia algoritmas, ir neatskleis daug apie šį konkretų elementą, nors žinome, kad „TikTok“ sistema klipuose gali atpažinti labai konkrečius vaizdo elementus.
2019 m. „The Intercept“ aptiko pagrindinius „TikTok“ moderatorių principus, kuriuose buvo daugybė labai konkrečių nurodymų, kaip elgtis su tam tikrais vaizdiniais ženklais.
Pagal „The Intercept“:
(TikTok) nurodė moderatoriams užgniaužti įrašus, kuriuos sukūrė vartotojai, kurie platformai laikomi per bjauriais, prastais ar neįgaliais (taip pat) vaizdo įrašus, kuriuose rodomas kaimo skurdas, lūšnynai, alaus pilvai ir kreivos šypsenos. Viename dokumente nurodoma, kad moderatoriai turi nuskaityti įkeltus failus, ar nėra įtrūkusių sienų ir „nepakankamos reputacijos dekoracijų“ pačių vartotojų namuose.
Šios gairės buvo skirtos maksimaliai padidinti platformos siekiamybę, o tai paskatintų didesnį augimą. „TikTok“ pripažino, kad kažkada tokie parametrai egzistavo, tačiau taip pat paaiškino, kad šie konkretūs kvalifikatoriai niekada nebuvo įtraukti pačiame „TikTok“, o parametrai buvo nukopijuoti iš ankstesnio dokumento, skirto tik „Douyin“, kinų versijai.
Nors pats jų egzistavimas rodo, kad „TikTok“ gali sistemingai aptikti šiuos elementus. Turiu omenyje, kad galite manyti, kad „TikTok“ moderatoriai norėjo tai valdyti rankiniu būdu ir atmesti vaizdo įrašus, kuriuose yra šie elementai, remdamiesi žmogaus aptikimu. Tačiau platformos mastu (tiek „TikTok“, tiek „Douyin“ turi šimtus milijonų vartotojų) ši užduotis taptų neįmanoma, todėl šios pastabos taptų visiškai nenaudingos. Nebent sistema galėtų tai aptikti per kompiuterinį matymą.
Čia „TikTok“ tikrai laimi, nes gali daug daugiau suprasti, ką žiūrite, ir atsižvelgti į tai savo rekomendacijose. Taigi, jei praleisite laiką žiūrėdami vaizdo įrašą, kuriame užfiksuotas šviesiaplaukis vyras mėlynomis akimis, galite lažintis, kad pamatysite daugiau panašiai atrodančių kūrėjų turinio.
Išplėskite tai bet kokiu fizinių bruožų ir fono elementų skaičiumi ir pamatysite, kaip TikTok gali geriau prisitaikyti prie jūsų konkrečių nuostatų.
Taigi, nors „TikTok“ taip pat naudoja įprastesnį atitikimą, kalbant apie mygtukus „Patinka“, žiūrėjimo laiką ir t. t., jis taip pat padeda užtikrinti, kad vartotojai prisirištų prie savo telefonų, derindami savo pirmykščius polinkius. Ir jei tikrasis šio proceso gylis kada nors būtų paskelbtas viešai, TikTok greičiausiai būtų atidžiai tikrinamas, nes jis naudoja psichologinį šališkumą ir polinkį, kad priverstų savo vartotojus, galbūt remdamasis probleminėmis ir net žalingomis savybėmis.
Štai čia „Meta“ pralaimi, nes negali įgyvendinti tokio paties supratimo, kad pagerintų savo sistemas. Teoriškai ji galėtų naudoti daugiau psichografinių priemonių, pagrįstų „Facebook“ naudotojų istorija ir vyresnio amžiaus naudotojais, kurie į programą įkėlė daugiau savo asmeninių duomenų, tai gali būti veiksminga. Tačiau dažniausiai „Meta“ remiasi įprastesniais algoritmų signalais, o dabar – ir vartotojų apklausomis, kad pagerintų „Reels“ tiekimą.
Ar jūsų rekomendacijos atrodo geriau vėliau? Tai gali būti priežastis, nors tai taip pat turėtų reikšti, kad jūsų turinys rodomas labiau įsitraukusioms auditorijoms.
