YouTube
Алгоритм YouTube пытается сопоставить каждого зрителя с видео, которые они, скорее всего, будут смотреть. Система уделяет внимание таким моментам, как:
— что смотрят зрители;
— что они не смотрят;
— сколько времени они тратят на просмотр;
— чем они делятся и что им нравится.
YouTube имеет несколько алгоритмов, в том числе для:
• Поиск на YouTube: видео ранжируются на основе того, насколько хорошо заголовки, описания и видеоконтент соответствуют запросам зрителя, и какие видео привлекают наибольшее внимание при поиске.
• «Далее»: рейтинг предлагаемых видеороликов основан на понимании машинного обучения о том, какие из них зрители, скорее всего, будут смотреть дальше. Эти видеоролики часто связаны с видео, которое смотрит зритель, но они также могут быть персонализированы на основе истории просмотра зрителем.
• Домашняя страница: видеоролики выбираются на основе того, как часто зрители смотрят канал или тему, насколько похожие видеоролики заинтересовали и удовлетворили похожих зрителей, и сколько раз YouTube уже показывал каждое видео зрителю.
• YouTube Shorts: относительное время просмотра, как правило, более важно для коротких видеороликов, в то время как абсолютное время просмотра, как правило, более важно для более длинных видеороликов.
Facebook*
Система платформы определяет, какие посты и в каком порядке показывать в ленте новостей. Эти прогнозы основаны на том, на кого подписан человек, чему ставил отметки реакции и с кем недавно общался. Платформа может использовать характеристики публикации, например, кто отмечен на фотографии и когда она была опубликована , чтобы предсказать, понравится ли она пользователю.
Чтобы сузить выборку, система собирает все посты-кандидаты, которые может ранжировать для юзера. После система оценивает каждую единицу контента по его типу и сходству с контентом, с которым обычно взаимодействует юзер. Чтобы дать оценку тысячам постов каждого из 2 млрд пользователей в реальном времени, эти модели запускаются для всех публикаций параллельно с помощью нейросетей.
Instagram*
Каждая часть приложения использует похожие алгоритмы, но порядок важности сигналов для каждого из них варьируется. Для ленты и историй ключевыми сигналами ранжирования являются:
— Информация о публикации: насколько популярна публикация, когда она была опубликована, какой она длины, если это видео и есть ли гео;
— Информация о человеке, который опубликовал сообщение: сколько раз пользователи взаимодействовали с этим человеком за последние несколько недель;
— Активность пользователя: что может заинтересовать пользователя и сколько сообщений ему понравилось;
— История взаимодействия пользователя с кем-либо: насколько пользователь заинтересован в просмотре сообщений от конкретного человека.
Для Explore ключевыми сигналами ранжирования являются:
— Информация о публикации: насколько популярной кажется публикация, а также сколько и как быстро другие люди лайкают, комментируют, делятся и сохраняют публикацию;
— История взаимодействия пользователя с кем-либо;
— Активность пользователя: какие сообщения пользователь лайкнул, сохранил или прокомментировал, а также как они взаимодействовали с сообщениями в Explore в прошлом;
— Информация о человеке, который опубликовал пост.
Для Reels ключевыми сигналами ранжирования являются:
— Активность пользователя: какие ролики понравились пользователю, какие он прокомментировал и с какими он недавно взаимодействовал;
— История взаимодействия пользователя с кем-либо;
Информация о ролике: звуковая дорожка, видеоданные, такие как пиксели и целые кадры, а также популярность;
— Информация о человеке, который опубликовал ролик.
Как и большинство платформ социальных сетей, Twitter имеет несколько алгоритмов. Что важно при формировании ленты:
Актуальность:
— Предыдущие действия пользователей в Twitter, такие как их собственные твиты и твиты, с которыми они взаимодействовали;
— Аккаунты, с которыми они часто взаимодействуют;
— Темы, за которыми они следят, и с которыми они взаимодействуют чаще всего;
— Количество твитов, связанных с темой;
— Для трендов: их местоположение.
Вовлеченность:
— Для твитов: «Насколько он популярен и как люди в вашей сети взаимодействуют с [твитом]»;
— Для трендов: количество твитов, связанных с трендом;
— Для тем: сколько людей пишут, ретвитят, отвечают и лайкают твиты на эту тему;
Время:
— Для трендов: темы, которые популярны сейчас, а не темы, которые были популярны какое-то время или на ежедневной основе;
Медиа:
— Тип медиа, например, изображение, видео, GIF и опросы.
TikTok
Лента TikTok For You представляет поток видеороликов, подобранных с учетом интересов каждого пользователя, что упрощает поиск контента и авторов, которые им нравятся. Рекомендации основаны на ряде факторов, в том числе:
— Взаимодействие с пользователями, например, видео, которые им нравятся или которыми они делятся, аккаунты, на которые они подписаны, комментарии, которые они публикуют, и контент, который они создают;
— Информация о видео, которая может включать такие детали, как подписи, звуки и хэштеги.
— Настройки устройства и учетной записи, такие как языковые предпочтения, настройки страны и тип устройства.
Факторы ранжирования на Pinterest в большей степени связаны с показателями вовлеченности и публикациями в социальных сетях, но они также включают ключевые слова. Для оптимизации ваших пинов:
— Используйте длинные изображения: оптимальный размер пина - 1000 на 1500 пикселей или соотношение 2: 3;
— Используйте привлекательные цвета;
— Используйте заголовки, богатые ключевыми словами: побудите пользователей переходить к вашему контенту;
— Используйте подробные описания: включите в свои описания целевые ключевые слова.
ВКонтакте
Каждый день за внимание аудитории соцсети конкурируют миллионы публикаций, и изучить их все физически невозможно. Алгоритмы ленты новостей и рекомендаций делают так, чтобы пользователи видели не случайные, а самые интересные посты, с учетом их интересов. Процесс можно разделить на несколько этапов:
1. Сбор. В ленту новостей и рекомендаций посты попадают из разных источников. Основной источник записей новостной ленты — подписки пользователей: люди и сообщества. А также посты, связанные с действиями друзей: например, когда они прокомментировали запись, пролайкали или оставили комментарий. Что касается ленты рекомендаций, то в неё в первую очередь попадают записи, которые по оценке алгоритмов могут потенциально понравиться пользователю.
2. Отбор записей — Прежде чем попасть в ленту, все записи фильтруются: по просмотрам, авторам и новизне публикации. Сначала система исключает посты, которые уже просмотрел пользователь. А потом отбирает несколько сотен самых свежих записей.
3. Ранжирование записей на базе модели ценности. Здесь начинается главная магия вне Хогвартса: алгоритм определяет релевантность новости для пользователя. Это сочетание всех потенциальных взаимодействий пользователя с постом. Поэтому важно помнить: чем больше действий в ленте совершает пользователь, тем более точными и разнообразными становятся рекомендации.
Какие алгоритмы есть и в чем их особенности
В разных продуктах ВКонтакте используется огромное количество алгоритмов. Они формируют ленты новостей, распознают тематику контента, помогают найти друзей, подсказывают новые треки, видео или клипы или видео, улучшают качество звонков, блокируют спам — и это только небольшая часть.
Особенно много алгоритмов используется в контентной экосистеме. Например, «Прометей» — искусственный интеллект, который работает на технологиях машинного обучения. Он создан для поддержки интересных авторов и сообществ — «Прометей» определяет повышенное внимание аудитории к контенту. Его автор получает метку «огня» и повышенные охваты в рекомендациях.
Какие метрики влияют на попадание в ленту
Существует огромное количество параметров, которые влияют на попадание в ленту. Раскрывать все подробности из-за большого риска злоупотреблений соцсеть не может. Но один из ключевых параметров — вовлечение аудитории. Чем активнее пользователи ставят лайки, комментарии, репостят контент, слушают музыку, смотрят видео и вовлекают друзей в творчество конкретного автора, тем больше шансов на органическое продвижение такого контента.
TenChat
Алгоритм ранжирования новостной ленты социальной сети TenChat «Зевс» анализирует публикации в каждой тематике по семантическому принципу: например, в тематике DataScience «Зевс» продвинет посты с детальной аналитикой, а в тематике «Фотография» — качественный визуальный контент.
При продвижении постов алгоритм обращает внимание только на контент, а количество подписчиков не имеет значения. Таким образом, в TenChat абсолютно каждый может набрать даже полмиллиона просмотров публикации без единого подписчика.
(пост обновляется)
*входят в Meta – организацию, запрещенную на территории РФ.
