Κατανόηση του αλγορίθμου κατάταξης ροής ειδήσεων του Facebook

προσωπική ενσωμάτωση στο facebook

Η προβολή της επωνυμίας σας στις ροές ειδήσεων του κοινού-στόχου σας είναι το απόλυτο επίτευγμα για τους κοινωνικούς εμπόρους. Αυτός είναι ένας από τους πιο σημαντικούς και συχνά αόριστους στόχους στην κοινωνική στρατηγική μιας μάρκας. Μπορεί να είναι ιδιαίτερα δύσκολο στο Facebook, μια πλατφόρμα που έχει έναν περίτεχνο και συνεχώς εξελισσόμενο αλγόριθμο που έχει σχεδιαστεί για να εξυπηρετεί το κοινό το πιο σχετικό περιεχόμενο.

EdgeRank ήταν το όνομα που δόθηκε στον αλγόριθμο ροής ειδήσεων του Facebook πριν από χρόνια και παρόλο που θεωρείται πλέον παρωχημένο εσωτερικά, το όνομα έχει ζήσει και εξακολουθεί να χρησιμοποιείται από τους εμπόρους σήμερα. Το Facebook εξακολουθεί να χρησιμοποιεί τις έννοιες του αρχικού αλγορίθμου EdgeRank και του πλαισίου στο οποίο βασίστηκε, αλλά με νέο τρόπο.

Το Facebook το αναφέρεται ως αλγόριθμος κατάταξης ροής ειδήσεων. Πώς λειτουργεί; Ακολουθούν οι απαντήσεις στις βασικές ερωτήσεις σας:

Τι είναι οι άκρες;

Οποιαδήποτε ενέργεια κάνει ένας χρήστης είναι μια πιθανή ιστορία ροής ειδήσεων και το Facebook καλεί αυτές τις ενέργειες άκρες. Κάθε φορά που ένας φίλος δημοσιεύει μια ενημέρωση κατάστασης, σχολιάζει την ενημέρωση κατάστασης ενός άλλου χρήστη, επισημαίνει μια φωτογραφία, συμμετέχει σε μια σελίδα επωνυμίας ή μοιράζεται μια ανάρτηση, δημιουργεί μια άκρηκαι μια ιστορία σχετικά με αυτό το πλεονέκτημα θα μπορούσε ενδεχομένως να εμφανιστεί στην προσωπική ροή ειδήσεων του χρήστη.

Θα ήταν εξαιρετικά συντριπτικό εάν η πλατφόρμα έδειχνε όλες αυτές τις ιστορίες στη ροή ειδήσεων, οπότε το Facebook δημιούργησε έναν αλγόριθμο για να προβλέψει πόσο ενδιαφέρουσα θα είναι κάθε ιστορία για κάθε μεμονωμένο χρήστη. Ο αλγόριθμος Facebook ονομάζεται "EdgeRank" επειδή ταξινομεί τις άκρες και στη συνέχεια τα φιλτράρει στη ροή ειδήσεων ενός χρήστη για να δείξει τις πιο ενδιαφέρουσες ιστορίες για τον συγκεκριμένο χρήστη.

Τι είναι το αρχικό πλαίσιο EdgeRank;

Τα αρχικά τρία κύρια μέρη του αλγορίθμου EdgeRank είναι βαθμολογία συνάφειας, βάρος άκρουκαι χρονική αποσύνθεση.

Η βαθμολογία συνάφειας είναι η σχέση μεταξύ μιας επωνυμίας και κάθε θαυμαστή, που μετράται από το πόσο συχνά ένας θαυμαστής προβάλλει και αλληλεπιδρά με τη σελίδα και τις αναρτήσεις σας, εκτός από τον τρόπο με τον οποίο αλληλεπιδράτε αμοιβαία μαζί τους.

Το βάρος άκρου μετράται με τη συλλογή των τιμών των άκρων ή των ενεργειών που πραγματοποιεί ένας χρήστης, με εξαίρεση τα κλικ. Κάθε κατηγορία ακμών έχει διαφορετικό προεπιλεγμένο βάρος, για παράδειγμα τα σχόλια έχουν υψηλότερες τιμές βάρους από συμπαθεί γιατί δείχνουν μεγαλύτερη εμπλοκή από τον ανεμιστήρα. Μπορείτε γενικά να υποθέσετε ότι οι άκρες που χρειάζονται περισσότερο χρόνο για να επιτύχουν τείνουν να ζυγίζουν περισσότερο.

Η χρονική αποσύνθεση αναφέρεται στο πόσο καιρό ήταν ζωντανό το άκρο Το EdgeRank είναι ένα σκορ τρεξίματος, όχι ένα μόνο πράγμα. Έτσι, όσο πιο πρόσφατη είναι η ανάρτησή σας, τόσο υψηλότερη είναι η βαθμολογία σας στο EdgeRank. Όταν ένας χρήστης συνδέεται στο Facebook, η ροή ειδήσεών του συμπληρώνεται με περιεχόμενο που έχει την υψηλότερη βαθμολογία τη συγκεκριμένη χρονική στιγμή.

φόρμουλα edgerank στο facebook

Πίστωσης Εικόνα: EdgeRank.net

Η ιδέα είναι ότι το Facebook επιβραβεύει τις μάρκες που δημιουργούν σχέσεις και τοποθετούν το πιο σχετικό και ενδιαφέρον περιεχόμενο στην κορυφή της τροφοδοσίας ειδήσεων ενός χρήστη, έτσι ώστε οι αναρτήσεις να είναι ειδικά προσαρμοσμένες σε αυτούς.

Τι άλλαξε με το Facebook Edgerank;

Ο αλγόριθμος έχει αλλάξει ελαφρώς, παίρνοντας μια αναβάθμιση με νέες δυνατότητες, αλλά η ιδέα είναι η ίδια: το Facebook θέλει να δώσει στους χρήστες ενδιαφέρον περιεχόμενο, ώστε να συνεχίσουν να επιστρέφουν στην πλατφόρμα.

Ένα νέο χαρακτηριστικό, το story bumping, επιτρέπει στις ιστορίες να επανεμφανιστούν που οι άνθρωποι δεν είχαν αρχικά μετακινηθεί αρκετά προς τα κάτω για να δουν. Αυτές οι ιστορίες θα βρεθούν κοντά στην κορυφή της ροής ειδήσεων εάν εξακολουθούν να συγκεντρώνουν πολλή αφοσίωση. Αυτό σημαίνει ότι οι δημοφιλείς δημοσιεύσεις σελίδων θα μπορούσαν να έχουν περισσότερες πιθανότητες εμφάνισης ακόμη και αν είναι ηλικίας μερικών ωρών (αλλάζοντας την αρχική χρήση του στοιχείου χρονικής αποσύνθεσης) μεταβαίνοντας στην κορυφή της ροής ειδήσεων εάν οι ιστορίες εξακολουθούν να λαμβάνουν υψηλό αριθμό των επισημάνσεων "μου αρέσει" και των σχολίων (εξακολουθούν να χρησιμοποιούνται στοιχεία βαθμολογίας συνάφειας και βάρους άκρου) Τα δεδομένα έχουν δείξει ότι αυτό δείχνει στο κοινό τις ιστορίες που θέλουν να δουν, ακόμα κι αν χάθηκαν την πρώτη φορά.

Άλλες λειτουργίες αποσκοπούν στο να επιτρέπουν στους χρήστες να βλέπουν αναρτήσεις από τις σελίδες και τους φίλους τους που θέλουν πιο έγκαιρα, ειδικά με δημοφιλή θέματα. Το συγκεκριμένο περιεχόμενο λέγεται ότι είναι σχετικό μόνο εντός ενός συγκεκριμένου χρονικού πλαισίου, επομένως το Facebook θέλει τους χρήστες να το δουν ενώ παραμένει σχετικό. Όταν ένας φίλος ή μια σελίδα είστε συνδεδεμένοι σε αναρτήσεις για κάτι που είναι επί του παρόντος ένα καυτό θέμα συνομιλίας στο Facebook, όπως μια αθλητική εκδήλωση ή μια πρεμιέρα σεζόν τηλεοπτικής εκπομπής, αυτή η ανάρτηση είναι πιο πιθανό να εμφανίζεται ψηλότερα στη ροή ειδήσεων στο Facebook, ώστε να μπορείτε δείτε το νωρίτερα.

Οι αναρτήσεις που δημιουργούν υψηλή αφοσίωση λίγο μετά την ανάρτηση είναι πιο πιθανό να εμφανίζονται στη ροή ειδήσεων, αλλά όχι τόσο πιθανές εάν η δραστηριότητα πέσει γρήγορα μετά την ανάρτηση. Η σκέψη πίσω από αυτό είναι ότι εάν οι άνθρωποι αλληλεπιδρούν με την ανάρτηση αμέσως μετά την ανάρτησή της, αλλά όχι λίγες ώρες αργότερα, η ανάρτηση ήταν πιο ενδιαφέρουσα τη στιγμή που δημοσιεύτηκε και πιθανώς λιγότερο ενδιαφέρουσα αργότερα. Αυτός είναι ένας άλλος τρόπος για να διατηρήσετε το περιεχόμενο στο newsfeed έγκαιρα, σχετικό και ενδιαφέρον.

Πώς μπορώ να μετρήσω το Analytics ροής ειδήσεων στο Facebook;

Δεν υπάρχει διαθέσιμο εργαλείο τρίτου μέρους για τη μέτρηση της βαθμολογίας EdgeRank μιας μάρκας, καθώς πολλά από τα δεδομένα είναι ιδιωτικά. Ένα πραγματικό Βαθμολογία EdgeRank δεν υπάρχει επειδή κάθε θαυμαστής έχει διαφορετική βαθμολογία συνάφειας με τη σελίδα της επωνυμίας. Επιπλέον, το Facebook διατηρεί έναν αλγόριθμο μυστικό και συνεχώς το τροποποιεί, πράγμα που σημαίνει ότι η αξία των σχολίων σε σύγκριση με τις επισημάνσεις "μου αρέσει" αλλάζει συνεχώς.

Ο πιο αποτελεσματικός τρόπος μέτρησης της επίδρασης του αλγορίθμου που εφαρμόζεται στο περιεχόμενό σας είναι να δείτε πόσα άτομα έχετε προσεγγίσει και πόση αφοσίωση έλαβαν οι αναρτήσεις σας. Εργαλεία όπως SumAll Facebook Analytics περιλαμβάνει αυτά τα δεδομένα σε μια περιεκτική analytics ταμπλό ιδανικό για μέτρηση και παρακολούθηση αυτών των μετρήσεων.

Ποια είναι η γνώμη σας;

Αυτός ο ιστότοπος χρησιμοποιεί το Akismet για να μειώσει το spam. Μάθετε πώς επεξεργάζονται τα δεδομένα των σχολίων σας.