اینستاگرام نحوه عملکرد الگوریتم محتوای خود را توضیح می دهد

در عصر حاضر، که الگوریتم های رسانه های اجتماعی بخش بزرگی از زندگی ما را دیکته می کنند، جای تعجب نیست که کارشناسان و مردم این صنعت شروع به سوال درباره نحوه عملکرد الگوریتم کرده اند. اکنون، آدام موسری، مدیر اجرایی اینستاگرام، در تلاشی برای روشن کردن نحوه عملکرد سیستم توصیه آن و حذف تصورات غلط در مورد الگوریتم آن، در یک پست وبلاگ اخیر توضیح داد که چگونه آنها محتوا را در بخش های مختلف برنامه رتبه بندی می کنند.

موسری توضیح داد که به جای تکیه بر یک الگوریتم واحد، که بسیاری از کاربران حدس می‌زنند، رتبه‌بندی محتوا برای بخش‌های مختلف اینستاگرام مانند استوری‌ها، حلقه‌ها و جستجو تحت تأثیر شبکه پیچیده‌ای از عوامل است که بخش قابل توجهی از آنها از داده‌های تولید شده توسط کاربر ناشی می‌شود. .

عوامل در نظر گرفته شده برای داستان ها و حلقه ها

با شروع داستان‌ها، عوامل متعددی بر رتبه‌بندی استوری تأثیر می‌گذارند، از جمله فراوانی درگیر شدن کاربر با به‌روزرسانی‌های یک حساب، و همچنین تعامل آنها با دیگران از طریق پیام‌های مستقیم و تعاملات Story مانند لایک. علاوه بر این، اینستاگرام همچنین رابطه کاربر با یک حساب کاربری را ارزیابی می کند، مانند اینکه آیا آنها دوست هستند یا خانواده.

وقتی صحبت از حلقه ها می شود، عوامل تأثیرگذار کمی متفاوت است، زیرا اینستاگرام به جای تکیه بر تعامل با یک حساب خاص، اقدامات قبلی کاربر مانند لایک، ذخیره و اشتراک گذاری را بسته به نوع ویدیو در نظر می گیرد. علاوه بر این، این پلتفرم ارزش پیش‌بینی شاخص‌هایی مانند اشتراک‌گذاری مجدد ویدیو، میزان تکمیل، لایک‌ها و تعامل با صدا را نیز محاسبه می‌کند.

مقابله با Shadowbanning

Shadowbanning به طور کلی به حذف یک حساب کاربری یا محتوا بدون توضیح واضح اشاره دارد. و پس از حدس و گمان های گسترده، اینستاگرام سرانجام این نگرانی را پذیرفت و اعلام کرد که فعالانه در حال تلاش برای افزایش شفافیت از طریق معرفی ویژگی “وضعیت حساب” است. این ویژگی نه تنها به کاربران هشدار می‌دهد که اینستاگرام پست‌های آن‌ها را برای توصیه‌ها «نادرست» تشخیص دهد، بلکه به آن‌ها اجازه می‌دهد تا نسبت به تصمیم خود تجدیدنظر کنند.

در حالی که شفافیت اینستاگرام در مورد سیستم توصیه آن قابل ستایش است، درک ماهیت پیچیده چنین الگوریتم‌هایی مهم است، زیرا آنها بر نقاط داده بی‌شماری و مدل‌های یادگیری ماشینی تکیه دارند. بنابراین ارائه یک تعریف ساده امکان پذیر نیست. با این وجود، به دست آوردن بینش در مورد عوامل اساسی که بر توصیه‌ها تأثیر می‌گذارند، کاربران را قادر می‌سازد تا به طور مؤثرتری در پلتفرم حرکت کنند.