چگونه الگوریتم Tiktok افراد عادی را به افراد مشهور تبدیل می کند؟

قبل از ظهور TikTok، بیشتر فعالان فناوری معتقد بودند که کلید موفقیت برنامه های رسانه های اجتماعی، فناوری خاصی است که ارتباطات اجتماعی کاربران را به یکدیگر مرتبط می کند. محبوبیت پلتفرم های اینستاگرام و فیس بوک شرکت متا نیز این باور را تقویت کرده است. اما موفقیت Tiktok نشان داده است که الگوریتمی که با درک علایق کاربر هدایت می‌شود، می‌تواند قدرتمندتر و مؤثرتر باشد.

مدیران Tik Tok به جای توسعه الگوریتم‌های خود بر روی نمودارهای اجتماعی، از «سیگنال‌های علاقه» کاربران استفاده می‌کنند.

فرمت ویدیوی کوتاه به TikTok اجازه می دهد تا پویاتر از رقبای خود باشد و حتی تغییرات در علایق و ترجیحات کاربر را در طول زمان ردیابی کند. به همین دلیل، نتایج مورد نظر کاربر را با دقت در بازه زمانی مشخص یک روزه نمایش می دهد.

مطابق با جیسون نیشرئیس سابق واحد بازی TikTok گفت: فرمت ویدیوی کوتاه به TikTok اجازه می‌دهد تا اولویت‌های کاربر را سریع‌تر درک کند. او می گوید:

از آنجایی که ویدیوهای Tik Tok بسیار کوتاه هستند، جمع آوری اطلاعات در مورد ترجیحات کاربر بسیار سریعتر از پلتفرمی مانند YouTube امکان پذیر است. فرض کنید متوسط ​​طول ویدیوهای یوتیوب کمتر از ده دقیقه باشد. یوتیوب هر ده دقیقه و TikTok هر دو دقیقه یک بار اطلاعات کاربران را جمع آوری می کند. چنین تفاوت مشخصی می تواند کل فرآیند اجرایی را متحول کند.

وضعیت TikTok به عنوان یک پلتفرم توسعه یافته از ابتدا برای موبایل، مزیت بزرگی به آن بخشیده است. زیرا پلتفرم های رقیب باید رابط کاربری خود را از صفحه کامپیوتر به تلفن همراه تطبیق دهند.

ورود اولیه TikTok به عرصه ویدیوهای کوتاه نیز نقطه عطف مهمی در تاریخ رسانه های اجتماعی بود. اینستاگرام ویژگی Rails را در سال 2020 راه‌اندازی کرد و YouTube بخش Shorts را در سال 2021 راه‌اندازی کرد. بنابراین، هر دو رقیب سال‌ها از نظر تجربه توسعه محصول و داده‌ها از Tik Tok عقب هستند.

TikTok به طور مرتب ویدیوهایی را به کاربران خارج از علایق آنها پیشنهاد می کند. به گفته TikTok، این تنوع بخشی ضروری از تجربه کاربری اپلیکیشن است.

بر اساس مطالعات انجام شده توسط محققان آمریکایی و آلمانی در ماه گذشته، الگوریتم TikTok تنها 30 تا 50 درصد از ویدیوهای پیشنهادی را بر اساس علایق کاربران انتخاب می کند. این محققان در مقاله خود نوشتند:

الگوریتم TikTok به گونه ای طراحی شده است که هدف آن شناخت بهتر کاربران و افزایش نرخ تعامل است و طیف وسیعی از ویدئوها را به کاربران توصیه می کند که ممکن است جزو علایق (مشخص) آنها نباشد.

بله لایتمن پروفسور دانشگاه کارنگی ملون می‌گوید یکی دیگر از تاکتیک‌های موثر Tik Tok تشویق کاربران به تشکیل گروه‌های عمومی از طریق هشتگ است. این راه حل به پلتفرم کمک می کند تا بینش دقیق و مؤثرتری در مورد رفتار، علایق، همسویی و ایدئولوژی کاربران خود دریافت کند.

الگوریتم TikTok تا حد زیادی از برنامه چینی Douyin که در سال 2016 معرفی شد مشتق شده است. اگرچه ByteDance اصرار دارد که TikTok و Douyin برنامه های جداگانه ای هستند، منابع می گویند این دو الگوریتم تا به امروز مشابه هستند.

هوش مصنوعی Devine پلتفرم خود را تا حد زیادی با استخدام نیروی کار ارزان توسعه داده است. این شرکت چندین مفسر محتوا را استخدام کرده است که به دقت همه کاربران و انواع محتوا را در پلتفرم برچسب گذاری می کنند.

آره برای من مدیر آژانس تبلیغاتی Netiox می‌گوید که دوین در سال‌های 2018 و 2019 روی برچسب‌گذاری کاربران فردی کار کرده است. آنها ابتدا به صورت دستی هر ویدیو را برچسب گذاری کردند و سپس کاربران را بر اساس ویدیویی که تماشا کردند برچسب گذاری کردند.

در حال حاضر، استفاده از حاشیه نویس ها برای طبقه بندی داده ها یک روش محبوب و مهم برای شرکت های هوش مصنوعی است. اما Bytedance مدت ها پیش این استراتژی را پذیرفت. به گفته لی، مرتب‌سازی برچسب‌ها خسته‌کننده و دشوار است و شرکت‌های چینی این مزیت را دارند که نیروی کار زیادی را با هزینه کمتر به کار می‌گیرند که در شرکت‌های آمریکای شمالی امکان‌پذیر نیست.

الگوریتم TikTok یک سیستم ویژه است که تعیین می کند کدام ویدیوها و به چه ترتیبی به کاربران نشان داده شوند. در واقع این سیستم با تجزیه و تحلیل هزاران سیگنال ارسالی هر کاربر در این پلتفرم اولویت های خود را مشخص می کند.

مهمترین سیگنال های کلیدی از تعاملات کاربر، داده های ویدئویی و تنظیمات تلفن همراه استخراج می شوند. در نتیجه، صفحه For You یا به اختصار FYP برای هر کاربر کاملا سفارشی شده است و هیچ دو کاربر دقیقاً صفحات مشابهی را نمی بینند.

فرض کنید وارد برنامه شده اید و ویدیوهای C، B، A و D را دوست داشته اید. دوست شما ویدیوهای C، B، A و E را پسندید و نفر سوم ویدیوهای C، B، A و F را دوست داشت. این الگوریتم محل تلاقی این اولویت‌ها، یعنی A، B و C را در فید کاربرانی که هنوز این ویدیوها را تماشا نکرده‌اند، نشان می‌دهد.

حال به این فکر کنید که این روند در مقیاس وسیع و به صورت بلادرنگ برای میلیون ها کاربر تکرار می شود و علاوه بر لایک ها، عوامل بسیار دیگری نیز در نتیجه نهایی تاثیرگذار هستند. هوش مصنوعی و یادگیری ماشین در خط مقدم الگوریتم ها قرار دارند و انجام این کار را در مقیاسی شگفت انگیز ممکن می کنند.