احتمالاً این اتفاق را دیدهاید: یک پست ناگهان برای یک هفته همهجا ظاهر میشود و بعد تقریباً به همان سرعتی که آمده بود، ناپدید میشود.
یا شاید فهرست دنبالشوندگان شما و یکی از دوستانتان تقریباً یکسان باشد، اما وقتی صفحه «برای شما» یا فید اصلی را باز میکنید، با مجموعهای کاملاً متفاوت از محتوا روبهرو شوید.
این تفاوت تصادفی نیست.
الگوریتمها مدتها پیش از ظهور اینستاگرام، تیکتاک یا یوتیوب وجود داشتهاند. آنها برای مرتبسازی، پردازش و اولویتبندی اطلاعات به کار گرفته میشدند.
آنچه تغییر کرده، مقیاس این سیستمها و نقشی است که اکنون در زندگی دیجیتال ما دارند.
امروز شبکههای اجتماعی فقط با این سؤال مواجه نیستند که «چه چیزی منتشر شده است؟»
آنها باید تصمیم بگیرند:
کدام محتوا را به چه کسی نشان دهند، در چه زمانی نشان دهند و در چه ترتیبی قرار دهند.
وقتی روزانه میلیونها یا حتی میلیاردها محتوای مختلف تولید میشود، نمایش ساده و chronological همه پستها دیگر پاسخ مناسبی به این حجم از اطلاعات نیست.
در نتیجه، الگوریتمها به یکی از مهمترین بخشهای تجربه کاربر در شبکههای اجتماعی تبدیل شدهاند.
شبکههای اجتماعی چگونه از الگوریتمها استفاده میکنند؟
الگوریتم را میتوان به زبان ساده، مجموعهای از دستورالعملها برای رسیدن به یک نتیجه یا تصمیم مشخص دانست.
برای درک مفهوم آن میتوان یک دستور پخت را تصور کرد که مشخص میکند با موادی مانند تخممرغ و آرد چه کاری باید انجام شود.
البته الگوریتمهای شبکههای اجتماعی بسیار پیچیدهتر از یک دستورالعمل ساده هستند.
هر لحظه حجم عظیمی از پستها، ویدئوها، تصاویر، نظرات و سایر محتواها در حال تولید است. سیستم باید از میان این حجم گسترده، مجموعهای از محتوا را انتخاب و برای هر کاربر اولویتبندی کند.
بنابراین شبکه اجتماعی معمولاً همه پستهای منتشرشده را صرفاً به ترتیب زمان نمایش نمیدهد.
در عوض، محتوا بر اساس مجموعهای از سیگنالها ارزیابی و رتبهبندی میشود.
این سیگنالها میتوانند شامل رفتار قبلی کاربر، ویژگیهای محتوا، ارتباط میان کاربر و تولیدکننده محتوا، میزان تعامل و عوامل دیگری باشند.
نکته مهم این است که حتی در یک پلتفرم واحد نیز الزاماً یک الگوریتم برای همه بخشها وجود ندارد.
سیستمی که تصمیم میگیرد چه چیزی در صفحه اصلی نمایش داده شود، ممکن است با سیستمی که ویدئوی بعدی را پیشنهاد میکند یا نتایج جستوجو را مرتب میکند، تفاوت داشته باشد.
بنابراین اگر یک محتوا در قسمت جستوجو عملکرد خوبی داشته باشد، لزوماً به این معنی نیست که در فید اصلی یا بخش پیشنهادها نیز دقیقاً به همان شکل رتبهبندی خواهد شد.
الگوریتم چگونه تصمیم میگیرد چه چیزی ببینید؟
شبکههای اجتماعی میتوانند از مجموعه بسیار بزرگی از سیگنالها برای ساختن تصویری تقریبی از علایق و رفتار کاربران استفاده کنند.
برای مثال:
چه ویدئوهایی را تماشا میکنید؟
چه مدت آنها را تماشا میکنید؟
چه پستهایی را لایک میکنید؟
چه چیزهایی را به اشتراک میگذارید؟
روی چه محتواهایی نظر میگذارید؟
چه حسابهایی را دنبال میکنید؟
چه موضوعاتی را جستوجو میکنید؟
کدام ویدئوها را تا انتها میبینید؟
و حتی از کنار چه محتواهایی بدون تعامل عبور میکنید؟
همه این رفتارها میتوانند اطلاعاتی درباره ترجیحات احتمالی کاربر در اختیار سیستم قرار دهند.
پیش از آنکه سیستمهای توصیه شخصیسازیشده تا این اندازه گسترده شوند، بسیاری از فیدها عمدتاً بر اساس زمان مرتب میشدند.
در چنین حالتی نیز یک الگوریتم وجود داشت.
فقط قانون آن بسیار ساده بود:
جدیدترین پست را اول نشان بده.
اما با افزایش حجم محتوا، این روش دیگر نمیتوانست بهخوبی پاسخ دهد.
فرض کنید ۵۰۰ حساب را دنبال میکنید و بخش زیادی از آنها در طول یک ساعت چندین پست منتشر کنند.
اگر همه این محتواها صرفاً به ترتیب زمان نمایش داده شوند، احتمال زیادی وجود دارد که پستهای موردعلاقه شما در میان انبوهی از محتوای کماهمیت گم شوند.
الگوریتمهای جدید تلاش میکنند این مشکل را با پیشبینی رفتار کاربر حل کنند.
برای نمونه، یوتیوب اعلام کرده است که سیستم پیشنهاد محتوای آن از سیگنالهایی مانند سابقه تماشا، سابقه جستوجو، اشتراکها و بازخوردهایی مانند پسندیدن و نپسندیدن برای پیشبینی ویدئویی که احتمالاً کاربر میخواهد ببیند استفاده میکند.
این نکته نیز اهمیت دارد که بخشهای مختلف یک پلتفرم الزاماً با یک منطق یکسان کار نمیکنند.
ویدئویی که در صفحه اصلی پیشنهاد میشود، لزوماً با همان معیارهایی رتبهبندی نمیشود که ویدئوی بعدی در صفحه تماشای یک ویدئو یا نتیجه جستوجو رتبهبندی میشود.
بنابراین نمیتوان از «الگوریتم شبکه اجتماعی» بهعنوان یک سیستم واحد و ساده صحبت کرد.
در عمل، مجموعهای از سیستمهای رتبهبندی و توصیه در کنار یکدیگر کار میکنند.
الگوریتم در واقع در حال پیشبینی است، نه قضاوت
یکی از سوءبرداشتهای رایج این است که الگوریتم تصمیم میگیرد یک پست «خوب» است یا «بد».
در بسیاری از موارد، مسئله دقیقاً این نیست.
سیستم بیشتر تلاش میکند پاسخ این سؤال را پیشبینی کند:
احتمال اینکه این کاربر به این محتوا علاقهمند شود چقدر است؟
این تفاوت بسیار مهم است.
ممکن است یک ویدئو از نظر هنری، علمی یا محتوایی بسیار باکیفیت باشد، اما برای یک کاربر خاص جذابیت زیادی نداشته باشد.
در مقابل، ممکن است یک ویدئوی بسیار ساده به دلیل ارتباط زیاد با علایق یک گروه خاص، تعامل بسیار بالایی دریافت کند.
الگوریتم الزاماً نمیگوید کدام محتوا «ارزشمندتر» است.
در بسیاری از موارد، تلاش میکند احتمال واکنش کاربر به آن محتوا را تخمین بزند.
البته معیارهای واقعی هر پلتفرم متفاوت است و هیچ الگوریتمی را نمیتوان با یک فرمول ساده توضیح داد.
اما اصل کلی مشابه است:
رفتار گذشته برای پیشبینی رفتار آینده استفاده میشود.
اگر بارها ویدئوهای مربوط به سفر را تا انتها تماشا کرده باشید، سیستم ممکن است احتمال علاقه شما به ویدئوی دیگری درباره سفر را بالا ارزیابی کند.
اگر مرتب محتوای یک موضوع را رد کنید، احتمالاً وزن آن موضوع در پیشنهادهای آینده کاهش پیدا میکند.
و اگر روی یک نوع محتوا بارها توقف کنید، حتی بدون لایک یا کامنت، همین رفتار میتواند برای سیستم اطلاعاتی درباره میزان توجه شما فراهم کند.
به همین دلیل است که فید دو نفر میتواند کاملاً متفاوت باشد؛ حتی اگر هر دو دقیقاً حسابهای مشابهی را دنبال کنند.
چرا یک محتوا ناگهان وایرال میشود؟
وقتی یک پست در میان گروه اولیهای از کاربران واکنش بسیار خوبی دریافت میکند، پلتفرم میتواند دلیلی برای نمایش آن به گروه بزرگتری از کاربران داشته باشد.
اگر گروه جدید نیز واکنش مشابهی نشان دهد، چرخه ادامه پیدا میکند.
بازدید بیشتر.
تعامل بیشتر.
اطلاعات بیشتر درباره مخاطبان احتمالی.
نمایش به افراد بیشتر.
و دوباره تعامل بیشتر.
این یک حلقه بازخورد ایجاد میکند.
به همین دلیل ممکن است حسابی با چندصد دنبالکننده، ناگهان محتوایی منتشر کند که به دست میلیونها نفر برسد.
در چنین شرایطی، تعداد دنبالکنندگان اولیه دیگر تنها عامل تعیینکننده نیست.
عملکرد خود محتوا میتواند باعث شود دامنه توزیع آن بسیار فراتر از جامعه اولیه مخاطبان برود.
اما نکته مهم این است که یک فرمول ساده برای «وایرال شدن» وجود ندارد.
هیچ دکمهای وجود ندارد که یک پست را صرفاً به دلیل استفاده از چند هشتگ، طول مشخص یا تعداد مشخصی کلمه به میلیونها کاربر نشان دهد.
وایرال شدن نتیجه تعامل پیچیده میان محتوا، مخاطب، زمان، زمینه، رفتار کاربران و واکنش سیستم رتبهبندی است.
حتی محتوایی که در یک روز بسیار موفق است، ممکن است در روز دیگر عملکرد متفاوتی داشته باشد.
به همین دلیل، تلاش برای مهندسی دقیق یک پست وایرال معمولاً با عدم قطعیت زیادی همراه است.
چرا الگوریتم همیشه درست عمل نمیکند؟
چون الگوریتم ذهن انسان را نمیخواند.
در حال پیشبینی است.
فرض کنید یک روز بهدلیل کنجکاوی، یک ویدئو درباره تهیه نان خمیرترش تماشا کنید.
ممکن است ناگهان فید شما پر شود از ویدئوهای مربوط به خمیرترش، نانوایی، دستورهای پخت و ابزارهای مخصوص آن.
آیا واقعاً به همه این موارد علاقهمند شدهاید؟
نه لزوماً.
شاید فقط یکبار کنجکاو بودهاید.
اما سیستم از اطلاعات محدودی که در اختیار دارد، تلاش میکند نتیجهگیری کند.
اگر چند رفتار متوالی شبیه به هم اتفاق بیفتد، احتمالاً اعتماد سیستم به این فرض بیشتر میشود.
این موضوع میتواند همان احساس آشنای «الگوریتم عوض شده است» را نیز ایجاد کند.
گاهی کاربران تصور میکنند پلتفرم ناگهان الگوریتم خود را تغییر داده است، در حالی که ممکن است تغییر اصلی در رفتار خود آنها رخ داده باشد.
یک موضوع جدید جستوجو شده است.
یک نوع ویدئو بیشتر تماشا شده است.
روی یک محتوای خاص چند ثانیه بیشتر توقف شده است.
یا چند پست مشابه پشت سر هم دیده شدهاند.
سیستم این تغییرات را دریافت میکند و پیشبینیهای خود را بهروزرسانی میکند.
در نتیجه، فید نیز تغییر میکند.
البته این به آن معنا نیست که الگوریتمهای پلتفرمها هرگز تغییر نمیکنند.
آنها دائماً بهروزرسانی، آزمایش و تنظیم میشوند.
اما هر تغییر محسوسی در فید الزاماً نتیجه یک «تغییر بزرگ الگوریتمی» نیست.
گاهی خود کاربر نیز بخشی از این معادله است.
چرا فید شما اینقدر شخصی به نظر میرسد؟
هیچ الگوریتم واحدی وجود ندارد که برای همه کاربران تصمیم بگیرد چه چیزی ببینند.
هر پلتفرم مجموعهای از سیستمهای مختلف دارد و این سیستمها دائماً در حال ارزیابی سیگنالهای گوناگون هستند.
آنچه میبینید، نتیجه ترکیبی از رفتار شما، محتوای موجود، ویژگیهای حسابهایی که دنبال میکنید، تعاملات قبلی و پیشبینی سیستم درباره علاقه احتمالی شماست.
به همین دلیل، فید هر کاربر میتواند تا حد زیادی شخصیسازی شود.
اما شخصیسازی فقط به معنای نشان دادن چیزهایی نیست که قبلاً دوست داشتهاید.
اگر سیستم بتواند ارتباطی میان دو موضوع پیدا کند، ممکن است محتوایی را نشان دهد که قبلاً هرگز با آن تعامل نداشتهاید.
این همان چیزی است که باعث میشود یک موضوع ناشناخته ناگهان همهجا دیده شود.
در ظاهر، به نظر میرسد الگوریتم تصمیم گرفته است آن موضوع «خوب» است.
اما در واقع، ممکن است صرفاً پیشبینی کرده باشد که شما به آن اهمیت میدهید.
و این دو مفهوم با یکدیگر تفاوت دارند.
الگوریتمها چگونه رفتار کاربران را تغییر میدهند؟
رابطه میان کاربر و الگوریتم یکطرفه نیست.
الگوریتم از رفتار کاربر یاد میگیرد، اما همان الگوریتم نیز با انتخاب محتوایی که به کاربر نشان میدهد، میتواند رفتار بعدی او را تحت تأثیر قرار دهد.
این موضوع یک چرخه ایجاد میکند.
کاربر محتوایی را میبیند.
واکنش نشان میدهد.
سیستم این واکنش را ثبت میکند.
محتوای مشابه بیشتری نمایش داده میشود.
کاربر دوباره واکنش نشان میدهد.
و سیستم پیشنهادهای خود را دوباره تنظیم میکند.
در نتیجه، فید فقط بازتاب علایق فعلی کاربر نیست.
تا حدی میتواند در شکلگیری و تقویت همین علایق نیز نقش داشته باشد.
این موضوع یکی از دلایل مهم بحث درباره الگوریتمهای شبکههای اجتماعی است.
اگر کاربر مرتب محتوای یک موضوع خاص را ببیند، احتمال تعامل او با همان موضوع افزایش پیدا میکند. سپس این تعامل میتواند باعث نمایش بیشتر همان محتوا شود.
به این ترتیب، الگوریتم و رفتار کاربر میتوانند یکدیگر را تقویت کنند.
آیا میتوان الگوریتم شبکههای اجتماعی را شکست داد؟
بهتر است به جای «شکست دادن» الگوریتم، آن را یک سیستم پیشبینی در نظر گرفت.
برای تولیدکنندگان محتوا، شناخت این سیستم میتواند مفید باشد.
محتوای مرتبط با یک مخاطب مشخص معمولاً شانس بیشتری برای دریافت تعامل معنادار دارد.
شروع قدرتمند ویدئو میتواند توجه اولیه را حفظ کند.
ارائه اطلاعات واقعی میتواند باعث تعامل و بازگشت مخاطب شود.
و انتشار منظم به یک تولیدکننده محتوا کمک میکند داده بیشتری درباره عملکرد مطالب خود جمعآوری کند.
اما تلاش برای فریب سیستم با ترفندهای کوتاهمدت، همیشه نتیجه پایدار ایجاد نمیکند.
الگوریتمها نیز ثابت نمیمانند.
روشهایی که امروز مؤثر هستند ممکن است فردا وزن کمتری پیدا کنند.
به همین دلیل، شناخت مخاطب و تولید محتوای ارزشمند معمولاً پایه مطمئنتری از تلاش برای پیدا کردن یک «ترفند مخفی الگوریتم» است.
در نهایت، الگوریتم شبکه اجتماعی یک موجود مرموز و جادویی نیست که تصمیم بگیرد چه چیزی را دوست داشته باشید.
یک سیستم محاسباتی بسیار پیچیده است که با استفاده از دادهها و مدلهای آماری و یادگیری ماشین، دائماً در تلاش است پیشبینی کند چه محتوایی احتمالاً برای شما جذابتر خواهد بود.
گاهی این پیشبینی بسیار دقیق است.
گاهی هم نتیجه کاملاً اشتباه از آب درمیآید.
به همین دلیل است که ممکن است یک روز فید شما دقیقاً همان چیزی را نشان دهد که میخواهید و روز دیگر، پس از یک ویدئوی ساده درباره خمیرترش، ناگهان به این نتیجه برسد که تمام زندگی شما حول نانپزی میچرخد.
الگوریتم قرار نیست ذهن شما را بخواند؛ قرار است رفتار شما را پیشبینی کند.
و هرچه بیشتر از شبکههای اجتماعی استفاده کنید، داده بیشتری برای این پیشبینی در اختیار سیستم قرار میدهید.
در نتیجه، چیزی که در فید میبینید فقط حاصل آن چیزی نیست که پلتفرم منتشر کرده است.
حاصل تعامل میان محتوا، رفتار شما، سایر کاربران و سیستمهای الگوریتمی است.
همین تعامل است که فید هر کاربر را به تجربهای متفاوت تبدیل میکند و توضیح میدهد چرا یک پست میتواند برای یک نفر کاملاً نامرتبط باشد، اما برای فردی دیگر ناگهان همهجا ظاهر شود.
