درک الگوریتم رتبه بندی اخبار فیس بوک

ادغام شخصی فیس بوک

به دست آوردن نمایان بودن نام تجاری خود در اخبار خبری مخاطبان هدف ، دستاورد نهایی بازاریابان اجتماعی است. این یکی از مهمترین و اغلب دست نیافتنی ترین اهداف در استراتژی اجتماعی یک برند است. این امر به ویژه در فیس بوک ممکن است دشوار باشد ، سکویی که الگوریتمی مفصل و دائماً در حال تکامل دارد و برای ارائه مناسب ترین محتوای مخاطبان طراحی شده است.

EdgeRank نامی بود که سالها پیش به الگوریتم خبرخوان فیس بوک داده شده بود و حتی اگر اکنون از نظر داخلی منسوخ شده است ، امروزه این نام همچنان ادامه دارد و همچنان مورد استفاده قرار می گیرد. فیس بوک هنوز در حال استفاده از مفاهیم الگوریتم اصلی EdgeRank و چارچوبی است که بر روی آن ساخته شده است ، اما به روشی جدید.

فیس بوک از آن به عنوان الگوریتم رتبه بندی خبرخوان یاد می کند. چگونه کار می کند؟ در اینجا پاسخ س questionsالات اساسی شما وجود دارد:

Edges چیست؟

هر اقدامی که کاربر انجام می دهد ، یک خبر فوری اخبار است و فیس بوک این اقدامات را فراخوانی می کند لبه. هر زمان که دوست به روزرسانی وضعیت را ارسال می کند ، در مورد به روزرسانی وضعیت کاربر دیگر نظر می دهد ، عکسی را برچسب گذاری می کند ، به یک صفحه مارک می پیوندد یا یک پست را به اشتراک می گذارد ، این امر باعث ایجاد یک پست می شود لبه، و داستانی در مورد آن لبه به طور بالقوه می تواند در خبرخبر شخصی کاربر نشان داده شود.

بسیار طاقت فرسا خواهد بود اگر این پلتفرم همه این داستان ها را در خبرخوان نشان دهد ، بنابراین فیس بوک الگوریتمی برای پیش بینی میزان جذابیت هر داستان برای هر کاربر خاص ایجاد کند. الگوریتم فیس بوک "EdgeRank" نامیده می شود زیرا لبه ها را درجه بندی می کند و سپس آنها را در خبرخوان کاربر فیلتر می کند تا جالب ترین داستان ها را برای آن کاربر خاص نشان دهد.

چارچوب اصلی EdgeRank چیست؟

سه قسمت اصلی الگوریتم EdgeRank هستند نمره میل, وزن لبهو زمان پوسیدگی.

نمره وابستگی رابطه بین یک مارک و هر طرفدار است که با توجه به اینکه یک طرفدار هر بار صفحه و پست های شما را مشاهده و تعامل می کند ، علاوه بر نحوه تعامل متقابل شما با آنها ، اندازه گیری می شود.

وزن لبه با جمع آوری مقادیر لبه ها ، یا اقداماتی که کاربر انجام می دهد ، به استثنای کلیک ، اندازه گیری می شود. هر دسته از لبه ها دارای وزن پیش فرض متفاوتی هستند ، به عنوان مثال نظرات دارای ارزش وزنی بالاتری نسبت به دوست دارد زیرا درگیری بیشتر فن را نشان می دهند. به طور کلی می توانید فرض کنید که لبه هایی که برای انجام بیشترین زمان لازم دارند ، وزن بیشتری دارند.

پوسیدگی زمان به مدت زنده بودن لبه اشاره دارد. EdgeRank یک امتیاز دویدن است ، یک چیز نیست. بنابراین هرچه پست شما جدیدتر باشد ، امتیاز EdgeRank شما بالاتر می رود. هنگامی که یک کاربر وارد فیس بوک می شود ، اخبار وی با محتوایی پر می شود که بالاترین امتیاز را در آن لحظه خاص از زمان داشته باشد.

فرمول edgerank فیس بوک

اعتبار تصویر: EdgeRank.net

ایده این است که فیس بوک به مارک هایی که روابط برقرار می کنند پاداش می دهد و مرتبط ترین و جالب ترین مطالب را در بالای اخبار کاربر قرار می دهند تا پست ها به طور خاص متناسب با آنها باشد.

چه چیزی با Facebook Edgerank تغییر کرده است؟

الگوریتم اندکی تغییر کرده است و با ویژگی های جدید به روزرسانی شده است ، اما ایده هنوز همان است: فیس بوک می خواهد به کاربران محتوای جالبی بدهد تا مدام به سیستم عامل برگردند.

یکی از ویژگی های جدید ، دست انداختن داستان ، اجازه می دهد داستان هایی دوباره ظاهر شوند که مردم آنقدر پایین نرفتند که بتوانند آنها را ببینند. اگر هنوز هم درگیر جذابیت های زیادی شوند ، این داستان ها در بالای صفحه خبر متلاشی می شوند. این به این معنی است که پست های صفحه محبوب حتی اگر چند ساعت از عمر آنها گذشته باشد (در صورت تغییر استفاده اصلی از عنصر پوسیدگی زمان) ، با رفتن به بالای منبع خبری اگر داستان همچنان تعداد زیادی دریافت می کند ، شانس بیشتری برای نمایش دارد. از لایک و نظر (هنوز از عناصر نمره میل و عناصر وزن لبه استفاده می شود). داده ها پیشنهاد کرده اند که این داستان هایی را که می خواهند ببینند به مخاطبان نشان می دهد ، حتی اگر بار اول از دست برود.

ویژگی های دیگر این است که به کاربران اجازه می دهد پست های صفحات و دوستان خود را به صورت به موقع تر مشاهده کنند ، به ویژه با موضوعات پرطرفدار. گفته می شود که محتوای خاص فقط در یک بازه زمانی خاص مرتبط است ، بنابراین فیس بوک می خواهد کاربران آن را ببینند در حالی که همچنان مرتبط است. وقتی دوست یا صفحه ای به پست هایی درباره موضوعی متصل هستید که در حال حاضر یکی از موضوعات داغ گفتگو در فیس بوک است مانند یک رویداد ورزشی یا نمایش فصل نمایش تلویزیونی ، آن پست به احتمال زیاد بالاتر در خبرخوان فیس بوک شما ظاهر می شود ، بنابراین می توانید زودتر ببین

پست هایی که اندکی پس از ارسال مشارکت بالایی دارند ، احتمالاً در خبرخوان نشان داده می شوند ، اما اگر فعالیت پس از ارسال سریع کاهش یابد ، به احتمال زیاد نیست. تفکری که در پشت این وجود دارد این است که اگر افراد بلافاصله پس از ارسال با پست درگیر می شوند اما چند ساعت بعد پست نمی شوند ، پست در زمان ارسال بیشتر جالب بود و بعداً احتمالاً کمتر جالب بود. این روش دیگری برای حفظ به موقع ، مرتبط و جالب توجه مطالب در اخبار خبری است.

چگونه تجزیه و تحلیل اخبار فیس بوک خود را اندازه گیری کنم؟

هیچ ابزار شخص ثالثی برای اندازه گیری امتیاز EdgeRank یک مارک وجود ندارد زیرا بسیاری از داده ها خصوصی هستند. واقعی امتیاز EdgeRank وجود ندارد زیرا هر طرفدار دارای نمره میل متفاوت با صفحه مارک است. علاوه بر این ، فیس بوک این الگوریتم را مخفی نگه می دارد ، و آنها دائماً آن را دستکاری می کنند ، به این معنی که ارزش نظرات در مقایسه با لایک ها دائما در حال تغییر است.

موثرترین روش برای اندازه گیری تأثیر الگوریتم اعمال شده بر محتوای شما ، دیدن تعداد افرادی است که به آنها رسیده اید و پست های شما چه میزان تعامل را دریافت کرده است. ابزارهایی مانند SumAll Facebook Analytics این داده ها را در یک جامع شامل کنید علم تجزیه و تحلیل داشبورد مناسب برای اندازه گیری و ردیابی این معیارها.

شما چه فکر میکنید؟

این سایت از Akismet برای کاهش هرزنامه استفاده می کند. بدانید که چگونه نظر شما پردازش می شود.