Meta îmbunătățește recomandările pentru Reels
Meta a publicat o nouă prezentare generală a modului în care lucrează pentru a îmbunătăți recomandările pentru Reels, folosind sondaje de feedback de la utilizatori pentru a evalua mai bine ce elemente generează interes și angajament.
Utilizarea sondajelor pentru feedback
Datorită acestor sondaje, utilizatorii sunt întrebați cum s-au simțit în legătură cu Reels-urile vizionate, iar Meta a implementat această abordare la scară largă. Pe baza feedback-ului, compania a obținut informații suplimentare pentru a rafina și îmbunătăți recomandările pentru Reels.
Progrese semnificative în alinierea recomandărilor
Meta a raportat că, înainte de implementarea acestor sondaje, sistemele sale de recomandare aveau o aliniere de 48,3% cu adevăratele interese ale utilizatorilor. Acum, după aplicarea învățării bazate pe aceste sondaje, acest procent a crescut la peste 70%.
Integrarea modelării bazate pe sondaje și machine learning
Meta menționează: „Prin ponderarea răspunsurilor pentru a corecta biasul de eșantionare și non-răspuns, am construit un set de date cuprinzător care reflectă cu acuratețe preferințele reale ale utilizatorilor – trecând dincolo de semnalele implicite de angajament pentru a valorifica feedback-ul direct al utilizatorilor în timp real.” Acest lucru sugerează o experiență mai personalizată și atractivă pentru utilizatori.
Provocări rămase și oportunități de îmbunătățire
Meta recunoaște că, deși modelarea bazată pe sondaje a îmbunătățit recomandările, există în continuare oportunități importante pentru îmbunătățire, cum ar fi servirea mai bună a utilizatorilor cu istorii de angajament scăzute, reducerea biasului în eșantionare și livrare, personalizarea suplimentară a recomandărilor pentru cohorte diverse de utilizatori și îmbunătățirea diversității recomandărilor.
Comparativ cu TikTok
Deși progresele sunt impresionante, Meta se află în urmă față de TikTok, al cărui algoritm „For You” rămâne un etalon pentru angajament compulsiv. TikTok a dezvoltat un sistem mai bun de recunoaștere a entităților în clipuri, ceea ce îi oferă mai multe date pentru a se potrivi preferințelor utilizatorilor.
Detalii despre algoritmul TikTok
Deși TikTok este secretiv în privința modului în care funcționează algoritmul său, se știe că sistemul poate identifica elemente vizuale specifice din clipuri. Acest lucru permite TikTok să alinieze recomandările mai bine cu preferințele utilizatorilor, bazându-se pe caracteristici fizice și elemente de fundal.
Implicarea psihologică în recomandări
Utilizând aliniamente psihologice și preferințe, TikTok reușește să mențină utilizatorii pe aplicație, în timp ce Meta se bazează pe semnale algoritmice mai comune și acum pe sondaje pentru a îmbunătăți fluxul de Reels.
Concluzie
Îmbunătățirile în recomandările pentru Reels de la Meta sugerează o direcție promițătoare, dar rămâne de văzut dacă acestea vor putea concura cu eficiența algoritmilor TikTok în ceea ce privește relevanța și angajamentul utilizatorilor.
