Le Dwell Time de LinkedIn expliqué

Le Dwell Time de LinkedIn, c'est un peu comme une discussion sexuelle entre ados prépubères : tout le monde en parle mais personne ne sait vraiment de quoi il s'agit.

Il est temps de clarifier un peu tout cela. Et vous dire ce que cela signifie vraiment !

Comment fonctionne l'algorithme jusqu'à présent ?

Avant de parler de « Dwell Time », il est important de parler du fonctionnement de l'algorithme. J'ai déjà fait un article détaillé sur le sujet, mais voici un résumé.

Des milliers de personnes postent sur LinkedIn chaque jour.

Chaque jour, des millions de publications sont vues sur LinkedIn.

Pour relier les deux : un algorithme qui va déterminer qui doit voir quel post.

Étant donné que Linkedin gagne de l'argent grâce aux publicités, et que celles-ci sont affichées tous les 5 posts, il est nécessaire de faire défiler un maximum de posts pour que les utilisateurs génèrent un maximum de revenus.

Cela signifie montrer les messages les plus intéressants.

Mais comme l'algorithme n'est pas assez intelligent pour comprendre le contenu d'un post et déterminer s'il est "intéressant", il se basera sur les interactions des utilisateurs avec le post (ainsi que d'autres critères comme un lien externe, une vidéo, une image etc… qui peut influencer la portée).

Jusqu'à présent, les interactions étudiées par l'algorithme correspondaient à l'engagement : le nombre de likes reçus et le nombre de commentaires publiés au début de la vie du post. Les commentaires ont beaucoup plus de poids que les likes.

Puis vint le Dwell Time…

Pourquoi le temps de séjour ?

Il y a deux raisons principales pour le Dwell Time . La première est la plus importante et la version officielle.

La seconde est secondaire et non officielle.

Il faut savoir que sur un réseau social, on observe la répartition suivante :

• 1% des utilisateurs publient,
• 10% des utilisateurs s'engagent (like ou commentaire),
• 90% des utilisateurs consomment du contenu sans interagir.

LinkedIn s'est donc demandé : comment prendre en compte l'avis des 90% qui n'interagissent pas ? Comment pouvons-nous obtenir le comportement des 90 % pour nous aider à déterminer la qualité d'un message ?

D'autre part, les actions d'engagement sont binaires. Cela pose deux problèmes :

• Ils ne sont pas linéaires. 1 like vaut 1 like, 1 commentaire vaut 1 commentaire. Cependant, je mettrai le même j'aime sur le contenu qui m'a fait sourire ou sur le meilleur post que j'ai jamais lu de ma vie. ️
• ils sont faciles à simuler : je peux simplement demander à des personnes que je connais de publier des likes ou des commentaires ou d'utiliser des pods pour augmenter artificiellement la portée de mon contenu.

Ce second point correspond à la raison officieuse : limiter l'impact des pods .

Mesurer la qualité d'un post et donc définir sa portée organique par ce que les ingénieurs de LinkedIn appellent des « actions virales » est donc une approximation trop grossière.

Ils expliquent également que les clics sur un lien ou "voir plus" de la publication peuvent être des indicateurs trompeurs car l'utilisateur peut immédiatement quitter la page ouverte ou ne pas lire le reste de la publication.

De même, des indicateurs comme le partage sont peu fiables car il est impossible d'analyser objectivement le commentaire associé au partage. Est-ce partager pour dénoncer quelqu'un ou mettre en avant un contenu de qualité ?

Il est temps de trouver d'autres indicateurs et de mettre une petite dose d'Intelligence Artificielle dans tout ça.

Dwell Time = temps passé sur un post ?

Vous n'êtes probablement pas sur ce post par hasard. Et pour vous, Dwell Time est certainement synonyme de « temps passé sur le poste ».

C'est une approximation presque vraie. Laisse-moi expliquer.

Afin de donner du poids aux comportements des utilisateurs qui n'interagissent pas et d'obtenir un indicateur plus fiable et linéaire, les ingénieurs de LinkedIn ont cherché à étudier un autre type d'interaction : le temps passé sur le post.

En effet, ils ont mesuré que plus on passait de temps sur un post, plus la probabilité de poster un commentaire ou un like était élevée.

La réflexion va :

"Étant donné que plus je passe de temps sur un post, plus il y a de chances que je m'engage sur le post et que l'engagement est un signe majeur d'intérêt pour le contenu, on peut dire que plus je passe de temps sur le post, plus plus je suis intéressé.

(C'est un raisonnement assez basique et logique, mais derrière tout ça il y a de beaux algorithmes et des fonctions mathématiques effrayantes).

Les ingénieurs ont divisé le temps passé sur le poste en deux parties :

• celui où l'on fait défiler le fil d'actualité LinkedIn, à partir du moment où la moitié du post est visible
• celui après avoir cliqué sur "Voir plus"

Le temps passé sur le post va donc influencer positivement ou négativement l'algorithme et donc la portée de la publication.

Qu'y a-t-il derrière tout cela ?

L'idée de cet article est de simplifier celui produit par l'équipe d'ingénierie de LinkedIn. Je ne vais donc pas vous montrer toutes les formules mathématiques derrière cela.

Mais il est tout de même intéressant de comprendre ce qui se cache derrière le Dwell Time car il est plus complexe que simplement « le temps passé sur un post ».

Dans leur article, les ingénieurs présentent un cas précis qu'ils ont étudié pour intégrer le temps passé sur un poste dans l'algorithme. Ce qui laisse penser que ce n'est pas la seule modélisation qui entre en jeu.

Ils intègrent ainsi la « probabilité qu'un post soit passé sans être lu ». Il s'agit d'un laps de temps assez court, en dessous duquel la probabilité de s'engager sur le poste est proche de zéro.

Autrement dit, ce laps de temps correspond à celui nécessaire à mon cerveau pour définir si je serai intéressé par le poste ou non. Si je reste moins de cette période de temps, il n'y a aucune chance que je m'engage sur le poste.

Ils intègrent ainsi la notion de « Skipped post » qui va également influencer l'algorithme.

A noter que cette durée est quasiment la même sur les différents types de posts (vidéo, image, article, fichier pdf…), ce qui facilite la modélisation et l'utilisation de cet indicateur.

L'utilisation de cette modélisation dans l'apparition des poteaux

Il faut comprendre que LinkedIn ne fonctionne pas en termes de « ce post mérite-t-il d'être vu ? mais "quel est le post le plus pertinent à afficher pour cet utilisateur ?"

Ainsi, l'algorithme va intégrer différents critères, comme le profil de l'utilisateur, la viralité du post (nombre de likes et de commentaires), l'affinité de l'utilisateur avec l'auteur du post et d'autres indicateurs comme l'heure de la journée.

En combinant ces critères, il va déterminer la probabilité que vous lisiez un post donné puis prioriser les posts qui ont la plus forte probabilité de vous faire arrêter de les lire.

La mise à jour de cet algorithme aurait significativement augmenté la qualité du fil d'actualité en réduisant le nombre de posts « sautés » et donc augmenté la pertinence des contenus proposés.

Cet article a été écrit sur la base de l'article rédigé par l'équipe LinkedIn d'ingénieurs en charge de l'algorithme de publication et du Dwell Time. J'ai essayé de le synthétiser en dessinant les informations les plus importantes tout en essayant d'être le plus clair possible, en me basant sur leurs explications. Malheureusement, c'est la seule ressource officielle de LinkedIn sur le sujet.

Le fonctionnement de l'algorithme et l' intégration exacte du Dwell Time dans la portée des publications ne sont pas entièrement divulgués. La modélisation intègre des fonctions mathématiques complexes et l'apprentissage automatique.

C'est donc beaucoup plus complexe que quelque chose de binaire.

L'équipe d'ingénierie a déclaré qu'il y aura des mises à jour continues de cet algorithme, afin d'améliorer les suggestions et de le rendre plus pertinent.

Face à ces évolutions, la clé du succès reste la qualité des contenus. Plus l'algorithme arrive à comprendre à quel point les utilisateurs apprécient un contenu, plus la qualité de ce dernier primera dans l'algorithme.

Cependant, il existe quelques bonnes pratiques qui peuvent vous aider à tirer parti du Dwell Time. Je vous en parlerai dans un article prochainement.

En attendant, n'hésitez pas à me contacter sur LinkedIn pour discuter de l'article et me dire si quelque chose n'est pas clair.