Spiegazione del tempo di permanenza di LinkedIn

Il Dwell Time di LinkedIn è un po' come una discussione sessuale tra adolescenti in età prepuberale: tutti ne parlano ma nessuno sa davvero cosa sia.

È ora di chiarire un po' questo. E dirti cosa significa veramente!

Come funziona l'algoritmo finora?

Prima di parlare di " Dwell Time ", è importante parlare di come funziona l'algoritmo. Ho già fatto un articolo dettagliato sull'argomento, ma ecco un riassunto.

Migliaia di persone pubblicano su LinkedIn ogni giorno.

Ogni giorno vengono visualizzati milioni di post su LinkedIn.

Per collegare i due: un algoritmo che determinerà chi dovrebbe vedere quale post.

Poiché Linkedin guadagna denaro dagli annunci e questi vengono visualizzati ogni 5 post, è necessario scorrere il maggior numero possibile di post affinché gli utenti generino il massimo reddito.

Questo significa mostrare i post più interessanti.

Ma poiché l'algoritmo non è abbastanza intelligente da comprendere il contenuto di un post e determinare se è "interessante", si baserà sulle interazioni degli utenti con il post (insieme ad altri criteri come un link esterno, un video, un'immagine ecc... che può influenzare la portata).

Finora le interazioni studiate dall'algoritmo corrispondevano all'engagement: il numero di like ricevuti e il numero di commenti pubblicati all'inizio della vita del post. I commenti hanno un peso molto maggiore rispetto ai like.

Poi è arrivato il tempo di permanenza...

Perché tempo di permanenza?

Ci sono due motivi principali per Dwell Time . La prima è la più importante e la versione ufficiale.

Il secondo è secondario e non ufficiale.

Dovresti sapere che su un social network osserviamo la seguente distribuzione:

• L'1% degli utenti pubblica,
• Il 10% degli utenti interagisce (mi piace o commenta),
• Il 90% degli utenti consuma contenuti senza interagire.

LinkedIn, quindi, si è chiesto: come tenere conto del parere del 90% che non interagisce? Come possiamo ottenere il comportamento del 90% per aiutarci a determinare la qualità di un post?

D'altra parte, le azioni di coinvolgimento sono binarie. Questo pone due problemi:

• Non sono lineari. 1 mi piace vale 1 mi piace, 1 commento vale 1 commento. Tuttavia, metterò lo stesso mi piace sui contenuti che mi hanno fatto sorridere o sul miglior post che abbia mai letto in vita mia. ️
• sono facili da falsificare: posso semplicemente chiedere alle persone che conosco di pubblicare Mi piace o commenti o utilizzare i pod per aumentare artificialmente la portata dei miei contenuti.

Questo secondo punto corrisponde al motivo non ufficiale: limitare l'impatto dei baccelli .

Misurare la qualità di un post e quindi definire la sua portata organica in base a ciò che gli ingegneri di LinkedIn chiamano "azioni virali" è quindi un'approssimazione troppo rozza.

Spiegano inoltre che i clic su un collegamento o "visualizza altro" del post possono essere indicatori fuorvianti perché l'utente può abbandonare immediatamente la pagina aperta o non leggere il resto del post.

Allo stesso modo, indicatori come la condivisione sono poco affidabili perché è impossibile analizzare oggettivamente il commento associato alla condivisione. Condividere per denunciare qualcuno o evidenziare contenuti di qualità?

È tempo di trovare altri indicatori e mettere una piccola dose di Intelligenza Artificiale in tutto questo.

Dwell Time = tempo trascorso su un post?

Probabilmente non sei su questo post per puro caso. E per te Dwell Time è sicuramente sinonimo di “tempo trascorso sulla posta”.

È un'approssimazione quasi vera. Lasciatemi spiegare.

Per dare peso ai comportamenti degli utenti che non interagiscono e ottenere un indicatore più affidabile e lineare, gli ingegneri di LinkedIn hanno cercato di studiare un altro tipo di interazione: il tempo trascorso sul post.

Infatti, hanno misurato che più tempo dedichiamo a un post, maggiore è la probabilità di pubblicare un commento o un like.

Il pensiero va:

"Poiché più tempo dedico a un post, maggiore è la probabilità che mi impegnerò nel post e che il coinvolgimento è un importante segno di interesse per il contenuto, si può affermare che più tempo dedico al post, più più mi interessa.”

(Questo è un ragionamento abbastanza semplice e logico, ma dietro a tutto ciò ci sono bellissimi algoritmi e spaventose funzioni matematiche).

Gli ingegneri hanno diviso il tempo trascorso sul palo in due parti:

• quello in cui scorriamo il feed delle notizie di LinkedIn, dal momento in cui è visibile metà del post
• quello dopo aver cliccato su “Vedi altro”

Il tempo speso sul post influenzerà quindi positivamente o negativamente l'algoritmo e quindi la portata della pubblicazione.

Cosa c'è dietro tutto questo?

L'idea di questo articolo è semplificare quello prodotto dal team di ingegneri di LinkedIn. Quindi non ti mostrerò tutte le formule matematiche che ci sono dietro.

Ma è comunque interessante capire cosa c'è dietro il Dwell Time perché è più complesso del semplice “tempo trascorso su un palo”.

Nel loro articolo, gli ingegneri presentano un caso specifico che hanno studiato per integrare nell'algoritmo il tempo trascorso su un post. Il che suggerisce che questa non è l'unica modellazione che entra in gioco.

Integrano così la “ probabilità che un post passi senza essere letto ”. Si tratta di un lasso di tempo abbastanza breve, al di sotto del quale la probabilità di effettuare un ingaggio sul post è prossima allo zero.

In altre parole, questo periodo di tempo corrisponde a quello necessario al mio cervello per definire se sarò interessato o meno al post. Se rimango meno di questo periodo di tempo, non c'è alcuna possibilità che mi impegni sul posto.

Integrano così la nozione di "Post saltato" che influenzerà anche l'algoritmo.

Si noti che questo periodo di tempo è quasi lo stesso sui diversi tipi di post (video, immagine, articolo, file pdf...), il che facilita la modellazione e l'uso di questo indicatore.

L'uso di questa modellazione nell'aspetto dei post

Dovrebbe essere chiaro che LinkedIn non funziona in termini di "questo post merita di essere visto?" ma "qual è il post più pertinente da mostrare a questo utente?"

Pertanto, l'algoritmo integrerà diversi criteri, come il profilo dell'utente, la viralità del post (numero di Mi piace e commenti), l'affinità dell'utente con l'autore del post e altri indicatori come l'ora del giorno.

Combinando questi criteri, determinerà la probabilità che tu legga un determinato post e quindi darà la priorità ai post che hanno la più alta probabilità di farti smettere di leggerli.

L'aggiornamento di questo algoritmo avrebbe notevolmente aumentato la qualità del newsfeed riducendo il numero di post “saltati” e quindi aumentato la rilevanza dei contenuti offerti.

Questo articolo è stato scritto sulla base dell'articolo scritto dal team di ingegneri di LinkedIn responsabile dell'algoritmo di pubblicazione e del Dwell Time. Ho cercato di sintetizzarlo traendo le informazioni più importanti cercando di essere il più chiaro possibile, sulla base delle loro spiegazioni. Sfortunatamente è l'unica risorsa ufficiale di LinkedIn sull'argomento.

Il modo in cui funziona l'algoritmo e l'esatta integrazione di Dwell Time nella portata delle pubblicazioni non è completamente divulgato. La modellazione integra funzioni matematiche complesse e apprendimento automatico.

Quindi è molto più complesso di qualcosa di binario.

Il team di ingegneri ha dichiarato che ci saranno continui aggiornamenti a questo algoritmo, così da migliorare i suggerimenti e renderlo più pertinente.

Di fronte a questi sviluppi, la chiave del successo resta la qualità dei contenuti. Più l'algoritmo arriva a capire quanto gli utenti apprezzano un contenuto, più la qualità di quest'ultimo avrà la precedenza nell'algoritmo.

Tuttavia, ci sono alcune buone pratiche che possono aiutarti a sfruttare il Dwell Time. Ve ne parlerò presto in un articolo.

Nel frattempo non esitate a contattarmi su LinkedIn per discutere dell'articolo e dirmi se qualcosa non vi è chiaro.