LinkedIn의 Dwell Time 설명

LinkedIn의 Dwell Time 은 사춘기 이전의 십대 사이의 섹스 토론과 약간 비슷합니다. 모두가 그것에 대해 이야기하지만 아무도 그것이 무엇인지 모릅니다.

이것을 조금 명확히 할 때입니다. 그리고 그것이 실제로 무엇을 의미하는지 말해주세요!

지금까지 알고리즘은 어떻게 작동합니까?

" Dwell Time "에 대해 이야기하기 전에 알고리즘이 어떻게 작동하는지에 대해 이야기하는 것이 중요합니다. 나는 이미 주제에 대한 자세한 기사를 작성했지만 여기에 요약이 있습니다.

매일 수천 명의 사람들 이 LinkedIn에 게시물을 올립니다 .

LinkedIn에는 매일 수백만 개의 게시물이 표시됩니다.

두 가지를 연결하려면 누가 누구의 게시물을 봐야 하는지를 결정하는 알고리즘입니다.

Linkedin은 광고로 돈을 벌고 5개의 게시물마다 표시되기 때문에 사용자가 최대 수입을 얻으려면 최대한 많은 게시물을 스크롤해야 합니다 .

이것은 가장 흥미로운 게시물을 표시하는 것을 의미합니다.

그러나 알고리즘은 게시물의 내용을 이해하고 "흥미로운지"를 판단할 만큼 똑똑하지 않기 때문에 사용자와 게시물의 상호 작용을 기반으로 합니다 (외부 링크, 비디오, 도달 범위에 영향을 줄 수 있는 이미지 등).

지금까지 알고리즘에 의해 연구된 상호 작용은 참여, 즉 받은 좋아요 수와 게시물 수명 초기에 게시된 댓글 수에 해당합니다. 좋아요보다 가중치가 훨씬 큰 댓글.

그런 다음 Dwell Time이 왔습니다 ...

체류 시간이 왜 필요한가요?

체류 시간 에는 두 가지 주요 이유가 있습니다. 첫 번째는 가장 중요하고 공식 버전입니다.

두 번째는 이차적이고 비공식적입니다.

소셜 네트워크에서는 다음 분포를 관찰합니다.

• 사용자의 1%가 게시하고,
• 10%의 사용자 참여(좋아요 또는 댓글),
• 사용자의 90%는 상호작용 없이 콘텐츠를 소비합니다.

따라서 LinkedIn은 다음과 같이 질문했습니다. 상호 작용하지 않는 90%의 의견을 고려하는 방법은 무엇입니까? 게시물의 품질을 결정하는 데 도움이 되는 90%의 행동을 어떻게 얻습니까?

반면에 참여 행동은 이분법적입니다. 이는 두 가지 문제를 제기합니다.

• 선형이 아닙니다. 좋아요 1개는 좋아요 1개, 댓글 1개는 댓글 1개입니다. 그러나 나는 나를 웃게 만든 내용이나 내 인생에서 읽은 최고의 게시물에 동일한 좋아요를 표시합니다. ️
• 속이기 쉽습니다. 아는 사람에게 좋아요나 댓글을 게시하도록 요청하거나 포드를 사용하여 내 콘텐츠의 도달 범위를 인위적으로 높일 수 있습니다.

이 두 번째 요점은 비공식적인 이유에 해당합니다: 팟(Pod)의 영향을 제한하기 위해 .

따라서 게시물의 품질을 측정하고 따라서 LinkedIn 엔지니어가 "바이럴 활동"이라고 부르는 유기적 도달 범위를 정의하는 것은 너무 조잡한 근사치입니다.

그들은 또한 사용자가 열린 페이지를 즉시 떠나거나 게시물의 나머지 부분을 읽지 않을 수 있기 때문에 게시물의 링크 또는 "더보기" 를 클릭하면 오해의 소지가 있는 지표가 될 수 있다고 설명합니다.

마찬가지로 공유와 관련된 댓글을 객관적으로 분석할 수 없기 때문에 공유와 같은 지표는 그다지 신뢰할 수 없습니다. 누군가를 비난하거나 양질의 콘텐츠를 강조하기 위해 공유하는 것입니까?

이제 다른 지표를 찾고 이 모든 것에 약간의 인공 지능을 투입할 때입니다.

체류 시간 = 게시물에 소요된 시간?

당신은 아마 우연히 이 게시물에 있지 않을 것입니다. 그리고 당신에게 Dwell Time 은 확실히 "포스트에서 보낸 시간"과 동의어입니다.

그것은 거의 사실인 근사치입니다. 설명하겠습니다.

상호 작용하지 않는 사용자의 행동에 가중치를 부여하고 보다 안정적이고 선형적인 지표를 얻기 위해 LinkedIn의 엔지니어는 다른 유형의 상호 작용 인 게시물에 소요된 시간을 연구했습니다.

실제로 그들은 우리가 게시물에 더 많은 시간을 할애할수록 댓글 등을 게시할 확률이 더 높다고 측정했습니다.

생각은 다음과 같습니다.

“게시물에 더 많은 시간을 할애할수록 게시물에 참여할 가능성이 높아지고 참여는 콘텐츠에 대한 관심의 주요 신호이므로 게시물에 더 많은 시간을 할애할수록 더 관심이 있습니다.”

(아주 기본적이고 논리적인 추론이지만 그 뒤에는 아름다운 알고리즘과 무서운 수학 함수가 있습니다.)

엔지니어들은 게시물에 소요된 시간을 두 부분으로 나누었습니다.

• 게시물의 절반이 보이는 순간부터 LinkedIn 뉴스 피드를 스크롤할 때
• "더보기"를 클릭한 후

따라서 게시물에 소요된 시간은 알고리즘과 게시 범위에 긍정적 또는 부정적인 영향을 미칩니다.

이 모든 것 뒤에 무엇이 있습니까?

이 기사의 아이디어는 LinkedIn 엔지니어링 팀에서 제작한 기사를 단순화하는 것입니다. 그래서 나는 당신에게 그 이면에 있는 모든 수학 공식을 보여주지 않을 것입니다.

그러나 체류 시간 뒤에 무엇이 있는지 이해하는 것은 여전히 ​​흥미롭습니다. 단순히 "게시물에 소요된 시간"보다 더 복잡하기 때문입니다.

기사에서 엔지니어는 게시물에 소요된 시간을 알고리즘에 통합하기 위해 연구한 특정 사례를 제시합니다. 이는 이것이 작용하는 유일한 모델링이 아님을 시사합니다.

따라서 " 글을 읽지 않고 전달할 확률 "을 통합합니다. 이것은 상당히 짧은 기간이며, 그 아래에서 게시물에 참여할 확률은 0에 가깝습니다.

즉, 이 기간은 내 두뇌가 게시물에 관심이 있는지 여부를 결정하는 데 필요한 기간에 해당합니다. 이 기간보다 적게 머무르면 게시물에 참여할 기회가 없습니다.

따라서 그들은 알고리즘에도 영향을 미치는 "건너뛴 게시물"의 개념을 통합합니다.

이 기간은 다른 유형의 게시물(비디오, 이미지, 기사, PDF 파일…)에서 거의 동일하므로 이 표시기의 모델링 및 사용을 용이하게 합니다.

게시물 모양에 이 모델링 사용

LinkedIn은 "이 게시물을 볼 가치가 있습니까?"라는 측면에서 작동하지 않는다는 점을 이해해야 합니다. 그러나 "이 사용자에게 표시할 가장 관련성 높은 게시물은 무엇입니까?"

따라서 알고리즘은 사용자 프로필, 게시물의 입소문(좋아요 및 댓글 수), 게시물 작성자와 사용자의 친밀도 및 시간과 같은 기타 지표와 같은 다양한 기준을 통합합니다.

이러한 기준을 결합하여 주어진 게시물을 읽을 확률을 결정한 다음 읽지 못하게 할 가능성이 가장 높은 게시물의 우선 순위를 정합니다.

이 알고리즘의 업데이트는 "건너뛴" 게시물의 수를 줄임으로써 뉴스 피드의 품질을 크게 향상시켰고 따라서 제공되는 콘텐츠의 관련성을 높였습니다.

이 글은 링크드인의 퍼블리싱 알고리즘과 Dwell Time을 담당하는 엔지니어 팀이 작성한 글을 기반으로 작성되었습니다. 그들의 설명을 바탕으로 최대한 명료하게 하려고 노력하면서 가장 중요한 정보를 그려서 합성해 보았습니다. 불행히도 주제에 대한 유일한 공식 LinkedIn 리소스입니다.

알고리즘이 작동하는 방식과 Dwell Time이 출판물의 범위에 정확히 통합 되는 방식은 완전히 공개되지 않았습니다. 모델링은 복잡한 수학적 기능과 기계 학습을 통합합니다.

따라서 바이너리보다 훨씬 더 복잡합니다.

엔지니어링 팀은 제안을 개선하고 관련성을 높이기 위해 이 알고리즘에 대한 지속적인 업데이트가 있을 것이라고 말했습니다.

이러한 발전에 직면한 성공의 열쇠는 콘텐츠의 품질입니다. 알고리즘이 사용자가 콘텐츠를 얼마나 좋아하는지 이해할수록 후자의 품질이 알고리즘에서 더 우선시됩니다.

그러나 체류 시간을 활용하는 데 도움이 되는 몇 가지 좋은 방법이 있습니다. 곧 기사로 알려드리겠습니다.

그동안 주저하지 말고 LinkedIn에서 저에게 연락하여 기사에 대해 논의하고 명확하지 않은 것이 있으면 알려주십시오.