Dwell Time do LinkedIn explicado

O Dwell Time do LinkedIn é um pouco como uma discussão sobre sexo entre adolescentes pré-adolescentes: todo mundo está falando sobre isso, mas ninguém sabe realmente o que é.

É hora de esclarecer isso um pouco. E dizer o que isso realmente significa!

Como o algoritmo funciona até agora?

Antes de falar sobre “ Dwell Time ”, é importante falar sobre como o algoritmo funciona. Já fiz um artigo detalhado sobre o assunto, mas aqui vai um resumo.

Milhares de pessoas postam no LinkedIn todos os dias.

Todos os dias, milhões de postagens são vistas no LinkedIn.

Para conectar os dois: um algoritmo que determinará quem deve ver a postagem de quem.

Como o Linkedin ganha dinheiro com anúncios, e estes são exibidos a cada 5 postagens, é necessário rolar o máximo de postagens possível para que os usuários gerem o máximo de receita.

Isso significa mostrar as postagens mais interessantes.

Mas como o algoritmo não é inteligente o suficiente para entender o conteúdo de uma postagem e determinar se é “interessante”, ele será baseado nas interações dos usuários com a postagem (juntamente com outros critérios, como um link externo, um vídeo, uma imagem etc… que pode influenciar o alcance).

Até agora, as interações estudadas pelo algoritmo correspondiam ao engajamento: o número de curtidas recebidas e o número de comentários publicados no início da vida do post. Comentários tendo muito mais peso do que curtidas.

Então veio o Tempo de Habitação…

Por que Dwell Time?

Existem duas razões principais para o Dwell Time . A primeira é a mais importante e a versão oficial.

O segundo é secundário e não oficial.

Você deve saber que em uma rede social observamos a seguinte distribuição:

• 1% dos usuários publicam,
• 10% dos usuários se envolvem (curtem ou comentam),
• 90% dos usuários consomem conteúdo sem interagir.

O LinkedIn, então, perguntou: como levar em conta a opinião dos 90% que não interagem? Como obtemos o comportamento dos 90% para nos ajudar a determinar a qualidade de uma postagem?

Por outro lado, as ações de engajamento são binárias. Isso coloca dois problemas:

• Eles não são lineares. 1 curtida vale 1 curtida, 1 comentário vale 1 comentário. Porém, darei o mesmo like no conteúdo que me fez sorrir ou no melhor post que já li na vida. ️
• eles são fáceis de falsificar: posso apenas pedir às pessoas que conheço para postar curtidas ou comentários ou usar pods para aumentar artificialmente o alcance do meu conteúdo.

Este segundo ponto corresponde ao motivo não oficial: limitar o impacto dos pods .

Medir a qualidade de uma postagem e, portanto, definir seu alcance orgânico pelo que os engenheiros do LinkedIn chamam de “ações virais” é, portanto, uma aproximação muito grosseira.

Eles também explicam que clicar em um link ou “ver mais” da postagem podem ser indicadores enganosos, pois o usuário pode sair imediatamente da página aberta ou não ler o restante da postagem.

Da mesma forma, indicadores como o compartilhamento não são muito confiáveis ​​porque é impossível analisar objetivamente o comentário associado ao compartilhamento. É compartilhar para denunciar alguém ou destacar um conteúdo de qualidade?

É hora de encontrar outros indicadores e colocar uma pequena dose de Inteligência Artificial nisso tudo.

Dwell Time = tempo gasto em um post?

Provavelmente você não está neste post por mero acaso. E para você, Dwell Time certamente é sinônimo de “tempo gasto no posto”.

É uma aproximação quase verdadeira. Deixe-me explicar.

Para dar peso aos comportamentos dos usuários que não interagem e obter um indicador mais confiável e linear, os engenheiros do LinkedIn buscaram estudar outro tipo de interação: o tempo gasto na postagem.

De fato, eles mediram que quanto mais tempo passamos em uma postagem, maior a probabilidade de postar um comentário ou curtida.

O pensamento vai:

“Como quanto mais tempo passo em um post, maior a probabilidade de eu me envolver com o post e esse engajamento é um grande sinal de interesse no conteúdo, pode-se dizer que quanto mais tempo passo no post, mais mais estou interessado.”

(Esse é um raciocínio bastante básico e lógico, mas por trás de tudo isso existem belos algoritmos e funções matemáticas assustadoras).

Os engenheiros dividiram o tempo gasto no posto em duas partes:

• aquela em que rolamos o feed de notícias do LinkedIn, a partir do momento em que metade do post fica visível
• aquele depois de clicar em “Ver mais”

O tempo gasto na postagem , portanto, influenciará positiva ou negativamente o algoritmo e, portanto, o escopo da publicação.

O que está por trás de tudo isso?

A ideia deste artigo é simplificar aquele produzido pela equipe de engenharia do LinkedIn. Portanto, não vou mostrar todas as fórmulas matemáticas por trás disso.

Mas ainda é interessante entender o que está por trás do Dwell Time porque ele é mais complexo do que simplesmente “o tempo gasto em um post”.

Em seu artigo, os engenheiros apresentam um caso específico que estudaram para integrar o tempo gasto em uma postagem no algoritmo. O que sugere que esta não é a única modelagem que entra em jogo.

Integram assim a “ probabilidade de um post passar sem ser lido ”. Este é um período de tempo bastante curto, abaixo do qual a probabilidade de fazer um engajamento no post é próxima de zero.

Ou seja, esse período de tempo corresponde ao necessário para que meu cérebro defina se terei interesse na postagem ou não. Se eu ficar menos desse período de tempo, não há chance de eu me engajar no posto.

Eles integram assim a noção de “Post ignorado” que também influenciará o algoritmo.

Observe que esse período de tempo é quase o mesmo nos diferentes tipos de postagens (vídeo, imagem, artigo, arquivo pdf…), o que facilita a modelagem e o uso desse indicador.

O uso dessa modelagem na aparência dos posts

Deve-se entender que o LinkedIn não funciona em termos de “esse post merece ser visto?” mas “qual é a postagem mais relevante para exibir para esse usuário?”

Assim, o algoritmo irá integrar diferentes critérios, como o perfil do usuário, a viralidade do post (número de curtidas e comentários), a afinidade do usuário com o autor do post e outros indicadores como o horário.

Ao combinar esses critérios, ele determinará a probabilidade de você ler determinado post e, então, priorizar os posts que têm maior probabilidade de fazer você parar para lê-los.

A atualização desse algoritmo teria aumentado significativamente a qualidade do feed de notícias, reduzindo o número de postagens “puladas” e, portanto, aumentando a relevância do conteúdo oferecido.

Este artigo foi escrito com base no artigo escrito pela equipe de engenheiros do LinkedIn responsável pelo algoritmo de publicação e Dwell Time. Tentei sintetizar desenhando as informações mais importantes, tentando ser o mais claro possível, com base em suas explicações. Infelizmente, é o único recurso oficial do LinkedIn sobre o assunto.

A forma como o algoritmo funciona e a integração exata do Dwell Time no alcance das publicações não é totalmente divulgada. A modelagem integra funções matemáticas complexas e aprendizado de máquina.

Portanto, é muito mais complexo do que algo binário.

A equipa de engenharia disse que haverá atualizações contínuas a este algoritmo, de forma a melhorar as sugestões e torná-lo mais relevante.

Diante desses desenvolvimentos, a chave do sucesso continua sendo a qualidade do conteúdo. Quanto mais o algoritmo entender o quanto os usuários apreciam um conteúdo, mais a qualidade deste último terá precedência no algoritmo.

No entanto, existem algumas boas práticas que podem ajudá-lo a aproveitar o Dwell Time. Vou falar sobre isso em um artigo em breve.

Enquanto isso, não hesite em entrar em contato comigo no LinkedIn para discutir o artigo e me avisar se algo não estiver claro.