Объяснение времени ожидания LinkedIn

LinkedIn Dwell Time чем-то напоминает дискуссию о сексе между подростками препубертатного возраста: все об этом говорят, но никто на самом деле не знает, что это такое.

Пришло время немного прояснить это. И сказать вам, что это на самом деле означает!

Как алгоритм работает до сих пор?

Прежде чем говорить о « Dwell Time », важно поговорить о том, как работает алгоритм. Я уже сделал подробную статью на эту тему, но вот резюме.

Тысячи людей публикуют сообщения в LinkedIn каждый день.

Каждый день в LinkedIn просматриваются миллионы сообщений.

Чтобы связать два: алгоритм, который будет определять, кто чей пост должен видеть.

Поскольку Linkedin зарабатывает деньги на рекламе, а они отображаются каждые 5 сообщений, необходимо прокручивать как можно больше сообщений, чтобы пользователи получали максимальный доход.

Это означает показ самых интересных сообщений.

Но поскольку алгоритм недостаточно умен, чтобы понять содержание поста и определить, является ли он «интересным», он будет основываться на взаимодействии пользователей с постом (наряду с другими критериями, такими как внешняя ссылка, видео, изображение и т. д., что может повлиять на охват).

До сих пор взаимодействия, изучаемые алгоритмом, соответствовали вовлеченности: количеству полученных лайков и количеству комментариев, опубликованных в начале жизни поста. Комментарии имеют гораздо больший вес, чем лайки.

Затем наступило время ожидания…

Почему время пребывания?

Есть две основные причины Dwell Time . Первая — самая важная и официальная версия.

Второй вторичен и неофициален.

Вы должны знать, что в социальной сети мы наблюдаем следующее распределение:

• 1% пользователей публикуют,
• 10% пользователей вовлекаются (лайкают или комментируют),
• 90% пользователей потребляют контент, не взаимодействуя с ним.

LinkedIn поэтому спросил: как учитывать мнение 90%, которые не взаимодействуют? Как мы получаем поведение 90%, чтобы помочь нам определить качество поста?

С другой стороны, действия по взаимодействию бинарны. Это создает две проблемы:

• Они не линейны. 1 лайк стоит 1 лайк, 1 комментарий стоит 1 комментарий. Тем не менее, я поставлю такой же лайк за контент, который заставил меня улыбнуться, или к лучшему посту, который я когда-либо читал в своей жизни. ️
• их легко подделать: я могу просто попросить людей, которых я знаю, ставить лайки или комментарии или использовать стручки, чтобы искусственно увеличить охват моего контента.

Этот второй пункт соответствует неофициальной причине: ограничить влияние подов .

Таким образом, измерение качества поста и, следовательно, определение его органического охвата с помощью того, что инженеры LinkedIn называют «вирусными действиями», является слишком грубым приближением.

Они также объясняют, что клики по ссылке или «увидеть больше» поста могут быть обманчивыми индикаторами, потому что пользователь может сразу покинуть открытую страницу или не читать остальную часть поста.

Точно так же такие индикаторы, как обмен, не очень надежны, потому что невозможно объективно проанализировать комментарий, связанный с обменом. Это обмен, чтобы осудить кого-то или выделить качественный контент?

Пришло время найти другие индикаторы и добавить во все это немного искусственного интеллекта.

Dwell Time = время, потраченное на пост?

Вероятно, вы оказались на этом посту не случайно. А для вас Dwell Time , безусловно, является синонимом «времени, проведенного на посту».

Это приближение, которое почти верно. Позволь мне объяснить.

Чтобы придать вес поведению пользователей, которые не взаимодействуют, и получить более надежный и линейный показатель, инженеры LinkedIn стремились изучить другой тип взаимодействия: время, затрачиваемое на публикацию.

Действительно, они подсчитали, что чем больше времени мы тратим на пост, тем выше вероятность публикации комментария или лайка.

Мысль идет:

«Поскольку чем больше времени я трачу на публикацию, тем выше вероятность того, что я заинтересую ее, а вовлеченность является основным признаком интереса к контенту, можно сказать, что чем больше времени я трачу на публикацию, тем больше мне интересно».

(Это довольно простое и логичное рассуждение, но за всем этим стоят красивые алгоритмы и пугающие математические функции).

Время нахождения на посту инженеры разделили на две части:

• тот, когда мы прокручиваем ленту новостей LinkedIn, с того момента, когда видна половина поста
• тот, что после нажатия на «Подробнее»

Таким образом, время, затраченное на публикацию , положительно или отрицательно повлияет на алгоритм и, следовательно, на объем публикации.

Что стоит за всем этим?

Идея этой статьи состоит в том, чтобы упростить статью, созданную командой инженеров LinkedIn. Поэтому я не собираюсь показывать вам все математические формулы, лежащие в основе этого.

Но все же интересно понять, что стоит за Dwell Time, потому что это более сложное понятие, чем просто «время, проведенное в посте».

В своей статье инженеры представляют конкретный случай, который они изучили, чтобы интегрировать время, затраченное на запись, в алгоритм. Что говорит о том, что это не единственное моделирование, которое вступает в игру.

Таким образом, они объединяют « вероятность того, что сообщение будет передано без прочтения ». Это достаточно короткий промежуток времени, ниже которого вероятность вовлечения в пост близка к нулю.

Другими словами, этот промежуток времени соответствует тому, который необходим моему мозгу, чтобы определить, заинтересует меня пост или нет. Если я останусь меньше этого периода времени, нет никаких шансов, что я буду заниматься на посту.

Таким образом, они интегрируют понятие «Пропущенный пост», которое также повлияет на алгоритм.

Обратите внимание, что этот период времени практически одинаков для разных типов постов (видео, изображение, статья, pdf-файл…), что облегчает моделирование и использование этого индикатора.

Использование данного моделирования в оформлении постов

Следует понимать, что LinkedIn не работает с точки зрения «заслуживает ли этот пост того, чтобы его увидели?» но «какой пост будет наиболее релевантным для этого пользователя?»

Таким образом, алгоритм будет интегрировать разные критерии, такие как профиль пользователя, виральность поста (количество лайков и комментариев), сходство пользователя с автором поста и другие показатели, например, время суток.

Объединив эти критерии, он определит вероятность того, что вы прочитаете данный пост, а затем расставит приоритеты для постов, которые с наибольшей вероятностью заставят вас перестать их читать.

Обновление этого алгоритма значительно повысило бы качество новостной ленты за счет уменьшения количества «пропущенных» сообщений и, следовательно, повысило бы актуальность предлагаемого контента.

Эта статья написана на основе статьи, написанной командой инженеров LinkedIn, отвечающих за алгоритм публикации и время ожидания. Я попытался обобщить это, нарисовав самую важную информацию, стараясь быть как можно более ясным, основываясь на их объяснениях. К сожалению, это единственный официальный ресурс LinkedIn по этому вопросу.

Принцип работы алгоритма и точная интеграция Dwell Time в охват публикаций полностью не раскрывается. Моделирование объединяет сложные математические функции и машинное обучение.

Так что это намного сложнее, чем что-то бинарное.

Команда инженеров сообщила, что этот алгоритм будет постоянно обновляться, чтобы улучшить предложения и сделать их более актуальными.

Столкнувшись с этими событиями, ключом к успеху остается качество контента. Чем лучше алгоритм понимает, насколько пользователи ценят контент, тем большее значение в алгоритме будет иметь качество последнего.

Тем не менее, есть несколько хороших практик, которые могут помочь вам воспользоваться преимуществами Dwell Time. Я расскажу вам об этом в статье в ближайшее время.

А пока не стесняйтесь обращаться ко мне в LinkedIn, чтобы обсудить статью и сообщить мне, если что-то будет неясно.