คำอธิบาย Dwell Time ของ LinkedIn

Dwell Time ของ LinkedIn เป็นเหมือนการสนทนาเรื่องเพศระหว่างวัยรุ่นก่อนวัยอันควร: ทุกคนพูดถึงเรื่องนี้ แต่ไม่มีใครรู้ว่ามันคืออะไร

ถึงเวลาที่จะชี้แจงเรื่องนี้เล็กน้อย และบอกคุณว่ามันหมายถึงอะไร!

อัลกอริทึมทำงานอย่างไรจนถึงตอนนี้?

ก่อนที่จะพูดถึง “ เวลาที่อยู่อาศัย ” สิ่งสำคัญคือต้องพูดถึงวิธีการทำงานของอัลกอริทึม ฉันได้ทำบทความโดยละเอียดเกี่ยวกับเรื่องนี้แล้ว แต่นี่คือบทสรุป

ผู้คนหลายพันคน โพสต์บน LinkedIn ทุกวัน

ทุก ๆ วันมีผู้เห็นโพสต์หลายล้านรายการบน LinkedIn

ในการเชื่อมต่อทั้งสอง: อัลกอริทึมที่จะกำหนดว่าใครควรเห็นโพสต์ของใคร

เนื่องจาก Linkedin หารายได้จากโฆษณา และสิ่งเหล่านี้จะแสดงทุกๆ 5 โพสต์ จึงจำเป็นต้องเลื่อนโพสต์ให้มากที่สุด เพื่อให้ผู้ใช้สร้างรายได้สูงสุด

ซึ่งหมายถึงการแสดงโพสต์ที่น่าสนใจที่สุด

แต่เนื่องจากอัลกอริทึมไม่ฉลาดพอที่จะเข้าใจเนื้อหาของโพสต์และพิจารณาว่าโพสต์นั้น "น่าสนใจ" หรือไม่ อัลกอริทึม จะขึ้นอยู่กับการโต้ตอบของผู้ใช้กับโพสต์ (พร้อมกับเกณฑ์อื่นๆ เช่น ลิงก์ภายนอก วิดีโอ รูปภาพ ฯลฯ ... ที่สามารถมีอิทธิพลต่อการเข้าถึง)

จนถึงขณะนี้ การโต้ตอบที่ศึกษาโดยอัลกอริทึมนั้นสอดคล้องกับการมีส่วนร่วม: จำนวนไลค์ที่ได้รับและจำนวนความคิดเห็นที่เผยแพร่ในช่วงเริ่มต้นของโพสต์ ความคิดเห็นมีน้ำหนักมากกว่าการชอบ

จากนั้นเวลา Dwell Time ก็มาถึง...

ทำไมต้องอาศัยเวลา?

มีเหตุผลหลักสองประการ สำหรับ Dwell Time เวอร์ชันแรกเป็นเวอร์ชันที่สำคัญที่สุดและเป็นทางการ

ประการที่สองเป็นเรื่องรองและไม่เป็นทางการ

คุณควรทราบว่าบนโซเชียลเน็ตเวิร์ก เราสังเกตการกระจายต่อไปนี้:

• 1% ของผู้ใช้เผยแพร่
• 10% ของผู้ใช้มีส่วนร่วม (ชอบหรือแสดงความคิดเห็น)
• 90% ของผู้ใช้ใช้เนื้อหาโดยไม่ต้องโต้ตอบ

ดังนั้น LinkedIn จึงถามว่า: จะพิจารณาความคิดเห็นของ 90% ที่ไม่มีปฏิสัมพันธ์ได้อย่างไร เราจะได้รับพฤติกรรมของ 90% เพื่อช่วยเรากำหนดคุณภาพของโพสต์ได้อย่างไร

ในทางกลับกัน การดำเนินการมีส่วนร่วมเป็นแบบไบนารี สิ่งนี้ทำให้เกิดปัญหาสองประการ:

• พวกเขาไม่ได้เป็นเชิงเส้น 1 ไลค์มีค่า 1 ไลค์ 1 คอมเม้นมีค่า 1 คอมเม้น อย่างไรก็ตาม ฉันจะใส่สิ่งเดียวกันในเนื้อหาที่ทำให้ฉันยิ้มได้ หรือในโพสต์ที่ดีที่สุดที่ฉันเคยอ่านมาในชีวิต ️
• พวกเขาปลอมแปลงได้ง่าย: ฉันสามารถขอให้คนที่ฉันรู้จักโพสต์สิ่งที่ชอบหรือแสดงความคิดเห็น หรือใช้พ็อดเพื่อเพิ่มการเข้าถึงเนื้อหาของฉัน

ประเด็นที่สองนี้สอดคล้องกับเหตุผลที่ไม่เป็นทางการ: เพื่อจำกัดผลกระทบของพ็อด

การวัดคุณภาพของโพสต์และกำหนดการเข้าถึงแบบออร์แกนิกโดยสิ่งที่วิศวกรของ LinkedIn เรียกว่า "การกระทำของไวรัส" จึงเป็นการประมาณที่หยาบเกินไป

พวกเขายังอธิบายว่าการคลิกลิงก์หรือ "ดูเพิ่มเติม" ของโพสต์อาจเป็นตัวบ่งชี้ที่ทำให้เข้าใจผิดได้ เนื่องจากผู้ใช้สามารถออกจากหน้าที่เปิดอยู่ทันทีหรือไม่อ่านส่วนที่เหลือของโพสต์

ในทำนองเดียวกัน ตัวบ่งชี้เช่นการแบ่งปันไม่น่าเชื่อถือมากนักเนื่องจากเป็นไปไม่ได้ที่จะวิเคราะห์ความคิดเห็นที่เกี่ยวข้องกับการแบ่งปันอย่างเป็นกลาง เป็นการแชร์เพื่อประณามใครบางคนหรือเน้นเนื้อหาที่มีคุณภาพหรือไม่?

ถึงเวลาค้นหาตัวบ่งชี้อื่น ๆ และใส่ปัญญาประดิษฐ์เพียงเล็กน้อยในทั้งหมดนี้

Dwell Time = เวลาที่ใช้ในการโพสต์?

คุณอาจไม่ได้อยู่ในโพสต์นี้โดยบังเอิญ และสำหรับคุณ Dwell Time มีความหมายเหมือนกันกับ "เวลาที่ใช้ในโพสต์"

เป็นการประมาณที่เกือบจะเป็นจริง ให้ฉันอธิบาย

เพื่อให้น้ำหนักกับพฤติกรรมของผู้ใช้ที่ไม่โต้ตอบและได้รับตัวบ่งชี้ที่น่าเชื่อถือและเป็นเส้นตรงมากขึ้น วิศวกรของ LinkedIn พยายามศึกษาการโต้ตอบประเภทอื่น: เวลาที่ใช้ในการโพสต์

พวกเขาวัดว่ายิ่งเราใช้เวลากับโพสต์มากเท่าไหร่ ความน่าจะเป็นในการโพสต์ความคิดเห็นหรือไลค์ก็จะยิ่งสูงขึ้นเท่านั้น

ความคิดไป:

“เนื่องจากยิ่งฉันใช้เวลากับโพสต์มากเท่าไหร่ โอกาสที่ฉันจะมีส่วนร่วมกับโพสต์ก็จะยิ่งสูงขึ้นเท่านั้น และการมีส่วนร่วมนั้นเป็นสัญญาณสำคัญของความสนใจในเนื้อหา อาจกล่าวได้ว่ายิ่งฉันใช้เวลากับโพสต์มากเท่าไหร่ ฉันสนใจมากกว่านี้”

(นั่นค่อนข้างเป็นเหตุผลพื้นฐานและมีเหตุผล แต่เบื้องหลังทั้งหมดนั้นมีอัลกอริธึมที่สวยงามและฟังก์ชันทางคณิตศาสตร์ที่น่ากลัว)

วิศวกรแบ่งเวลาที่ใช้ในการโพสต์ออกเป็นสองส่วน:

• เมื่อเราเลื่อนฟีดข่าว LinkedIn จากช่วงเวลาที่มองเห็นครึ่งหนึ่งของโพสต์
• หลังจากที่คลิกที่ “ดูเพิ่มเติม”

เวลาที่ใช้ในโพสต์ จะส่งผลในทางบวกหรือทางลบต่ออัลกอริทึมและขอบเขตของสิ่งพิมพ์

อะไรอยู่เบื้องหลังทั้งหมดนี้?

แนวคิดของบทความนี้คือการทำให้บทความที่ผลิตโดยทีมวิศวกรของ LinkedIn ง่ายขึ้น ดังนั้นฉันจะไม่แสดงสูตรทางคณิตศาสตร์ทั้งหมดที่อยู่เบื้องหลังให้คุณเห็น

แต่ก็ยังน่าสนใจที่จะเข้าใจว่าอะไรอยู่เบื้องหลัง Dwell Time เพราะมันซับซ้อนกว่าแค่ “เวลาที่ใช้ในโพสต์”

ในบทความของพวกเขา วิศวกรนำเสนอกรณีเฉพาะที่พวกเขาศึกษาเพื่อรวมเวลาที่ใช้ในโพสต์ในอัลกอริทึม ซึ่งแสดงให้เห็นว่านี่ไม่ใช่การสร้างแบบจำลองเพียงอย่างเดียวที่เข้ามามีบทบาท

พวกเขารวม " ความน่าจะเป็นที่โพสต์ผ่านไปโดยไม่ถูกอ่าน " นี่เป็นช่วงเวลาสั้น ๆ ซึ่งต่ำกว่าความน่าจะเป็นของการมีส่วนร่วมในโพสต์นั้นใกล้เคียงกับศูนย์

กล่าวอีกนัยหนึ่ง ช่วงเวลานี้สอดคล้องกับที่จำเป็นสำหรับสมองของฉันในการกำหนดว่าฉันจะสนใจโพสต์หรือไม่ ถ้าฉันอยู่น้อยลงในช่วงเวลานี้ ฉันไม่มีโอกาสที่ฉันจะมีส่วนร่วมในโพสต์นี้

พวกเขารวมแนวคิดของ "ข้ามโพสต์" ซึ่งจะส่งผลต่ออัลกอริทึมด้วย

โปรดทราบว่าช่วงเวลานี้เกือบจะเท่ากันในโพสต์ประเภทต่างๆ (วิดีโอ รูปภาพ บทความ ไฟล์ pdf…) ซึ่งช่วยอำนวยความสะดวกในการสร้างแบบจำลองและการใช้ตัวบ่งชี้นี้

การใช้แบบจำลองนี้ในลักษณะของการโพสต์

ควรเข้าใจว่า LinkedIn ไม่ทำงานในแง่ของ "โพสต์นี้สมควรได้รับการดูหรือไม่" แต่ “โพสต์ที่เกี่ยวข้องมากที่สุดที่จะแสดงต่อผู้ใช้รายนี้คืออะไร”

ดังนั้น อัลกอริทึมจะรวมเกณฑ์ต่างๆ เข้าด้วยกัน เช่น โปรไฟล์ผู้ใช้ ความดังของโพสต์ (จำนวนไลค์และความคิดเห็น) ความสัมพันธ์ระหว่างผู้ใช้กับผู้เขียนโพสต์ และตัวบ่งชี้อื่นๆ เช่น ช่วงเวลาของวัน

เมื่อรวมเกณฑ์เหล่านี้เข้าด้วยกัน จะเป็นตัวกำหนดความน่าจะเป็นที่คุณจะอ่านโพสต์หนึ่งๆ แล้วจัดลำดับความสำคัญของโพสต์ที่มีความน่าจะเป็นสูงสุดที่จะทำให้คุณหยุดอ่าน

การอัปเดตอัลกอริทึมนี้จะช่วยเพิ่มคุณภาพของฟีดข่าวได้อย่างมากโดยการลดจำนวนโพสต์ที่ "ข้าม" และเพิ่มความเกี่ยวข้องของเนื้อหาที่นำเสนอ

บทความนี้เขียนขึ้นบนพื้นฐานของบทความที่เขียนโดยทีมวิศวกรของ LinkedIn ที่รับผิดชอบอัลกอริทึมการเผยแพร่และ Dwell Time ฉันพยายามสังเคราะห์โดยดึงข้อมูลที่สำคัญที่สุดในขณะที่พยายามทำให้ชัดเจนที่สุดเท่าที่จะเป็นไปได้ตามคำอธิบายของพวกเขา น่าเสียดายที่เป็นแหล่งข้อมูล LinkedIn อย่างเป็นทางการเพียงแห่งเดียวในเรื่องนี้

วิธีการทำงานของอัลกอริทึมและการ รวมเวลา Dwell Time เข้ากับการเข้าถึงของสิ่งพิมพ์ยังไม่ได้รับการเปิดเผยอย่างสมบูรณ์ การสร้างแบบจำลองรวมฟังก์ชันทางคณิตศาสตร์ที่ซับซ้อนและการเรียนรู้ของเครื่อง

มันซับซ้อนกว่าเลขฐานสองมาก

ทีมวิศวกรกล่าวว่าจะมีการอัปเดตอัลกอริทึมนี้อย่างต่อเนื่องเพื่อปรับปรุงคำแนะนำและทำให้ตรงประเด็นยิ่งขึ้น

เมื่อเผชิญกับการพัฒนาเหล่านี้ กุญแจสู่ความสำเร็จยังคงเป็นคุณภาพของเนื้อหา ยิ่งอัลกอริทึมเข้าใจว่าผู้ใช้ชื่นชอบเนื้อหามากเพียงใด คุณภาพของเนื้อหาหลังก็จะมีความสำคัญมากกว่าในอัลกอริทึม

อย่างไรก็ตาม มีวิธีปฏิบัติที่ดีบางประการที่สามารถช่วยให้คุณใช้ประโยชน์จาก Dwell Time ได้ ฉันจะบอกคุณเกี่ยวกับเรื่องนี้ในบทความเร็ว ๆ นี้

ในระหว่างนี้ โปรดอย่าลังเลที่จะติดต่อฉันทาง LinkedIn เพื่อหารือเกี่ยวกับบทความและแจ้งให้ฉันทราบหากมีอะไรไม่ชัดเจน