LinkedIn'in Kalma Süresi açıklandı

LinkedIn'in Dwell Time , biraz ergenlik öncesi ergenler arasındaki seks tartışmasına benziyor: herkes bundan bahsediyor ama kimse gerçekten ne olduğunu bilmiyor.

Buna biraz açıklık getirmenin zamanı geldi. Ve gerçekten ne anlama geldiğini söyle!

Algoritma şu ana kadar nasıl çalışıyor?

“ Bekleme Süresi ”nden bahsetmeden önce algoritmanın nasıl çalıştığından bahsetmek önemlidir. Konuyla ilgili ayrıntılı bir makale zaten yazdım, ancak burada bir özet var.

Her gün binlerce kişi LinkedIn'de gönderi paylaşıyor .

LinkedIn'de her gün milyonlarca gönderi görülüyor.

İkisini birbirine bağlamak için: kimin gönderisini görmesi gerektiğini belirleyecek bir algoritma.

Linkedin reklamlardan para kazandığından ve bunlar her 5 gönderide bir görüntülendiğinden, kullanıcıların maksimum gelir elde etmesi için olabildiğince çok gönderiyi kaydırmak gerekir .

Bu, en ilginç gönderileri göstermek anlamına gelir.

Ancak algoritma, bir gönderinin içeriğini anlayacak ve "ilginç" olup olmadığını belirleyecek kadar akıllı olmadığından , kullanıcıların gönderiyle etkileşimlerine ( harici bağlantı, video, erişimi etkileyebilecek bir görüntü vb.).

Şimdiye kadar, algoritma tarafından incelenen etkileşimler, etkileşime karşılık geliyordu: alınan beğenilerin sayısı ve gönderinin ömrünün başında yayınlanan yorumların sayısı. Beğenilerden çok daha fazla ağırlığa sahip yorumlar.

Sonra Bekleme Süresi geldi…

Neden Bekleme Süresi?

Bekleme Süresinin iki ana nedeni vardır. İlki en önemli ve resmi versiyondur.

İkincisi ikincil ve resmi olmayan.

Bir sosyal ağda aşağıdaki dağılımı gözlemlediğimizi bilmelisiniz:

• Kullanıcıların %1'i yayınlıyor,
• Kullanıcıların %10'u etkileşime giriyor (beğeniyor veya yorum yapıyor),
• Kullanıcıların %90'ı etkileşim kurmadan içerik tüketiyor.

Bu nedenle LinkedIn şu soruyu sordu: Etkileşimde bulunmayan %90'ın görüşü nasıl dikkate alınır? Bir gönderinin kalitesini belirlememize yardımcı olacak %90'ın davranışını nasıl elde ederiz?

Öte yandan, angajman eylemleri ikili. Bu iki sorun ortaya çıkarır:

• Lineer değiller. 1 beğeni 1 beğeniye, 1 yorum 1 yoruma bedeldir. Ancak aynı beğeniyi beni gülümseten içeriğe veya hayatımda okuduğum en iyi gönderiye koyacağım. ️
• taklit etmek kolaydır: Tanıdığım insanlardan beğeni veya yorum göndermelerini isteyebilir veya içeriğimin erişimini yapay olarak artırmak için bölmeler kullanabilirim.

Bu ikinci nokta, resmi olmayan nedene karşılık gelir: bölmelerin etkisini sınırlamak .

Bir gönderinin kalitesini ölçmek ve dolayısıyla organik erişimini LinkedIn mühendislerinin "viral eylemler" olarak adlandırdığı şeyle tanımlamak bu nedenle çok kaba bir tahmindir.

Ayrıca, bir bağlantıya tıklamanın veya gönderinin "daha fazlasını gör" ünün yanıltıcı göstergeler olabileceğini, çünkü kullanıcının açık sayfadan hemen ayrılabileceğini veya gönderinin geri kalanını okumayabileceğini açıklıyorlar.

Aynı şekilde paylaşım gibi göstergeler de çok güvenilir değildir çünkü paylaşımla ilgili yorumu objektif olarak analiz etmek imkansızdır. Birini suçlamak mı yoksa kaliteli içeriği öne çıkarmak mı paylaşım?

Diğer göstergeleri bulmanın ve tüm bunlara küçük bir doz Yapay Zeka koymanın zamanı geldi.

Bekleme Süresi = bir gönderi için harcanan süre?

Muhtemelen tesadüfen bu yazıda değilsiniz. Ve sizin için Dwell Time kesinlikle "gönderide harcanan süre" ile eşanlamlıdır.

Neredeyse doğru olan bir tahmindir. Açıklamama izin ver.

LinkedIn mühendisleri, etkileşime girmeyen kullanıcıların davranışlarına ağırlık vermek ve daha güvenilir ve doğrusal bir gösterge elde etmek için başka bir etkileşim türü üzerinde çalışmaya çalıştılar: gönderide geçirilen süre.

Gerçekten de, bir gönderiye ne kadar çok zaman harcarsak, bir yorum veya benzerini gönderme olasılığımızın o kadar yüksek olduğunu ölçtüler.

Düşünce devam ediyor:

“Bir gönderiye ne kadar çok zaman harcarsam, gönderiyle etkileşim kurma olasılığım o kadar yüksek olduğundan ve bu etkileşim, içeriğe olan ilgimin önemli bir işareti olduğundan, gönderiye ne kadar çok zaman harcarsam, daha çok ilgileniyorum.”

(Bu oldukça basit ve mantıklı bir akıl yürütme, ancak tüm bunların arkasında güzel algoritmalar ve ürkütücü matematiksel işlevler var).

Mühendisler görevde geçirilen süreyi iki kısma ayırdılar:

• gönderinin yarısının görünür olduğu andan itibaren, LinkedIn haber akışını kaydırdığımızda
• "Daha fazlasını gör"ü tıkladıktan sonraki

Gönderi üzerinde harcanan süre bu nedenle algoritmayı ve dolayısıyla yayının kapsamını olumlu veya olumsuz yönde etkileyecektir.

Tüm bunların arkasında ne var?

Bu makalenin fikri, LinkedIn'in mühendislik ekibi tarafından üretileni basitleştirmektir. Bu yüzden size arkasındaki tüm matematiksel formülleri göstermeyeceğim.

Ancak Bekleme Süresinin arkasında ne olduğunu anlamak hala ilginç çünkü bu, basitçe "bir gönderide harcanan süreden" daha karmaşık.

Mühendisler makalelerinde, bir gönderide harcanan zamanı algoritmaya entegre etmek için çalıştıkları belirli bir durumu sunuyorlar. Bu da devreye giren tek modellemenin bu olmadığını gösteriyor.

Böylece " bir gönderinin okunmadan geçme olasılığını " entegre ederler. Bu, oldukça kısa bir süre olup, bunun altında bir direğe angajman yapma olasılığı sıfıra yakındır.

Yani bu süre, beynimin gönderiyle ilgilenip ilgilenmeyeceğimi belirlemesi için gereken süreye karşılık geliyor. Bu süreden daha az kalırsam, gönderiye katılma şansım yok.

Böylece, algoritmayı da etkileyecek olan "Atlanan gönderi" kavramını entegre ederler.

Bu sürenin farklı gönderi türlerinde (video, resim, makale, pdf dosyası…) hemen hemen aynı olduğunu unutmayın, bu da bu göstergenin modellenmesini ve kullanılmasını kolaylaştırır.

Bu modellemenin gönderilerin görünümünde kullanılması

“Bu gönderi görülmeyi hak ediyor mu?” açısından LinkedIn’in çalışmadığı anlaşılmalıdır. ancak "bu kullanıcıya gösterilecek en alakalı gönderi nedir?"

Böylece algoritma, kullanıcı profili, gönderinin viralliği (beğeni ve yorum sayısı), kullanıcının gönderinin yazarı ile yakınlığı ve günün saati gibi diğer göstergeler gibi farklı kriterleri entegre edecektir.

Bu kriterleri birleştirerek, belirli bir gönderiyi okuma olasılığınızı belirleyecek ve ardından sizi okumaktan alıkoyma olasılığı en yüksek olan gönderilere öncelik verecektir.

Bu algoritmanın güncellemesi, "atlanan" gönderilerin sayısını azaltarak haber akışının kalitesini önemli ölçüde artırmış ve dolayısıyla sunulan içeriğin alaka düzeyini artırmış olacaktır.

Bu makale, yayın algoritması ve Dwell Time'dan sorumlu LinkedIn mühendis ekibi tarafından yazılan makaleye dayanılarak yazılmıştır. Açıklamalarından yola çıkarak olabildiğince açık olmaya çalışırken en önemli bilgileri çizerek sentezlemeye çalıştım. Ne yazık ki konuyla ilgili tek resmi LinkedIn kaynağıdır.

Algoritmanın çalışma şekli ve Bekleme Süresinin yayınların erişimine tam entegrasyonu tam olarak açıklanmamıştır. Modelleme, karmaşık matematiksel işlevleri ve makine öğrenimini birleştirir.

Yani ikili bir şeyden çok daha karmaşık.

Mühendislik ekibi, önerileri iyileştirmek ve daha alakalı hale getirmek için bu algoritmada sürekli güncellemeler olacağını söyledi.

Bu gelişmeler karşısında başarının anahtarı içerik kalitesi olmaya devam ediyor. Algoritma, kullanıcıların bir içeriği ne kadar takdir ettiğini ne kadar çok anlarsa, içeriğin kalitesi de algoritmada o kadar öncelikli olacaktır.

Ancak, Bekleme Süresinden yararlanmanıza yardımcı olabilecek birkaç iyi uygulama vardır. Yakında bir yazıda anlatacağım.

Bu arada, makaleyi tartışmak ve net olmayan bir şey varsa bana söylemek için LinkedIn üzerinden benimle iletişime geçmekten çekinmeyin.