Le Dwell Time sur LinkedIn, c’est un peu comme une discussion sur le sexe entre ados prépubères: tout le monde en parle mais personne ne sait vraiment ce que c’est. 🤪
Il est temps de clarifier un peu tout ça. Et vous dire à quoi ça correspond vraiment !
Comment fonctionne l’algorithme jusque-là
Avant de parler de « Dwell Time », il est important de parler du fonctionnement de l’algorithme. J’ai déjà fait un article détaillé sur le sujet, mais voici un résumé.
Chaque jour des milliers de personnes publient sur LinkedIn.
Chaque jours des millions de posts sont vus sur LinkedIn. 👀
Pour relier les deux : un algorithme qui va déterminer qui doit voir le post de qui.
Puisque Linkedin se rémunère sur la pub et que celle-ci est affichée tous les 5 posts, il faut faire scroller le plus de posts possibles aux utilisateurs pour générer un maximum de revenus.
Donc montrer les posts les plus intéressants.
Mais comme l’algorithme n’est pas suffisamment intelligent pour comprendre le contenu d’un post et déterminer s’il est « intéressant », il va se baser sur les interactions des utilisateurs avec le post (avec d’autres critères comme la présence d’un lien, d’une vidéo, d’une image etc… qui sont d’autres critères qui peuvent influencer la portée).
Jusqu’à aujourd’hui, les interactions étudiées par l’algorithme correspondaient à l’engagement : le nombre de likes reçus et le nombre de commentaires publiés au début de la vie du post. Les commentaires ayant un poids bien plus important que les likes.
Puis est arrivée le Dwell Time…
Pourquoi le Dwell Time ?
Il y a deux raisons principales au Dwell Time. La première est la plus importante et la version officielle.
La deuxième est secondaire et officieuse.
Il faut savoir que sur un réseau social, on observe la répartition suivante :
- 1% des utilisateurs publient,
- 10% des utilisateurs engagent (like ou commentaire),
- 90% des utilisateurs consomment du contenu sans interagir
LinkedIn s’est donc demandé : comment prendre en compte l’avis des 90% qui n’interagissent pas ? 🧐 Comment faire en sorte que le comportement des 90% puissent nous aider à déterminer la qualité d’un post ?
D’un autre côté, les actions d’engagement sont binaires. Cela pose deux problèmes :
- Elles ne sont pas linéaires. 1 like vaut 1 like, 1 commentaire vaut 1 commentaire. Pourtant je vais mettre le même like sur un contenu qui m’a fait sourire ou sur le meilleur post que j’ai lu de ma vie. ☝️
- Elles sont faciles à falsifier : il suffit de demander à des gens que je connais de mettre des likes ou des commentaires ou d’utiliser des pods pour booster de manière artificielle la portée de mon contenu.
C’est d’ailleurs ce deuxième point qui correspond à la deuxième raison officieuse : limiter l’impact des pods.
Mesurer la qualité d’un post et donc définir sa portée organique par ce que les ingénieurs de LinkedIn appellent « les actions virales » est donc une approximation trop grossière.
Ils expliquent également que les clics sur un lien ou sur « voir plus » du post peuvent être des indicateurs trompeurs car l’utilisateur peut immédiatement quitter la page ouverte ou ne pas lire la suite du post.
De même, des indicateurs comme le partage ne sont pas très fiables car il est impossible d’analyser objectivement le commentaire associé au partage. Est ce un partage pour dénoncer une personne ou mettre en avant un contenu de qualité ?
Il est temps de trouver d’autres indicateurs et mettre une petite dose d’Intelligence artificielle dans tout ça. 😉
Obtenez vos premiers clients cette semaine
Profitez de la puissance de Waalaxy pour générer des leads tous les jours. Commencez à prospecter gratuitement dès aujourd’hui.
Dwell Time = temps passé sur le post ?
Vous n’êtes probablement pas sur ce post par hasard. Et pour vous, le Dwell Time est certainement synonyme de « temps passé sur le post ».
C’est une approximation qui est presque vraie 😁. Je vais vous expliquer.
Afin de donner du poids aux comportements des utilisateurs qui n’interagissent pas et obtenir un indicateur plus fiable et plus linéaire, les ingénieurs de LinkedIn ont cherché à étudier un autre type d’interaction : le temps passé sur le post.
En effet, ils ont mesuré que plus on passait de temps sur un post, plus la probabilité était élevée de mettre un commentaire ou un like.
La réflexion est donc de se dire :
« Puisque plus je passe de temps sur une publication, plus la probabilité est élevée que j’engage sur le post et que l’engagement est une marque d’intérêt majeur pour le contenu, on peut dire que plus je passe de temps sur le post, plus il m’intéresse. »
(Ce qui en soit est un raisonnement basique et logique, mais derrière tout ça il a des beaux algorithmes et d’effroyables fonctions mathématiques 🤪).
Les ingénieurs ont divisé le temps passé sur le post en deux parties :
- Celui lorsque qu’on scroll le fil d’actualité LinkedIn, à partir du moment où la moitié du post est visible,
- Celui une fois que l’on a cliqué sur « Voir plus ».
Le temps passé sur le post va donc influencer positivement ou négativement l’algorithme et donc la portée de la publication.
Ce qu’il y a derrière ça
L’idée de cet article est de vulgariser celui produit par l’équipe des ingénieurs de LinkedIn en anglais. Je ne vais donc pas vous sortir toutes les formules mathématiques derrière tout ça.
Mais c’est tout de même intéressant de comprendre ce qu’il y a derrière le Dwell Time car c’est plus complexe que simplement « le temps passé sur un post ».
Dans leur article, les ingénieurs exposent un cas précis qu’ils ont étudié pour intégrer le temps passé sur un post dans l’algorithme. Ce qui laisse entendre que ce n’est pas la seule modélisation qui entre en compte. 🤔
Ils intègrent ainsi la « probabilité qu’un post soit passé sans être lu« . Il s’agit d’une période de temps assez courte en dessous de laquelle la probabilité d’effectuer un engagement sur le post est proche de zéro.
Autrement dit, cette période de temps correspond à celle nécessaire à mon cerveau pour définir s’il va s’intéresser au post ou non. Si je reste moins de cette période de temps, il n’y a aucune chance que j’engage sur le post.
Ils intègrent ainsi la notion de « Skipped post » ou « post passé » qui va également venir influencer l’algorithme.
A noter que cette période de temps est quasiment la même sur les différents types de posts (vidéo, image, article, pdf…), ce qui facilite la modélisation et l’utilisation de cet indicateur.
L’utilisation de cette modélisation dans l’apparition des posts
Il faut bien comprendre que LinkedIn ne raisonne pas en « ce post mérite-il d’être vu ? » mais « quel est le post le plus pertinent à afficher à cet utilisateur ? »
Ainsi, l’algorithme va intégrer différents critères, tels que le profil de l’utilisateur, la viralité du post (nombre de likes et commentaires), l’affinité de l’utilisateur avec l’auteur du post et d’autres indicateurs comme l’heure de la journée.
En combinant ces critères, il va déterminer la probabilité que vous lisiez un post « X » et prioriser ensuite les posts qui ont la plus haute probabilité de vous faire vous arrêter pour les lire.
Cette mise à jour de l’algorithme aurait augmenté significativement la qualité du fil d’actualité en diminuant le nombre de posts « passés » et donc augmenté la pertinence des contenus proposés.
Cet article a été écrit sur les bases de l’article rédigé par l’équipe d’ingénieurs de LinkedIn en charge de l’algorithme de publication et du Dwell Time. J’ai essayé de le vulgariser en tirant des informations les plus claires possibles, basées sur leurs explications. Malheureusement c’est la seule ressource officielle de LinkedIn sur le sujet.
Le fonctionnement de l’algorithme et l’intégration exacte du Dwell Time dans la portée des publications n’est pas totalement dévoilée. La modélisation intègre des fonctions mathématiques complexes et du machine learning.
C’est donc bien plus complexe que quelques chose de binaire.
L’équipe des ingénieurs laisse bien entendre que des mises à jour seront effectuées en permanence sur cet algorithme, de sorte à améliorer les suggestions et le rendre toujours plus pertinent.
Face à ces évolutions, la clef de la réussite reste la qualité de contenu. Plus l’algorithme arrivera à comprendre à quel point les utilisateurs apprécient un contenu, plus la qualité de se dernier primera dans l’algorithme.
Néanmoins, quelques bonnes pratique peuvent permettre de tirer partie du Dwell Time. Je vous en parle prochainement dans un article. 😉
En attendant n’hésitez pas à me contacter sur LinkedIn pour me faire un retour sur l’article et me dire si quelque chose n’était pas clair.
