Il Dwell Time su LinkedIn è un po’ come un discorso sul sesso tra adolescenti in età prepuberale: tutti ne parlano ma nessuno sa davvero cosa sia. ?
È il momento di fare un po’ di chiarezza. E dirvi a cosa equivale veramente!
Come funziona l’algoritmo finora
Prima di parlare del “Dwell Time”, è importante parlare di come funziona l’algoritmo. Ho già fatto un articolo dettagliato sull’argomento, ma ecco un riassunto.
Ogni giorno migliaia di persone pubblicano su LinkedIn.
Ogni giorno milioni di post vengono visti su LinkedIn. ?
Per collegare le due cose: un algoritmo che determinerà chi deve vedere il post di chi.
Dal momento che Linkedin viene pagato sugli annunci e gli annunci vengono visualizzati ogni 5 post, è necessario scorrere il maggior numero possibile di post per gli utenti per generare il massimo delle entrate.
Quindi mostra i post più interessanti.
Ma siccome l’algoritmo non è abbastanza intelligente per capire il contenuto di un post e determinare se è “interessante”, si baserà sulle interazioni degli utenti con il post (con altri criteri come la presenza di un link, un video, un’immagine ecc… che sono altri criteri che possono influenzare la portata).
Fino ad oggi, le interazioni studiate dall’algoritmo corrispondevano all’engagement: il numero di like ricevuti e il numero di commenti pubblicati all’inizio della vita del post. I commenti hanno un peso molto maggiore dei like.
Poi è arrivato il Dwell Time…
Perché Dwell Time?
Ci sono due ragioni principali per il Dwell Time. La prima è la più importante e la versione ufficiale.
Il secondo è secondario e non ufficiale.
Dovete sapere che in una rete sociale, si osserva la seguente distribuzione:
- L’1% degli utenti posta,
- Il 10% degli utenti si impegna (like o commenti),
- Il 90% degli utenti consuma contenuti senza interagire
Così LinkedIn si è chiesto: come tenere conto dell’opinione del 90% che non interagisce? ? Come possiamo essere sicuri che il comportamento del 90% possa aiutarci a determinare la qualità di un post?
D’altra parte, le azioni di impegno sono binarie. Questo pone due problemi:
- Non sono lineari. 1 like vale 1 like, 1 commento vale 1 commento. Eppure metterò lo stesso like su un contenuto che mi ha fatto sorridere o sul miglior post che abbia mai letto in vita mia. ☝️
- Sono facili da falsificare: basta chiedere alle persone che conosco di mettere like o commenti o usare i pod per aumentare artificialmente la portata dei miei contenuti.
Questa seconda questione è in realtà la seconda ragione non ufficiale: limitare l’impatto dei pod.
Misurare la qualità di un post e quindi definire la sua portata organica da ciò che gli ingegneri di LinkedIn chiamano “azioni virali” è quindi un’approssimazione troppo approssimativa.
Spiegano anche che i clic su un link o su “see more” del post possono essere indicatori fuorvianti perché l’utente può lasciare immediatamente la pagina aperta o non leggere il resto del post.
Allo stesso modo, indicatori come la condivisione non sono molto affidabili perché è impossibile analizzare oggettivamente il commento associato alla condivisione. È una condivisione per denunciare una persona o per evidenziare un contenuto di qualità?
È ora di trovare altri indicatori e mettere una piccola dose di intelligenza artificiale in tutto questo ?
Dwell Time = tempo trascorso sul post?
Probabilmente non sei su questo post per caso. E per voi, Dwell Time è certamente sinonimo di “tempo trascorso sul post”.
È un’approssimazione che è quasi vera ?. Lasciatemi spiegare.
Per dare peso ai comportamenti degli utenti che non interagiscono e ottenere una metrica più affidabile e lineare, gli ingegneri di LinkedIn hanno cercato di studiare un altro tipo di interazione: il tempo trascorso sui post.
Infatti, hanno misurato che più tempo trascorso su un post, maggiore è la probabilità di mettere un commento o un like.
Quindi il pensiero è quello di dire a se stessi:
“Poiché più tempo passo su un post, più alta è la probabilità che mi impegni con il post e l’impegno è un segno importante di interesse per il contenuto, possiamo dire che più tempo passo sul post, più sono interessato ad esso”
(Che di per sé è un ragionamento elementare e logico, ma dietro a tutto questo ha dei bei algoritmi e delle funzioni matematiche spaventose ?).
Gli ingegneri hanno diviso il tempo trascorso sul posto in due parti:
- Quella in cui si scorre il news feed di LinkedIn, dal momento in cui metà del post è visibile,
- Quello che una volta cliccato su “See more”.
Il tempo trascorso sul post influenzerà quindi positivamente o negativamente l’algoritmo e quindi la portata del post.
Cosa c’è dietro
L’idea di questo articolo è di divulgare quello prodotto dal team di ingegneri di LinkedIn in inglese. Quindi non vi darò tutte le formule matematiche che ci sono dietro.
Ma è ancora interessante capire cosa c’è dietro il Dwell Time perché è più complesso del semplice “tempo trascorso su un post”.
Nel loro articolo, gli ingegneri espongono un caso specifico che hanno studiato per integrare il tempo trascorso su un post nell’algoritmo. Ciò suggerisce che questa non è l’unica modellazione che entra in gioco. ?
Quindi incorporano la“probabilità che un post non venga letto“. Questo è un periodo di tempo abbastanza breve al di sotto del quale la probabilità di impegnarsi sul post è vicina allo zero.
In altre parole, questo periodo di tempo corrisponde al tempo necessario al mio cervello per definire se sarà interessato al post o no. Se rimango meno di questo periodo di tempo, non c’è possibilità che mi impegni sul post.
Integrano la nozione di “Skipped post” o “past post” che influenzerà anche l’algoritmo.
Si noti che questo periodo di tempo è quasi lo stesso sui diversi tipi di post (video, immagine, articolo, pdf …), il che facilita la modellazione e l’uso di questo indicatore.
L’uso di questa modellazione nell’aspetto dei messaggi
È importante capire che LinkedIn non ragiona in “vale la pena vedere questo post?” ma “qual è il post più rilevante da mostrare a questo utente?”
Così, l’algoritmo integrerà diversi criteri, come il profilo dell’utente, la viralità del post (numero di like e commenti), l’affinità dell’utente con l’autore del post e altri indicatori come l’ora del giorno.
Combinando questi criteri, determinerà quanto è probabile che tu legga il post “X” e poi darà la priorità ai post che hanno la più alta probabilità di farti fermare a leggerli.
Questo aggiornamento dell’algoritmo avrebbe aumentato significativamente la qualità del news feed riducendo il numero di post “passati” e quindi aumentato la rilevanza dei contenuti offerti.
Questo articolo è stato scritto sulla base dell’ articolo scritto dal team di ingegneri di LinkedIn responsabile dell’algoritmo di pubblicazione e del Dwell Time. Ho cercato di renderlo il più facile possibile da capire, basandomi sulle loro spiegazioni. Purtroppo questa è l’unica risorsa ufficiale di LinkedIn sull’argomento.
Come funziona l’algoritmo e come esattamente Dwell Time è integrato nella portata delle pubblicazioni non è completamente rivelato. La modellazione incorpora funzioni matematiche complesse e apprendimento automatico.
Quindi è molto più complesso di qualcosa di binario.
Il team di ingegneri suggerisce che gli aggiornamenti saranno fatti all’algoritmo su base continua, per migliorare i suggerimenti e renderlo più rilevante.
Di fronte a questi sviluppi, la chiave del successo rimane la qualità del contenuto. Più l’algoritmo sarà in grado di capire quanto gli utenti apprezzano un contenuto, più la qualità di quest’ultimo prevarrà nell’algoritmo.
Tuttavia, alcune buone pratiche possono aiutare a trarre vantaggio dal Dwell Time. Ne parlerò presto in un articolo ?
Nel frattempo sentitevi liberi di contattarmi su LinkedIn per darmi un feedback sull’articolo e dirmi se qualcosa non era chiaro.
