Dwell Time LinkedIn wyjaśnił

LinkedIn’s Dwell Time jest trochę jak dyskusja o seksie między nastolatkami: wszyscy o tym mówią, ale nikt tak naprawdę nie wie, co to jest. 🤪

Czas to trochę wyjaśnić. I powiedzieć Wam, co to tak naprawdę znaczy!

Jak działa algorytm do tej pory?

Zanim porozmawiamy o„Dwell Time„, ważne jest, aby porozmawiać o tym, jak działa algorytm. Zrobiłem już szczegółowy artykuł na ten temat, ale tutaj jest podsumowanie.

Tysiące ludzi publikuje posty na LinkedIn każdego dnia.

Każdego dnia miliony postów są widziane na LinkedIn.

Aby połączyć te dwie rzeczy: algorytm, który będzie określał, kto powinien zobaczyć czyj post.

Ponieważ Linkedin zarabia na reklamach, a te wyświetlane są co 5 postów, konieczne jest przewijanie jak największej liczby postów przez użytkowników, aby wygenerować maksymalny dochód.

Oznacza to pokazywanie najciekawszych postów.

Ale ponieważ algorytm nie jest wystarczająco inteligentny, aby zrozumieć treść postu i określić, czy jest on „interesujący”, będzie on oparty na interakcjach użytkowników z postem (wraz z innymi kryteriami, takimi jak link zewnętrzny, wideo, obraz itp…, które mogą wpływać na zasięg).

Do tej pory interakcje badane przez algorytm odpowiadały zaangażowaniu: liczbie otrzymanych polubień i liczbie komentarzy opublikowanych na początku życia postu. Komentarze mają znacznie większą wagę niż polubienia.

Potem pojawił się Dwell Time…

Dlaczego Dwell Time?

Istnieją dwa główne powody dla Dwell Time. Pierwszy z nich jest najważniejszy i jest to wersja oficjalna.

Drugi jest drugorzędny i nieoficjalny.

Warto wiedzieć, że na portalu społecznościowym obserwujemy następujący rozkład:

• 1% użytkowników publikuje,
• 10% użytkowników angażuje się (lajkuje lub komentuje),
• 90% użytkowników konsumuje treści bez interakcji.

LinkedIn, w związku z tym zadał pytanie: jak uwzględnić opinię 90%, którzy nie wchodzą w interakcje?🤨 Jak uzyskać zachowanie tych 90%, które pomoże nam określić jakość postu?

Z drugiej strony, działania angażujące są binarne. To stwarza dwa problemy:

• Nie są one liniowe. 1 like jest wart 1 like’a, 1 komentarz jest wart 1 komentarza. Ja jednak postawię tego samego like’a na treści, które wywołały uśmiech na mojej twarzy lub na najlepszy wpis, jaki w życiu przeczytałam. ☝️
• są łatwe do podrobienia: Mogę po prostu poprosić osoby, które znam o zamieszczenie polubień lub komentarzy albo użyć strączków, aby sztucznie zwiększyć zasięg moich treści.

Ten drugi punkt odpowiada nieoficjalnemu powodowi: ograniczenie wpływu strąków.

Mierzenie jakości postu i tym samym określanie jego zasięgu organicznego przez to, co inżynierowie LinkedIn nazywają „działaniami wirusowymi”, jest więc zbyt surowym przybliżeniem.

Wyjaśniają również, że kliknięcia w link lub „zobacz więcej” postu mogą być mylącymi wskaźnikami, ponieważ użytkownik może natychmiast opuścić otwartą stronę lub nie przeczytać reszty postu.

Podobnie, wskaźniki takie jak udostępnianie nie są zbyt wiarygodne, ponieważ nie da się obiektywnie przeanalizować komentarza związanego z udostępnianiem. Czy udostępnianie ma na celu potępienie kogoś czy podkreślenie jakości treści?

Czas poszukać innych wskaźników i wpleść w to wszystko małą dawkę sztucznej inteligencji 😉

Dwell Time = czas spędzony na danym poście?

Prawdopodobnie nie jesteś na tym poście przez zwykły przypadek. A dla Ciebie Dwell Time jest z pewnością synonimem „czasu spędzonego na poście”.

Jest to przybliżenie, które jest prawie prawdziwe 😁. Pozwól, że wyjaśnię.

Aby nadać wagę zachowaniom użytkowników, którzy nie wchodzą w interakcje i uzyskać bardziej wiarygodny i liniowy wskaźnik, inżynierowie LinkedIn starali się zbadać inny rodzaj interakcji: czas spędzony na poście.

Rzeczywiście, zmierzyli, że im więcej czasu spędziliśmy na poście, tym większe prawdopodobieństwo zamieszczenia komentarza lub like’a.

Myślenie idzie:

„Ponieważ im więcej czasu spędzam nad postem, tym większe prawdopodobieństwo, że się w niego zaangażuję, a zaangażowanie jest główną oznaką zainteresowania treścią, można powiedzieć, że im więcej czasu spędzam nad postem, tym bardziej jestem zainteresowany”

(To dość podstawowe i logiczne rozumowanie, ale za tym wszystkim kryją się piękne algorytmy i przerażające funkcje matematyczne 😜).

Inżynierowie podzielili czas spędzony nad postem na dwie części:

• ten, gdy przewijamy news feed LinkedIn, od momentu, gdy widoczna jest połowa posta
• ten po kliknięciu w „Zobacz więcej”

Czas spędzony nad postem będzie więc pozytywnie lub negatywnie wpływał na algorytm, a co za tym idzie na zakres publikacji.

Co się za tym wszystkim kryje?

Ideą tego artykułu jest uproszczenie tego, który został wyprodukowany przez zespół inżynierów LinkedIn. Nie będę więc pokazywał wszystkich matematycznych formuł, które za tym stoją.

Ale nadal jest to interesujące, aby zrozumieć, co kryje się za Dwell Time, ponieważ jest to bardziej złożone niż po prostu „czas spędzony na poście”.

W swoim artykule inżynierowie przedstawiają konkretny przypadek, który badali, aby zintegrować czas spędzony na poście w algorytmie. Co sugeruje, że nie jest to jedyne modelowanie, które wchodzi w grę. 🤔

Integrują w ten sposób„prawdopodobieństwo, że post przejdzie bez przeczytania„. Jest to dość krótki okres czasu, poniżej którego prawdopodobieństwo zaangażowania się w post jest bliskie zeru.

Innymi słowy, ten okres czasu odpowiada okresowi potrzebnemu mojemu mózgowi do określenia, czy będę zainteresowany postem, czy nie. Jeśli pozostanę krócej niż ten okres czasu, nie ma szans, że zaangażuję się w post.

W ten sposób zintegrowano pojęcie „pominiętego postu”, które również będzie miało wpływ na algorytm.

Zauważ, że ten okres czasu jest prawie taki sam dla różnych typów postów (wideo, obraz, artykuł, plik pdf…), co ułatwia modelowanie i wykorzystanie tego wskaźnika.

Wykorzystanie tego modelowania w wyglądzie postów

Należy zrozumieć, że LinkedIn nie działa w kategoriach „czy ten post zasługuje na to, aby go zobaczyć?”, ale „jaki jest najbardziej odpowiedni post do wyświetlenia temu użytkownikowi?”

W związku z tym algorytm będzie integrował różne kryteria, takie jak profil użytkownika, wirusowość postu (liczba polubień i komentarzy), pokrewieństwo użytkownika z autorem postu i inne wskaźniki, takie jak pora dnia.

Łącząc te kryteria, określi prawdopodobieństwo, że użytkownik przeczyta dany post, a następnie nada priorytet postom, które mają największe prawdopodobieństwo, że użytkownik zatrzyma się, aby je przeczytać.

Aktualizacja tego algorytmu znacznie podniosłaby jakość news feedu poprzez zmniejszenie liczby „pomijanych” postów, a tym samym zwiększyłaby trafność oferowanych treści.

Ten artykuł powstał na podstawie artykułu napisanego przez zespół inżynierów LinkedIn odpowiedzialnych za algorytm publikacji i Dwell Time. Starałem się go zsyntetyzować wyciągając najważniejsze informacje, jednocześnie starając się być jak najbardziej przejrzystym, bazując na ich wyjaśnieniach. Niestety jest to jedyny oficjalny zasób LinkedIn na ten temat.

Sposób działania algorytmu i dokładna integracja Dwell Time z zasięgiem publikacji nie jest w pełni ujawniona. Modelowanie integruje złożone funkcje matematyczne i uczenie maszynowe.

Jest to więc znacznie bardziej złożone niż coś binarnego.

Zespół inżynierów powiedział, że będą ciągłe aktualizacje tego algorytmu, tak aby poprawić sugestie i uczynić go bardziej trafnym.

W obliczu tych zmian, kluczem do sukcesu pozostaje jakość treści. Im bardziej algorytm dostaje się do zrozumienia, jak bardzo użytkownicy doceniają treść, tym bardziej jakość tego ostatniego będzie miała pierwszeństwo w algorytmie.

Jest jednak kilka dobrych praktyk, które mogą pomóc Ci wykorzystać Dwell Time. Opowiem Ci o nich w artykule już wkrótce 😉

W międzyczasie nie wahaj się skontaktować ze mną na LinkedIn, aby omówić artykuł i powiedzieć mi, jeśli coś nie jest jasne.