Explicação do LinkedIn Dwell Time

O LinkedIn Dwell Time é um pouco como uma discussão sexual entre adolescentes pré-pubescentes: toda a gente fala disso, mas ninguém sabe realmente o que é. ?

É tempo de esclarecer um pouco esta questão. E dizer-lhe o que realmente significa!

 Como é que o algoritmo funciona até agora?

Antes de falar sobre“Dwell Time“, é importante falar sobre como funciona o algoritmo. Já fiz um artigo detalhado sobre o assunto, mas aqui está um resumo.

Milhares de pessoas colocam no LinkedIn todos os dias.

Todos os dias são vistos milhões de mensagens no LinkedIn.

Para ligar os dois: um algoritmo que determinará quem deve ver de quem é o posto.

Uma vez que o LinkedIn ganha dinheiro com anúncios, e estes são exibidos a cada 5 posts, é necessário percorrer o máximo de posts possível para que os utilizadores possam gerar o máximo rendimento.

Isto significa mostrar os cargos mais interessantes.

Mas como o algoritmo não é suficientemente inteligente para compreender o conteúdo de um post e determinar se é “interessante”, será baseado nas interacções dos utilizadores com o post (juntamente com outros critérios tais como uma ligação externa, um vídeo, uma imagem, etc… que podem influenciar o alcance).

Até agora, as interacções estudadas pelo algoritmo correspondiam ao compromisso: o número de gostos recebidos e o número de comentários publicados no início da vida do posto. Os comentários têm muito mais peso do que os gostos.

Depois veio o Tempo de Habitação…

 Porquê o Tempo de Habitação?

Há duas razões principais para o LinkedIn Dwell Time . A primeira é a mais importante e a versão oficial.

O segundo é secundário e não oficial.

Deve saber que, numa rede social, observamos a seguinte distribuição:

• 1% dos utilizadores publicam,
• 10% dos utilizadores comprometem-se (como ou comentam),
• 90% dos utilizadores consomem conteúdos sem interagir.

LinkedIn, portanto, perguntou: como ter em conta a opinião dos 90% que não interagem? Como é que obtemos o comportamento dos 90% para nos ajudar a determinar a qualidade de um posto?

Por outro lado, as acções de compromisso são binários. Isto coloca dois problemas:

• Não são lineares. 1 como vale 1 como, 1 comentário vale 1 comentário. No entanto, colocarei o mesmo como no conteúdo que me fez sorrir ou no melhor post que já li na minha vida. ☝️
• são fáceis de falsificar: Posso apenas pedir às pessoas que conheço que publiquem gostos ou comentários ou usar cápsulas para aumentar artificialmente o alcance do meu conteúdo.

Este segundo ponto corresponde à razão não oficial: limitar o impacto das cápsulas.

Medir a qualidade de um posto e, portanto, definir o seu alcance orgânico pelo que os engenheiros do LinkedIn chamam “acções virais” é, portanto, uma aproximação demasiado grosseira.

Explicam também que os cliques num link ou “ver mais” do post podem ser indicadores enganadores porque o utilizador pode deixar imediatamente a página aberta ou não ler o resto do post.

Do mesmo modo, indicadores como a partilha não são muito fiáveis porque é impossível analisar objectivamente o comentário associado à partilha. Partilhar é denunciar alguém ou destacar conteúdos de qualidade?

É tempo de encontrar outros indicadores e colocar uma pequena dose de Inteligência Artificial em tudo isto. ?

Tempo de Habitação = tempo gasto num posto?

Provavelmente não se encontra neste posto por mero acaso. E para si, Dwell Time é certamente sinónimo de “tempo gasto no posto”.

É uma aproximação que é quase verdadeira ?. Deixem-me explicar.

A fim de dar peso aos comportamentos dos utilizadores que não interagem e obter um indicador mais fiável e linear, os engenheiros do LinkedIn procuraram estudar outro tipo de interacção: o tempo gasto no posto.

De facto, mediram que quanto mais tempo passávamos num post, maior era a probabilidade de publicar um comentário ou algo semelhante.

O pensamento vai:

“Uma vez que quanto mais tempo passo num post, maior a probabilidade de me envolver no post e que o envolvimento é um grande sinal de interesse no conteúdo, pode dizer-se que quanto mais tempo passo no post, mais estou interessado”

(É um raciocínio bastante básico e lógico, mas por detrás de tudo isso há belos algoritmos e funções matemáticas assustadoras?).

Os engenheiros dividiram o tempo gasto no posto em duas partes:

• aquele em que percorremos o feed de notícias do LinkedIn, a partir do momento em que metade do post é visível
• o que depois de clicar em “Ver mais

O tempo gasto no posto influenciará, portanto, positiva ou negativamente o algoritmo e, portanto, o âmbito da publicação.

LinkedIn Dwell Time : O que está por detrás de tudo isto?

A ideia deste artigo é simplificar o produzido pela equipa de engenharia do LinkedIn. Por isso, não vou mostrar todas as fórmulas matemáticas que estão por detrás disto.

Mas ainda é interessante compreender o que está por detrás do Dwell Time porque é mais complexo do que simplesmente “o tempo passado num posto”.

No seu artigo, os engenheiros apresentam um caso específico que estudaram para integrar o tempo gasto num posto no algoritmo. O que sugere que esta não é a única modelagem que entra em jogo. ?

Integram assim a“probabilidade de um posto ser passado sem ser lido“. Este é um período de tempo bastante curto, abaixo do qual a probabilidade de fazer um compromisso no posto é próxima de zero.

Por outras palavras, este período de tempo corresponde ao necessário para o meu cérebro definir se estarei ou não interessado no posto. Se eu ficar menos tempo deste período de tempo, não há qualquer hipótese de me envolver no posto.

Integram assim a noção de “Posto Saltado”, o que também influenciará o algoritmo.

Note-se que este período de tempo é quase o mesmo nos diferentes tipos de posts (vídeo, imagem, artigo, ficheiro pdf…), o que facilita a modelação e utilização deste indicador.

LinkedIn Dwell Time, A utilização desta modelagem na aparência dos postes

Deve entender-se que o LinkedIn não funciona em termos de “este post merece ser visto?” mas “qual é o post mais relevante a mostrar a este utilizador?

Assim, o algoritmo irá integrar diferentes critérios, tais como o perfil do utilizador, a viralidade do posto (número de gostos e comentários), a afinidade do utilizador com o autor do posto e outros indicadores, tais como a hora do dia.

Ao combinar estes critérios, determinará a probabilidade de ler um determinado post e, em seguida, dará prioridade aos posts que têm a maior probabilidade de o fazer parar para os ler.

A actualização deste algoritmo teria aumentado significativamente a qualidade do fluxo de notícias, reduzindo o número de mensagens “saltadas” e, por conseguinte, aumentando a relevância do conteúdo oferecido.

Este artigo foi escrito com base no artigo escrito pela equipa de engenheiros do LinkedIn encarregada do algoritmo de publicação e do Dwell Time. Tentei sintetizá-lo desenhando a informação mais importante, ao mesmo tempo que tentava ser o mais claro possível, com base nas suas explicações. Infelizmente, é o único recurso oficial do LinkedIn sobre o assunto.

A forma como o algoritmo funciona e a integração exacta de Dwell Time no alcance das publicações não é totalmente revelada. A modelação integra funções matemáticas complexas e aprendizagem de máquinas.

Portanto, é muito mais complexo do que algo binário.

A equipa de engenharia disse que haverá actualizações contínuas a este algoritmo, de modo a melhorar as sugestões e torná-lo mais relevante.

Face a estes desenvolvimentos, a chave do sucesso continua a ser a qualidade do conteúdo. Quanto mais o algoritmo compreender o quanto os utilizadores apreciam um conteúdo, mais a qualidade deste último terá precedência no algoritmo.

No entanto, existem algumas boas práticas que podem ajudá-lo a tirar partido do Dwell Time. Contar-lhe-ei sobre isso num artigo em breve. ?

Entretanto, não hesite em contactar-me no LinkedIn para discutir o artigo e dizer-me se algo não estiver claro.