Izpratne par Facebook ziņu plūsmas reitinga algoritmu

facebook personīgā integrācija

Jūsu zīmola atpazīstamība mērķauditorijas ziņu plūsmās ir galvenais sasniegums sociālajiem tirgotājiem. Tas ir viens no vissvarīgākajiem un bieži vien netveramākajiem mērķiem zīmola sociālajā stratēģijā. Īpaši grūti tas var būt Facebook, platformā, kurā ir izstrādāts un pastāvīgi attīstīts algoritms, kas paredzēts auditorijas apkalpošanai visatbilstošākajā saturā.

EdgeRank bija nosaukums, kas pirms vairākiem gadiem tika piešķirts Facebook ziņu plūsmas algoritmam, un, lai arī tagad to iekšēji uzskata par novecojušu, tirgotāji šo vārdu ir turpinājuši izmantot un turpina izmantot arī šodien. Facebook joprojām izmanto sākotnējā EdgeRank algoritma koncepcijas un ietvaru, uz kura tā tika uzbūvēta, taču jaunā veidā.

Facebook to sauc par ziņu plūsmas reitinga algoritmu. Kā tas darbojas? Šeit ir atbildes uz jūsu pamatjautājumiem:

Kas ir malas?

Jebkura lietotāja veikta darbība ir potenciāls ziņu plūsmas stāsts, un Facebook šīs darbības izsauc malas. Ikreiz, kad draugs izliek statusa atjauninājumu, komentē cita lietotāja statusa atjauninājumu, atzīmē fotoattēlu, pievienojas zīmola lapai vai kopīgo ziņu, tas ģenerē mala, un stāsts par šo malu potenciāli varētu parādīties lietotāja personiskajā ziņu plūsmā.

Tas būtu ārkārtīgi satriecoši, ja platforma parādītu visus šos stāstus ziņu plūsmā, tāpēc Facebook izveidoja algoritmu, lai prognozētu, cik katrs stāsts būs interesants katram atsevišķam lietotājam. Facebook algoritmu sauc par “EdgeRank”, jo tas sarindo malas un pēc tam filtrē tās lietotāja ziņu plūsmā, lai parādītu interesantākos stāstus konkrētajam lietotājam.

Kas ir Original EdgeRank Framework?

Sākotnējās trīs galvenās EdgeRank algoritma daļas ir afinitātes rādītājs, malu svars, un laika sabrukums.

Interešu rādītājs ir attiecības starp zīmolu un katru fanu, ko mēra pēc tā, cik bieži ventilators skatās un mijiedarbojas ar jūsu lapu un ziņām, kā arī to, kā jūs savstarpēji sadarbojaties ar viņiem.

Apmales svaru mēra, apkopojot malu vērtības vai lietotāja veiktās darbības, izņemot klikšķus. Katrai malu kategorijai ir atšķirīgs noklusējuma svars, piemēram, komentāriem ir augstākas svara vērtības nekā patīk jo viņi izrāda lielāku līdzjutēja līdzdalību. Parasti var pieņemt, ka tās malas, kuru izpildei nepieciešams visvairāk laika, mēdz nosvērt vairāk.

Laika sabrukums attiecas uz to, cik ilgi mala ir bijusi dzīva. EdgeRank ir skriešanas rezultāts, nevis vienreizēja lieta. Tātad, jo jaunāka ir jūsu ziņa, jo augstāks ir jūsu EdgeRank rezultāts. Kad lietotājs piesakās Facebook, viņa ziņu plūsma tiek aizpildīta ar saturu, kuram ir visaugstākais punktu skaits konkrētajā laika posmā.

facebook edgerank formula

Attēls kredīts: EdgeRank.net

Ideja ir tāda, ka Facebook atalgo zīmolus, kas veido attiecības un ievieto visatbilstošāko un interesantāko saturu lietotāja ziņu plūsmas augšdaļā, lai ziņas būtu īpaši pielāgotas tiem.

Kas ir mainījies ar Facebook Edgerank?

Algoritms ir nedaudz mainījies, iegūstot jauninājumu ar jaunām funkcijām, taču ideja joprojām ir tā pati: Facebook vēlas lietotājiem piešķirt interesantu saturu, lai viņi turpinātu atgriezties platformā.

Viena jauna funkcija - stāstu atgrūšana - ļauj atkal parādīties stāstiem, kurus cilvēki sākotnēji nav ritinājuši uz leju pietiekami tālu, lai redzētu. Šie stāsti tiks izveidoti netālu no ziņu plūsmas augšdaļas, ja tie joprojām ir daudz iesaistīšanās. Tas nozīmē, ka populārām lapu ziņām varētu būt lielākas iespējas tikt parādītām pat tad, ja tās ir dažas stundas vecas (mainot laika samazināšanās elementa sākotnējo lietojumu), dodoties uz ziņu plūsmas augšdaļu, ja stāsti joprojām saņem lielu skaitu patīk un komentāri (joprojām tiek izmantoti afinitātes rādītāji un malu svara elementi). Dati liecina, ka tas auditorijai parāda stāstus, kurus viņi vēlas redzēt, pat ja tie pirmo reizi tika palaisti garām.

Citu funkciju mērķis ir ļaut lietotājiem savlaicīgi redzēt ziņas no vēlamajām lapām un draugiem, it īpaši ar tendencēm. Tiek teikts, ka konkrēts saturs ir būtisks tikai noteiktā laika posmā, tāpēc Facebook vēlas, lai lietotāji to redz, kamēr tas joprojām ir aktuāls. Kad draugs vai lapa, kurā esat izveidojis savienojumu ar ziņām par kaut ko tādu, kas pašlaik ir aktuāls sarunu temats Facebook, piemēram, sporta notikums vai TV šova sezonas pirmizrāde, šī ziņa, visticamāk, tiks parādīta augstāk jūsu Facebook ziņu plūsmā, lai redzēt ātrāk.

Ziņas, kas neilgi pēc izlikšanas rada lielu piesaisti, visticamāk, tiks parādītas ziņu plūsmā, bet ne tik ticamas, ja aktivitāte pēc publicēšanas ātri samazināsies. Aiz tā domā, ka, ja cilvēki iesaistās ziņā tūlīt pēc tās ievietošanas, bet ne tik daudz pēc dažām stundām, ziņa bija visinteresantākā tajā laikā, kad tā tika ievietota, un, iespējams, vēlāk bija mazāk interesanta. Tas ir vēl viens veids, kā nodrošināt, ka ziņu plūsmas saturs ir savlaicīgs, atbilstošs un interesants.

Kā es varu novērtēt savu Facebook ziņu plūsmas analīzi?

Lai novērtētu zīmola EdgeRank punktu skaitu, nav pieejams trešās puses rīks, jo tik liela daļa datu ir privāti. Faktiskais EdgeRank rezultāts nepastāv, jo katram fanam ir atšķirīgs interešu rādītājs ar zīmola lapu. Turklāt Facebook patur algoritmu noslēpumā, un viņi to nepārtraukti pielāgo, kas nozīmē, ka komentāru vērtība, salīdzinot ar atzīmi Patīk, pastāvīgi mainās.

Visefektīvākais veids, kā izmērīt algoritma ietekmi, kas tiek piemērots jūsu saturam, ir redzēt, cik daudz cilvēku esat sasniedzis un cik lielu iesaisti saņēmāt jūsu ziņas. Līdzīgi rīki SumAll Facebook Analytics ietver šos datus visaptverošā analytics informācijas panelis ir ideāls šo metriku mērīšanai un izsekošanai.

Ko jūs domājat?

Šī vietne izmanto Akismet, lai samazinātu surogātpastu. Uzziniet, kā tiek apstrādāts jūsu komentārs.