Razumijevanje Facebook-ovog algoritma za rangiranje vijesti

facebook lična integracija

Uvid u vašu marku u feedovima vijesti vaše ciljne publike krajnje je postignuće za društvene marketinške stručnjake. Ovo je jedan od najvažnijih, a često i neuhvatljivih ciljeva u socijalnoj strategiji brenda. To može biti posebno teško na Facebooku, platformi koja ima razrađeni i neprestano razvijajući algoritam dizajniran da publici servira najrelevantniji sadržaj.

EdgeRank bilo je ime dodijeljeno Facebook algoritmu feedova vijesti prije godina, iako se danas interno smatra zastarjelim, trgovci ga i danas koriste i koriste ga. Facebook i dalje koristi koncepte originalnog EdgeRank algoritma i okvira na kojem je izgrađen, ali na nov način.

Facebook ga naziva Algoritmom rangiranja vijesti. Kako to radi? Evo odgovora na vaša osnovna pitanja:

Šta su ivice?

Svaka radnja koju korisnik poduzme je potencijalna priča vijesti i Facebook ih poziva ivice. Kad god prijatelj objavi ažuriranje statusa, komentira ažuriranje statusa drugog korisnika, označi fotografiju, pridruži se stranici brenda ili podijeli objavu, generira ivica, a priča o toj ivici mogla bi se potencijalno prikazati u korisnikovom ličnom feedu vijesti.

Bilo bi krajnje neodoljivo da platforma prikazuje sve ove priče u feedu vijesti, pa je Facebook stvorio algoritam za predviđanje koliko će svaka priča biti zanimljiva svakom pojedinačnom korisniku. Facebook algoritam naziva se "EdgeRank", jer poreda ivice, a zatim ih filtrira u korisnikovu vijest kako bi prikazao najzanimljivije priče za tog korisnika.

Šta je Original EdgeRank Framework?

Originalna tri glavna dijela EdgeRank algoritma su rezultat afiniteta, rubna težina, I vremensko propadanje.

Ocjena afiniteta odnos je između robne marke i svakog obožavatelja, mjeren koliko često obožavatelj pregledava i komunicira s vašom stranicom i postovima, pored toga kako se uzajamno angažirate s njima.

Težina ruba mjeri se sastavljanjem vrijednosti rubova ili radnji koje korisnik poduzima, osim klikova. Svaka kategorija rubova ima različitu zadanu težinu, na primjer komentari imaju veće vrijednosti težine od naklonost jer pokazuju veće učešće navijača. Općenito možete pretpostaviti da rubovi kojima je potrebno najviše vremena teže teže.

Vremensko propadanje odnosi se na to koliko dugo je ivica živa. EdgeRank je tekući rezultat, a ne jednokratna stvar. Dakle, što je noviji vaš post, to je veći vaš EdgeRank rezultat. Kada se korisnik prijavi na Facebook, njihov feed vijesti popunjava se sadržajem koji ima najveći rezultat u tom određenom trenutku.

facebook edgerank formula

Kredit za sliku: EdgeRank.net

Ideja je da Facebook nagrađuje brendove koji grade odnose i stavljaju najrelevantniji i najzanimljiviji sadržaj na vrh korisnikove vijesti, tako da su postovi posebno prilagođeni njima.

Šta se promijenilo sa Facebook Edgerank?

Algoritam se malo promijenio, nadograđujući novim značajkama, ali ideja je i dalje ista: Facebook želi korisnicima pružiti zanimljiv sadržaj kako bi se neprestano vraćali na platformu.

Jedna nova značajka, nabacivanje priča, omogućava ponovno pojavljivanje priča koje ljudi prvotno nisu pomaknuli dovoljno daleko da bi ih vidjeli. Ove će priče biti nabasane pri vrhu vijesti ako još uvijek pobude puno angažmana. To znači da bi popularni postovi na stranici mogli imati veće šanse za prikazivanje čak i ako su stari nekoliko sati (promjena izvorne upotrebe elementa vremenskog propadanja) odlaskom na vrh feeda vijesti ako vijesti i dalje primaju velik broj lajkova i komentara (i dalje koristi ocjenu afiniteta i elemente težine ivice). Podaci sugeriraju da ovo publici prikazuje priče koje žele vidjeti, čak i ako su propuštene prvi put.

Ostale su funkcije usmjerene na to da korisnicima omoguće da pravovremeno vide postove sa stranica i prijatelja koje žele, posebno s trendovskim temama. Kaže se da je određeni sadržaj relevantan samo u određenom vremenskom roku, pa Facebook želi da ga korisnici vide dok je i dalje relevantan. Kada ste prijatelj ili stranica povezani s postovima o nečemu što je trenutno vruća tema razgovora na Facebooku, poput sportskog događaja ili premijere sezone TV emisije, veća je vjerojatnost da će se taj post pojaviti više u vašem feedu vijesti na Facebooku, tako da možete vidi to prije.

Objave koje generiraju visoku angažovanost ubrzo nakon objavljivanja vjerojatnije će biti prikazane u feedu vijesti, ali ne tako vjerovatno ako aktivnost brzo padne nakon objavljivanja. Razmišljanje iza toga je da, ako se ljudi angažiraju na postu odmah nakon što je objavljen, ali ne toliko nekoliko sati kasnije, post je bio najzanimljiviji u trenutku kad je objavljen i potencijalno manje zanimljiv kasnije. Ovo je još jedan način da sadržaj u vijestima bude pravovremen, relevantan i zanimljiv.

Kako mogu izmjeriti analitiku vijesti na Facebooku?

Ne postoji dostupan nezavisni alat za mjerenje EdgeRank rezultata brenda, jer je toliko podataka privatno. Stvarno EdgeRank rezultat ne postoji jer svaki obožavatelj ima različitu ocjenu afiniteta prema stranici marke. Nadalje, Facebook algoritam drži u tajnosti i oni ga neprestano dorađuju, što znači da se vrijednost komentara u odnosu na lajkove neprestano mijenja.

Najučinkovitiji način za mjerenje učinka algoritma primijenjenog na vaš sadržaj je gledanje koliko ste ljudi dosegli i koliko angažmana su primili vaši postovi. Alati poput SumAll Facebook Analytics obuhvatiti ove podatke u sveobuhvatan analitika nadzorna ploča savršena za mjerenje i praćenje ovih mjernih podataka.

Šta ti misliš?

Ova stranica koristi Akismet kako bi smanjila neželjenu poštu. Saznajte kako se podaci vašeg komentara obrađuju.