Razumijevanje algoritma za rangiranje feeda vijesti na Facebooku

facebook osobna integracija

Uvid u vašu marku u feedovima vijesti vaše ciljne publike vrhunsko je postignuće za socijalne marketinše. Ovo je jedan od najvažnijih, a često i nedostižnih ciljeva u socijalnoj strategiji marke. 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 Facebookovom algoritmu feedova vijesti prije godina, iako se danas interno smatra zastarjelim, trgovci ga i danas koriste i koriste ga. Facebook još uvijek koristi koncepte izvornog EdgeRank algoritma i okvira na kojem je izgrađen, ali na novi način.

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

Što su rubovi?

Svaka radnja koju korisnik poduzme potencijalna je vijest i Facebook poziva te radnje rubovi. Kad god prijatelj objavi ažuriranje statusa, komentira ažuriranje statusa drugog korisnika, označi fotografiju, pridruži se stranici robne marke ili podijeli post, generira rub, a priča o tom rubu mogla bi se pojaviti u korisnikovom osobnom 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 pojedinom korisniku. Facebook algoritam naziva se "EdgeRank" jer poreda rubove, a zatim ih filtrira u korisnikovu vijest kako bi prikazao najzanimljivije priče za tog određenog korisnika.

Što je Original EdgeRank Framework?

Izvorna tri glavna dijela algoritma EdgeRank su rezultat afiniteta, rubna težinai vremensko propadanje.

Ocjena afiniteta odnos je između robne marke i svakog obožavatelja, mjeren koliko često obožavatelj pregledava i komunicira s vašom stranicom i postovima, uz to 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 sviđa jer pokazuju veće sudjelovanje obožavatelja. Općenito možete pretpostaviti da rubovi kojima je potrebno najviše vremena teže teže.

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

facebook edgerank formula

Priznanje slike: EdgeRank.net

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

Što se promijenilo s 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, omogućuje ponovno pojavljivanje priča koje ljudi prvotno nisu pomaknuli dovoljno daleko da bi ih vidjeli. Te će se priče naći pri vrhu vijesti ako još uvijek pobuđuju puno angažmana. To znači da bi popularni postovi stranica mogli imati veće šanse za prikazivanje čak i ako su stari nekoliko sati (mijenjajući izvornu upotrebu elementa vremenskog propadanja) odlaskom na vrh feeda vijesti ako priče i dalje dobivaju velik broj lajkova i komentara (još uvijek koristi ocjenu afiniteta i elemente težine ruba). Podaci sugeriraju da ovo publici prikazuje priče koje žele vidjeti, čak i ako su propuštene prvi put.

Ostale su značajke usmjerene na to da korisnicima omoguće pravovremeni prikaz postova 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 on ostaje relevantan. Kad su prijatelj ili stranica s kojom ste 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 visok angažman ubrzo nakon objavljivanja vjerojatnije će biti prikazane u feedu vijesti, ali ne tako vjerojatno ako aktivnost brzo padne nakon objavljivanja. Razmišljanje iza toga je da ako ljudi stupaju u interakciju s postom odmah nakon što je objavljen, ali ne toliko nekoliko sati kasnije, post je bio najzanimljiviji u trenutku kad je objavljen, a potencijalno manje zanimljiv kasnije. Ovo je još jedan način da sadržaj u vijestima bude pravodoban, relevantan i zanimljiv.

Kako mogu izmjeriti analitiku vijesti na Facebooku?

Nema dostupnog alata treće strane za mjerenje EdgeRank ocjene marke jer je toliko podataka privatno. Stvarna EdgeRank rezultat ne postoji jer svaki obožavatelj ima različitu ocjenu afiniteta prema stranici marke. Nadalje, Facebook algoritam drži u tajnosti i oni ga neprestano dotjeruju, što znači da se vrijednost komentara u odnosu na lajkove neprestano mijenja.

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

Što vi mislite?

Ova web stranica koristi Akismet za smanjenje neželjene pošte. Saznajte kako se podaci vašeg komentara obrađuju.