Разбиране на алгоритъма за класиране на новините на Facebook

facebook лична интеграция

Постигането на видимост на вашата марка в новинарските емисии на вашата целева аудитория е най-доброто постижение за социалните маркетолози. Това е една от най-важните и често неуловими цели в социалната стратегия на марката. Особено трудно може да бъде във Facebook, платформа, която има сложен и непрекъснато развиващ се алгоритъм, предназначен да обслужва аудиторията с най-подходящото съдържание.

EdgeRank е името, дадено на алгоритъма за новинарски емисии на Facebook преди години и въпреки че сега се счита за остаряло вътрешно, името е живяло и продължава да се използва от търговците днес. Facebook все още използва концепциите на оригиналния алгоритъм EdgeRank и рамката, върху която е изграден, но по нов начин.

Facebook го нарича алгоритъм за класиране на емисии новини. Как работи? Ето отговорите на основните ви въпроси:

Какво представляват ръбовете?

Всяко действие, което потребителят предприеме, е потенциална история за новинарски емисии и Facebook ги призовава ръбове. Всеки път, когато приятел публикува актуализация на състоянието, коментира актуализация на състоянието на друг потребител, маркира снимка, присъединява се към страница на марка или споделя публикация, той генерира ръб, а история за този край може потенциално да се появи в личната емисия на потребителя.

Би било изключително поразително, ако платформата показва всички тези истории в емисията за новини, така че Facebook създаде алгоритъм, за да предскаже колко интересна ще бъде всяка история за всеки отделен потребител. Алгоритъмът на Facebook се нарича „EdgeRank“, тъй като подрежда краищата и след това ги филтрира в новинарски емисия на потребителя, за да покаже най-интересните истории за конкретния потребител.

Какво представлява Original EdgeRank Framework?

Оригиналните три основни части на алгоритъма EdgeRank са резултат на афинитет, тегло на ръба, и разпадане на времето.

Резултатът за афинитет е връзката между марка и всеки фен, измерена с това колко често фен разглежда и взаимодейства с вашата страница и публикации, в допълнение към това как взаимно се ангажирате с тях.

Теглото на ръба се измерва чрез съставяне на стойностите на ръбовете или действията, които потребителят предприема, с изключение на кликванията. Всяка категория ръбове има различно тегло по подразбиране, например коментарите имат по-високи стойности на теглото от харесвания защото те показват по-голямо участие от феновете. Обикновено можете да предположите, че ръбовете, които отнемат най-много време, обикновено тежат повече.

Разпадането на времето се отнася до това колко дълго ръбът е жив. EdgeRank е текущ резултат, а не еднократна работа. Така че колкото по-скорошен е вашият пост, толкова по-висок е резултатът ви от EdgeRank. Когато потребителят влезе във Facebook, неговата информационна лента се попълва със съдържание, което има най-висок резултат в конкретния момент от времето.

формула за френк на facebook

Изображение на кредит: EdgeRank.net

Идеята е, че Facebook възнаграждава марки, които изграждат взаимоотношения и поставят най-подходящото и интересно съдържание в горната част на новинарския канал на потребителя, така че публикациите да са специално пригодени за тях.

Какво се е променило с Facebook Edgerank?

Алгоритъмът се е променил леко, като е получил надстройка с нови функции, но идеята е все същата: Facebook иска да даде на потребителите интересно съдържание, за да продължат да се връщат към платформата.

Една нова функция, блъскането на истории, позволява да се появят истории, които хората първоначално не са превъртали надолу достатъчно, за да ги видят. Тези истории ще бъдат наблъскани в горната част на новинарския канал, ако все още събират много ангажираност. Това означава, че популярните публикации на страници могат да имат по-голям шанс да бъдат показани, дори ако са на няколко часа (промяна на първоначалното използване на елемента за намаляване на времето), като отидат в горната част на новинарския канал, ако историите все още получават голям брой на харесвания и коментари (все още се използват точки за афинитет и елементи с тегло на ръба) Данните предполагат, че това показва на публиката историите, които искат да видят, дори ако са пропуснати за първи път.

Други функции имат за цел да позволят на потребителите да виждат публикации от страниците и приятели, които искат, по-своевременно, особено с тенденции в тенденциите. Казва се, че конкретно съдържание е от значение само в рамките на определен период от време, така че Facebook иска потребителите да го виждат, докато то остава актуално. Когато ваш приятел или страница сте свързани с публикации за нещо, което в момента е гореща тема за разговор във Facebook като спортно събитие или премиера на сезон на телевизионно предаване, тази публикация е по-вероятно да се появи по-горе във вашата емисия за новини във Facebook, така че можете вижте го по-рано.

Публикациите, които генерират висока ангажираност малко след публикуването, са по-склонни да бъдат показани в новинарския канал, но не толкова вероятно, ако активността спадне бързо след публикуването. Идеята зад това е, че ако хората се ангажират с публикацията веднага след публикуването й, но не толкова няколко часа по-късно, публикацията е била най-интересна по времето, когато е публикувана и потенциално по-малко интересна на по-късна дата. Това е друг начин да поддържате съдържанието в информационния канал навреме, подходящо и интересно.

Как да измервам анализите си във Facebook News Feed?

Няма наличен инструмент на трета страна за измерване на оценката на марката EdgeRank, тъй като голяма част от данните са частни. Действително Резултат от EdgeRank не съществува, защото всеки фен има различен рейтинг на афинитет към страницата на марката. Освен това Facebook пази алгоритъма в тайна и те постоянно го променят, което означава, че стойността на коментарите в сравнение с харесванията непрекъснато се променя.

Най-ефективният начин за измерване на въздействието на алгоритъма, приложен към вашето съдържание, е като видите колко хора сте достигнали и колко ангажираност са получили вашите публикации. Инструменти като SumAll Facebook Analytics обхване тези данни в изчерпателна анализ табло, идеално за измерване и проследяване на тези показатели.

Какво мислите?

Този сайт използва Akismet за намаляване на спама. Научете как се обработват данните за коментарите ви.