Facebooki uudistevoo edetabeli algoritmi mõistmine

facebooki isiklik integratsioon

Oma brändi nähtavuse saavutamine oma sihtrühma uudistevoogudes on sotsiaalse turundaja ülim saavutus. See on brändi sotsiaalse strateegia üks olulisemaid ja sageli raskesti tabatavaid eesmärke. Eriti keeruline võib see olla Facebookis, platvormil, millel on välja töötatud ja pidevalt arenev algoritm, mis on mõeldud publikule kõige asjakohasema sisu teenimiseks.

EdgeRank oli nimi aastaid tagasi Facebooki uudistevoo algoritmile ja kuigi seda peetakse praegu sisemiselt vananenuks, on see nimi jätkunud ja seda kasutavad turundajad ka tänapäeval. Facebook kasutab endiselt algse EdgeRanki algoritmi kontseptsioone ja raamistikku, millele see ehitati, kuid uuel viisil.

Facebook nimetab seda uudisvoo edetabeli algoritmiks. Kuidas see töötab? Siin on vastused teie põhiküsimustele:

Mis on servad?

Iga toiming, mille kasutaja teeb, on potentsiaalne uudisvoo lugu ja Facebook kutsub neid toiminguid servad. Kui sõber postitab olekuvärskenduse, kommenteerib teise kasutaja olekuvärskendust, sildistab foto, liitub brändilehega või jagab postitust, genereerib see servja lugu sellest servast võib potentsiaalselt ilmuda kasutaja isiklikus uudisvoos.

See oleks äärmiselt tohutu, kui platvorm näitaks kõiki neid lugusid uudisvoos, nii et Facebook lõi algoritmi, et ennustada, kui huvitav on iga lugu igale kasutajale. Facebooki algoritmi nimetatakse “EdgeRankiks”, kuna see reastab servad ja filtreerib need seejärel kasutaja uudisvoosse, et näidata konkreetse kasutaja jaoks kõige huvitavamaid lugusid.

Mis on Original EdgeRanki raamistik?

Algsed EdgeRanki algoritmi kolm peamist osa on afiinsuse skoor, serva kaalja aja lagunemine.

Ühise huviskoor on brändi ja iga fänni suhe, mõõdetuna selle järgi, kui tihti fänn teie lehte ja postitusi vaatab ja suhtleb, lisaks sellele, kuidas te nendega vastastikku suhtlete.

Servade kaalu mõõdetakse servade või kasutaja tehtud toimingute, välja arvatud klõpsude, väärtuste koostamise teel. Igal servakategoorial on erinev vaikemass, näiteks kommentaaride kaaluväärtus on suurem kui meeldib sest need näitavad fänni suuremat osalust. Üldiselt võite eeldada, et kõige rohkem aega kulutavad servad kaaluvad rohkem.

Aja lagunemine viitab sellele, kui kaua serv on elus olnud. EdgeRank on jooksev skoor, mitte ühekordne asi. Nii et mida uuem on teie postitus, seda kõrgem on teie EdgeRanki skoor. Kui kasutaja Facebooki sisse logib, täidetakse tema uudisvoo sisuga sisu, mis on antud ajahetkel kõige kõrgema punktisummaga.

facebook edgerank valem

Pildikrediit: EdgeRank.net

Idee on selles, et Facebook premeerib brände, kes loovad suhteid ja panevad kasutajate uudisvoo tippu kõige asjakohasema ja huvitavama sisu, nii et postitused oleksid neile spetsiaalselt kohandatud.

Mis on Facebook Edgerankiga muutunud?

Algoritm on veidi muutunud, saades versiooniuuenduse uute funktsioonidega, kuid idee on endiselt sama: Facebook soovib anda kasutajatele huvitavat sisu, et nad naaseksid platvormile.

Üks uus funktsioon, lugude põrkamine, võimaldab uuesti ilmuda lugudel, mida inimesed algselt piisavalt kaugele ei kerinud, et neid näha. Need lood põrutatakse kokku uudistevoo ülaosas, kui need on endiselt palju kaasatud. See tähendab, et populaarsetel lehe postitustel võib olla suurem tõenäosus, et neid näidatakse isegi siis, kui need on mõni tund vanad (muutes aja lagunemise elemendi algset kasutamist), minnes uudistevoo ülaossa, kui lugusid on endiselt palju meeldimiste ja kommentaaride kohta (endiselt kasutatakse afiinsusskoori ja servade kaalu elemente) Data on pakkunud, et see näitab publikule lugusid, mida nad näha tahavad, isegi kui need jäid esimest korda vahele.

Muud funktsioonid on suunatud sellele, et kasutajad saaksid õigeaegselt näha soovitud lehtede ja sõprade postitusi, eriti trenditeemadel. Väidetavalt on konkreetne sisu asjakohane ainult teatud aja jooksul, nii et Facebook soovib, et kasutajad näeksid seda, kuni see jääb asjakohaseks. Kui teie sõber või leht on ühendatud postitustega midagi sellist, mis on praegu Facebookis kuum jututeema, näiteks spordiürituse või telesaadete hooaja esietendus, ilmub see postitus suurema tõenäosusega teie Facebooki uudisvoos, nii et saate vaata seda varem.

Pisut seotust tekitavad postitused varsti pärast postitamist kuvatakse tõenäolisemalt uudisvoos, kuid mitte nii tõenäolised, kui tegevus pärast postitamist kiiresti langeb. Selle taga on mõte, et kui inimesed tegelevad postitusega kohe pärast selle postitamist, kuid mitte nii palju mõni tund hiljem, oli postitus postitamise ajal kõige huvitavam ja hiljem vähem huvitav. See on veel üks viis hoida uudisvoo sisu õigeaegne, asjakohane ja huvitav.

Kuidas mõõta oma Facebooki uudisvoo analüüsi?

Brändi EdgeRanki skoori mõõtmiseks pole saadaval kolmanda osapoole tööriista, kuna nii suur osa andmetest on privaatsed. Tegelik EdgeRanki skoor ei eksisteeri, sest igal fännil on brändilehega erinev afiinsusskoor. Lisaks hoiab Facebook algoritmi saladuses ja nad muudavad seda pidevalt, mis tähendab, et kommentaaride väärtus meeldimistega võrreldes muutub pidevalt.

Kõige tõhusam viis teie sisule rakendatud algoritmi mõju mõõtmiseks on see, kui näete, kui paljude inimesteni olete jõudnud ja kui palju teie postitusi on kaasatud. Tööriistad nagu SumAll Facebook Analytics need andmed terviklikuks analytics armatuurlaud on ideaalne nende mõõdikute mõõtmiseks ja jälgimiseks.

Mis sa arvad?

Sellel saidil kasutatakse rämpsposti vähendamiseks Akismetit. Vaadake, kuidas teie andmeid töödeldakse.