Dentro il motore di raccomandazione avvincente di TikTok
I design incentrati sull’utente sono al centro della crescente popolarità di TikTok
Apartire da dicembre 2020, TikTok ha superato Facebook diventando l’app più scaricata. Il patrimonio netto stimato del suo fondatore Zhang Yiming è di 35,6 miliardi di dollari . Con TikTok, sta cercando di “combinare la potenza dell’intelligenza artificiale con la crescita di Internet mobile per rivoluzionare il modo in cui le persone consumano e ricevono informazioni”.
Tiktok è passata da un’app per la sincronizzazione labiale a un’app virale con oltre 800 milioni di utenti attivi a velocità di curvatura. Ora, ogni utente trascorre in media 52 minuti al giorno sull’app. “Quando apri TikTok e atterri nel tuo feed For You, ti viene presentato un flusso di video curati in base ai tuoi interessi, rendendo facile trovare contenuti e creatori che ami. Questo feed è alimentato da un sistema di raccomandazione che fornisce contenuti a ciascun utente che potrebbero essere di interesse per quel particolare utente”, secondo il blog di TikTok.
In questo articolo, diamo uno sguardo più da vicino agli algoritmi basati sul coinvolgimento di TikTok.
I design incentrati sull’utente sono al centro della crescente popolarità di TikTok. La piattaforma consiglia contenuti in base alle interazioni passate dell’utente. L’algoritmo AI di TikTok è un matchmaker iper efficiente che collega i contenuti con il pubblico a cui è destinato.
L’algoritmo AI inserisce i “video guardati” in diverse categorie e il meccanismo di follow-up traccia i comportamenti degli utenti per ulteriori verifiche, fornendo eventualmente consigli esatti.
Costruzioni
Il sistema ciclico di TikTok funziona in due passaggi. Innanzitutto, TikTok tagga il contenuto. Il modello AI viene utilizzato per rivedere il contenuto pubblicato sull’app e, se è contrassegnato come insensibile, viene passato per una revisione umana. Una volta che il contenuto supera questa fase, viene inviato a un piccolo gruppo di utenti per un feedback iniziale.
A seconda delle metriche di questo batch iniziale, viene generato un punteggio per il contenuto e, se è al di sopra della soglia, il contenuto viene inviato a un pubblico più ampio. Se il feedback è basso, l’app osserva il comportamento dell’utente e il tempo di attività mentre mette in pausa il contenuto. Se il contenuto pubblicato da un utente sta diminuendo, il ciclo si riavvia per aumentare il contenuto.
Dal punto di vista dell’utente, impedisce loro di annoiarsi con consigli e feed personalizzati. Per il creatore, attira l’attenzione sul contenuto per mantenere alto il morale mentre lo spinge a crearne altri.
L'”effetto trendy” di TikTok significa che se il contenuto di un utente diventa virale, l’algoritmo AI indirizza il traffico alla sua pagina principale, aumentando così l’interazione sui suoi vecchi contenuti, spingendolo a pubblicare di più.
Creazione di profili utente
Una delle caratteristiche più impressionanti di TikTok è la sua bassa barriera all’ingresso. Gli utenti non sono obbligati a registrarsi inizialmente. Tuttavia, l’ algoritmo AI inizia a conoscerli dall’inizio a freddo. TikTok mostra in modo efficiente all’utente il video più amato nella posizione dell’utente e apprende rapidamente il suo interesse per ridurre il tasso di uscita. La macchina quindi tiene traccia della prima sequenza di video consumati. Successivamente, all’utente vengono mostrati video di varie categorie e, a seconda delle metriche, viene creato un punteggio per l’utente per ciascun genere. L’app raccoglie anche dettagli personali come la posizione dell’utente, la cronologia di navigazione e l’età per perfezionare i consigli.
Il modello di raccomandazione studia dati quantificabili come la percentuale di clic, il tempo di visualizzazione, i Mi piace, i commenti e i repost. Gli obiettivi vengono raggiunti utilizzando algoritmi di intelligenza artificiale come il modello di filtraggio collaborativo, il modello di regressione, la macchina di fattorizzazione e il deep learning. TikTok utilizza un protocollo di formazione online in tempo reale, il che significa che l’azione e il comportamento dell’utente vengono catturati e il feed lo riflette immediatamente. Ad esempio, se un utente guarda l’intero video o lo guarda di nuovo, il consiglio personalizzato si aggiorna istantaneamente per mostrare contenuti simili.
Algoritmi di raccomandazione di TikTok
L’algoritmo di TikTok è la “salsa segreta” dietro il successo dell’app. Sebbene il funzionamento interno degli algoritmi sia stato strettamente custodito, i social media sono in fermento con molte teorie sullo stesso. Diamo un’occhiata ad alcuni.
Teoria dei batch: secondo questa teoria, quando un video viene caricato, viene mostrato a un gruppo di batch di utenti in base a fattori quali la cronologia delle visualizzazioni, la posizione e le preferenze. Il punteggio del contenuto viene generato in base all’interazione dell’utente, inclusi rewatch, Mi piace, condivisioni e commenti. A seconda dell’entità di questo punteggio e delle interazioni, il contenuto può persino diventare virale.
Delay Momentum: l’algoritmo “becchino” di TikTok viene utilizzato per guardare indietro al vecchio contenuto ed estrarlo per i candidati di alta qualità per l’esposizione. Se un account ha abbastanza video, ottiene un’etichetta pulita e viene selezionato dall’algoritmo, aumentandone la visibilità. Quando un utente inizia a essere meno attivo sulla piattaforma, l’algoritmo rileva il suo video e ne aumenta il contenuto per incoraggiarlo a pubblicare di più. Questa strategia funziona per trattenere i vecchi utenti mentre attrae quelli nuovi.
Classifica di autorità: la probabilità che il contenuto sia virale dipende dai video introduttivi dell’utente. Se l’utente ottiene Mi piace e visualizzazioni durante il periodo iniziale, l’intelligenza artificiale di TikTok li considera una corrispondenza perfetta per il pubblico e spinge il contenuto.
Sulla base delle teorie di cui sopra, possiamo creare un possibile flusso di lavoro per gli algoritmi di raccomandazione di TikTok.
