Memahami Algoritma Kedudukan Suapan Berita Facebook

integrasi peribadi facebook

Mendapatkan penglihatan jenama anda dalam suapan berita khalayak sasaran anda adalah pencapaian utama bagi pemasar sosial. Ini adalah salah satu tujuan yang paling penting, dan sering sukar difahami dalam strategi sosial jenama. Ini sangat sukar di Facebook, platform yang mempunyai algoritma yang rumit dan terus berkembang yang direka untuk melayani penonton kandungan yang paling relevan.

Tingkatan Edge adalah nama yang diberikan untuk algoritma suapan berita Facebook beberapa tahun yang lalu dan walaupun sekarang dianggap usang secara dalaman, nama itu telah hidup dan terus digunakan oleh pemasar hari ini. Facebook masih menggunakan konsep algoritma EdgeRank yang asal dan kerangka yang dibina, tetapi dengan cara yang baru.

Facebook menyebutnya sebagai Algoritma Peringkat Suapan Berita. Bagaimanakah ia berfungsi? Berikut adalah jawapan untuk soalan asas anda:

Apa itu Tepi?

Segala tindakan yang diambil oleh pengguna adalah berita umpan berita yang berpotensi dan Facebook memanggil tindakan ini tepi. Setiap kali rakan menyiarkan kemas kini status, memberi komen mengenai kemas kini status pengguna lain, menandai foto, bergabung dengan halaman jenama, atau berkongsi catatan, ia menghasilkan kelebihan, dan cerita mengenai kelebihan itu berpotensi muncul dalam suapan berita peribadi pengguna.

Akan sangat menggembirakan jika platform menunjukkan semua cerita ini dalam suapan berita sehingga Facebook membuat algoritma untuk meramalkan betapa menariknya setiap cerita bagi setiap pengguna. Algoritma Facebook disebut "EdgeRank" kerana kedudukannya di tepi dan kemudian menyaringnya ke dalam suapan berita pengguna untuk menunjukkan cerita yang paling menarik bagi pengguna tertentu.

Apakah Rangka Kerja EdgeRank Asal?

Tiga bahagian utama asal untuk algoritma EdgeRank adalah skor pertalian, berat tepi, dan kerosakan masa.

Skor pertalian adalah hubungan antara jenama dan setiap peminat, diukur dengan seberapa kerap peminat melihat dan berinteraksi dengan halaman dan catatan anda, di samping cara anda saling berinteraksi dengan mereka.

Berat tepi diukur dengan menyusun nilai tepi, atau tindakan yang dilakukan pengguna, kecuali klik. Setiap kategori tepi mempunyai berat lalai yang berbeza, misalnya komen mempunyai nilai berat yang lebih tinggi daripada orang seperti kerana mereka menunjukkan penglibatan yang lebih besar dari peminat. Anda secara amnya boleh menganggap bahawa pinggir yang memerlukan masa paling banyak untuk dicapai cenderung lebih berat.

Kerosakan masa merujuk kepada berapa lama pinggir itu hidup. EdgeRank adalah skor larian, bukan perkara sekali sahaja. Oleh itu, semakin baru catatan anda, semakin tinggi skor EdgeRank anda. Apabila pengguna log masuk ke Facebook, umpan berita mereka diisi dengan kandungan yang mempunyai skor tertinggi pada saat itu.

formula facebook edgerank

Kredit gambar: EdgeRank.net

Ideanya ialah Facebook memberi ganjaran kepada jenama yang membina hubungan dan meletakkan kandungan yang paling relevan dan menarik di bahagian atas suapan berita pengguna sehingga siaran disesuaikan secara khusus untuk mereka.

Apa yang Berubah dengan Facebook Edgerank?

Algoritma telah berubah sedikit, mendapat peningkatan dengan ciri-ciri baru, tetapi idenya masih sama: Facebook ingin memberikan pengguna kandungan yang menarik sehingga mereka akan terus kembali ke platform.

Satu ciri baru, penggabungan cerita, membolehkan cerita muncul semula yang pada awalnya orang tidak menatal ke bawah sehingga dapat dilihat. Kisah-kisah ini akan disenaraikan di bahagian atas suapan berita jika mereka masih mendapat banyak pertunangan. Ini bermaksud bahawa catatan halaman yang popular mungkin mempunyai peluang yang lebih tinggi untuk ditampilkan walaupun mereka berusia beberapa jam (mengubah elemen penggunaan elemen peluruhan masa yang asal) dengan pergi ke bahagian atas suapan berita jika cerita masih mendapat jumlah yang tinggi suka dan komen (masih menggunakan skor afiniti dan elemen berat tepi). Data menunjukkan bahawa ini menunjukkan kepada penonton kisah-kisah yang ingin mereka lihat, walaupun mereka terlewat pertama kali.

Ciri-ciri lain bertujuan untuk membiarkan pengguna melihat catatan dari halaman dan rakan yang mereka mahukan dengan lebih tepat waktu, terutama dengan topik yang sedang tren. Kandungan tertentu dikatakan hanya relevan dalam jangka waktu tertentu, jadi Facebook mahu pengguna melihatnya sementara tetap relevan. Apabila rakan atau halaman anda disambungkan ke siaran mengenai sesuatu yang kini menjadi topik perbualan hangat di Facebook seperti acara sukan atau tayangan perdana musim rancangan TV, siaran itu lebih cenderung muncul lebih tinggi di suapan berita Facebook anda, jadi anda boleh jumpa lebih awal.

Catatan yang menghasilkan penglibatan tinggi sejurus selepas pengeposan lebih cenderung ditunjukkan dalam suapan berita, tetapi tidak mungkin sekiranya aktiviti menurun dengan cepat setelah membuat catatan. Pemikiran di sebalik ini adalah bahawa jika orang berinteraksi dengan siaran tepat setelah diposkan tetapi tidak beberapa jam kemudian, siaran itu paling menarik pada masa ia diposkan dan berpotensi menjadi kurang menarik di kemudian hari. Ini adalah cara lain untuk memastikan kandungan dalam pemberitaan berita tepat pada masanya, relevan dan menarik.

Bagaimana Saya Mengukur Analisis Suapan Berita Facebook Saya?

Tidak ada alat pihak ketiga yang tersedia untuk mengukur skor EdgeRank jenama kerana banyak data bersifat peribadi. Yang sebenarnya Skor EdgeRank tidak wujud kerana setiap peminat mempunyai skor pertalian yang berbeza dengan halaman jenama. Selanjutnya, Facebook menyimpan rahsia algoritma, dan mereka terus mengubahnya, yang bermaksud nilai komen berbanding suka suka terus berubah.

Cara paling berkesan untuk mengukur kesan algoritma yang digunakan pada kandungan anda adalah dengan melihat berapa banyak orang yang anda jangkau dan berapa banyak penglibatan yang diterima oleh siaran anda. Alatan seperti SumAll Analisis Facebook merangkumi data ini menjadi komprehensif analisis papan pemuka sesuai untuk mengukur dan mengesan metrik ini.

Apa yang anda fikir?

Laman web ini menggunakan Akismet untuk mengurangkan spam. Ketahui bagaimana data komen anda diproses.