Si continua a parlare molto negli ultimi mesi del famoso algoritmo di Facebook, che con i recenti cambiamenti ha messo in difficoltà molte realtà che avevano il social network come fonte principale del proprio traffico. Vediamo quali sono stati e quali sono tutt’ora i principi che lo regolano.
L’algoritmo in questione è il pezzo di software che gestisce la logica con cui vengono presentate a un utente le notizie nella sua Home, il cosiddetto News Feed.
Il News Feed è la killer feature di Facebook: è quella cosa che fa tornare gli utenti sulla piattaforma anche senza un vero scopo e quindi è un fondamentale generatore di traffico per il social network.
Più in generale, è dove dovresti vedere un contenuto interessante e dove le pagine vorrebbero comparire. L’algoritmo, in sostanza, prende i vari post e li ordina in base alla probabilità di interazione dell’utente con essi.
Un po’ di storia
L’algoritmo iniziale era chiamato EdgeRank. Il nome derivava dal fatto che ogni tipo di contenuto e interazione era conosciuto come “edge”. Un aggiornamento di stato, un edge. Un like, un edge.
Cambia la vostra situazione sentimentale su Facebook? Condividete un post? Lasciate un commento? Edge, edge, edge. Quindi il news feed in realtà era un grafico degli edge più importanti, la cui importanza era determinata da EdgeRank tramite tre indicatori principali:
Affinità
È uno score che indica quanto si è “vicini” a qualcuno o qualcosa. Probabilmente vi sarà capitato di stalkerare uno dei vostri amici di Facebook e vederlo improvvisamente spesso nel News Feed.
Come no.
Visitare il profilo di qualcuno, o ancora meglio commentare i suoi post, le sue foto o altri contenuti indica una certa vicinanza alla persona o alla pagina. L’algoritmo lo riconosce e ne tiene conto durante l’ordinamento dei post nel feed.
Ovviamente più interazioni, più vicinanza.
Un potenziale problema di questo indicatore è che può tramutarsi in una “profezia autorealizzante“ che genera una spirale di visibilità: più sei affine a qualcuno, più lo vedi, più sarai portato a interagirci. Meno vedi qualcuno, meno ci interagirai, meno sarà visibile. E così via.
Peso dell’edge
È una specie di classifica di importanza dei vari tipi di edge. Ogni edge ha una propria importanza intrinseca, prima di essere modificata da affinità e altri fattori.
L’importanza di una foto, ad esempio, è maggiore di quella di un like, quindi nel news feed sarà più facile vedere una foto che la notifica “Itomi ha messo mi piace a Lega Nerd”.
I tre tipi di contenuto con maggiore edge weight sono i video, le foto e i link.
Ogni utente però ha i suoi edge weight, nel senso che per qualcuno le foto saranno più importanti, mentre per un altro utente che guarda spesso video saranno i video ad avere un peso maggiore.
Tempo di decadimento
Trattandosi di un “news” feed, ha senso che venga valutato da quanto tempo un contenuto è stato postato. O meglio, da quanto tempo sono state effettuate le ultime interazioni con quel contenuto.
L’implicazione ovvia, quindi, è che una notizia meno recente ha meno probabilità di spuntare nel News Feed di un utente. Di conseguenza per una pagina che voglia massimizzare la propria copertura ha senso cercare di postare negli orari in cui è più probabile che la sua utenza target utilizzi Facebook. Oppure creare contenuto in intervalli di tempo in cui altri competitor è meno probabile che lo facciano, in modo da avere meno competizione per i posti nel news feed.
Il tempo di decadimento fa si che compaiano solo news recenti o che generano ancora interazione attuale.
EdgeRank è stato utilizzato fino al 2011, da quell’anno l’algoritmo è stato revisionato ed è stato adottato un approccio orientato al machine learning. Gli indicatori che erano la base di EdgeRank sono ancora utilizzati, insieme ad oltre 100 mila nuovi. Nel 2013 e si è poi iniziato a parlare di signals.
Il concetto è simile agli edge, qualsiasi tipo di interazione utente-contenuto, ma nella rivoluzione dell’algoritmo è stata rivista anche la nomenclatura. L’aumento è dovuto all’esplosione del numero di iscritti di Facebook, che ha dovuto cercare sempre più dettagli per differenziare le interazioni degli utenti per poter fornire un feed il più personale possibile.
I cambiamenti recenti
Negli ultimi mesi l’algoritmo che regola il News Feed di Facebook è stato profondamente modificato dalla società, per rispecchiare una diversa vision e filosofia aziendale, a loro dire più orientata all’utente.
One reason why Facebook will be prioritizing posts from family and friends over public content from Pages is that they believe a person-to-person connection is more valuable than a person-to-page connection.
In other words, content from friends and family tends to spark more “active” engagement from users. We need to focus on what makes content personal and conversation-worthy.
I cambiamenti introdotti negli ultimi aggiornamenti mirano quindi a dare priorità ad amici, parenti e gruppi (oltre che a news locali) a discapito delle pagine.
Secondo la società, i post di altre persone vicine affettivamente all’utente sarebbero più capaci di stimolare la conversazione rispetto ai contenuti delle pagine, ed è questo il nuovo aspetto che interessa più di tutti all’azienda di Mountain View.
I cali di traffico dovuti a questa scelta si sono visti, anche in modo pesante:
Oltre a questa priorità arbitraria tra profili, gruppi e pagine, sono sempre presenti gli indicatori. In un recente webinar di approfondimento sull’argomento, il team di Facebook ha scomposto l’algoritmo attuale in quattro componenti:
- Inventory (il contenuto disponibile per essere visualizzato)
- Signals (considerazioni sul contenuto)
- Predictions (considerazioni sulla persona)
- Overall Score (un punteggio associato ad ogni singolo post)
Con gli ultimi aggiornamenti l’algortitmo si basa sui signal più “pesanti” che favoriscono cioè una interazione attiva tra utente e contenuto e tra utenti stessi, come condivisioni e commenti.
Un’idea di quali possono essere i signals ce la si può fare grazie all’ immagine qui sotto:
L’immagine successiva mostra in evidenza i signals più pesanti:
Alcuni tra gli indicatori più importanti a cui attualmente è data priorità.
Per una distinzione tra interazione attiva e passiva invece si può fare riferimento all’elenco in figura:
Distinzione tra interazione attiva e passiva.
Il re delle interazioni è quindi il commento.
Adam Mosseri, capo del News Feed in Facebook, in un comunicato stampa di gennaio ha scritto:
Page posts that generate conversation between people will show higher in News Feed. For example, live videos often lead to discussion among viewers on Facebook – in fact, live videos on average get six times as many interactions as regular videos.
Il centro di tutto quindi è diventato la conversazione tra utenti e i contenuti in grado di stimolarla e renderla fiorente sono premiati.
Ma attenzione, in qualche modo vengono riconosciuti i post da “engagement bait”, che puntano a generare interazione senza avere un effettivo contenuto. I post di questo tipo vengono fortemente penalizzati nel News Feed.
Se il commento è il re, il principe non può che essere lo share, la condivisione di contenuto. Vale sia per contenuto condiviso su Messenger che per interazione su contenuto condiviso da un amico.
Bisogna notare la sottigliezza: non si parla di condividere su Facebook e basta, ma:
- Condivisione su messenger, ed essendo messenger un’app di messaggistica è fatta per creare e consentire conversazioni
- Engagement su contenuto condiviso da un amico, quindi l’amico ha si condiviso il contenuto, ma il focus è di nuovo sull’interazione e la comunicazione generata dal contenuto.
In ultimo, non forte come commentare o condividere, ma le reaction (like, love, etc) rimangono un tipo di interazione attiva importante per l’algoritmo.
Tirando le somme
Ci sono dei contro in questo algoritmo? Si.
Prima di tutto l’effetto sulle pagine, come anticipato a inizio articolo. La scelta di penalizzare, perché di questo si tratta, le pagine rispetto ad altri contenuti sembra pensata per costringere qualsiasi pagina ad investire in sponsorizzazione.
Stando alle dichiarazioni di Zuckerberg, invece, si tratta di una scelta più umana:
The research shows that when we use social media to connect with people we care about, it can be good for our well-being. We can feel more connected and less lonely, and that correlates with long term measures of happiness and health.
On the other hand, passively reading articles or watching videos — even if they’re entertaining or informative — may not be as good.
Oltre a danneggiare però di fatto in termini di visibilità (e quindi economicamente) le pagine, in tutte le sue evoluzioni l’algoritmo di Facebook ha un altro problema di fondo:
Quando si sceglie di esporre un utente a determinati contenuti invece che ad altri, si va ad influenzare il comportamento di quella persona.
Per esempio si può tendere a creare una bolla di filtraggio, dove un utente viene isolato nella sua “bolla” di ideologie e convinzioni perché viene esposto più spesso a contenuti che le confermano.
Oppure potrebbe venire influenzato l’umore di una persona, se ad esempio gli vengono mostrati contenuti positivi o negativi in modo non proporzionato.
Ovviamente non si conosce tutto riguardo l’algoritmo e al suo funzionamento, quelli trattati in questo articolo sono solo gli aspetti principali e sicuramente sotto ci saranno tantissimi altri indicatori e logiche, magari meno importanti, ma comunque presenti.
Quello che si conosce invece sono gli effetti e studiandoli si possono provare a mitigare i risultati di politiche aziendali più o meno condivisibili.
- EdgeRank su Wikipedia (wikipedia.org)
- Info varie (abbastanza aggiornate) sull’algoritmo e alcuni consigli per chi gestisce una pagina, via Bufferapp che ha anche fornito alcune immagini dell’articolo (bufferapp.com)
- Super guida a EdgeRank, ormai solo per curiosità viste le evoluzioni dal 2011 (econsultancy.com)
- Changelog abbastanza completo riguardante l’algoritmo (bufferapp.com)
