الگوریتم‌های پیشنهاد؛ چرا اپ‌ها شما را می‌شناسند؟ از منظر تازه

فهرست مطالب (7 بخش)

سیستم توصیه‌گر همان مغز پشت فید اینستاگرام، پیشنهادهای یوتیوب و صفحهٔ اول فروشگاه‌ها و سرویس‌های پخش است که با تحلیل رفتار شما، محتوای بعدی را حدس می‌زند. دانستن اینکه چرا یک ویدیو به شما پیشنهاد می‌شود، شما را از مصرف‌کنندهٔ منفعل به کاربر آگاه تبدیل می‌کند و حباب اطلاعاتی را می‌شکند. در این نوشته، یک قدم عمیق‌تر از توضیح‌های همیشگی می‌رویم و جنبه‌هایی را بررسی می‌کنیم که معمولاً از دید پنهان می‌مانند.

تصویر کلی

سیستم توصیه‌گر همان مغز پشت فید اینستاگرام، پیشنهادهای یوتیوب و صفحهٔ اول فروشگاه‌ها و سرویس‌های پخش است که با تحلیل رفتار شما، محتوای بعدی را حدس می‌زند. آنچه امروز می‌دانیم:

  • الگوریتم هر کلیک، مکث، لایک و حتی اسکرول سریع را نشانه می‌گیرد تا ذائقهٔ شما را پروفایل کند
  • هدف اصلی بیشینه‌سازی زمان تماشاست؛ محتوای هیجانی و مناقشه‌برانگیز معمولاً بالاتر می‌رود
  • دکمهٔ «نمی‌پسندم» و «نمایش کمتر» واقعاً کار می‌کند؛ فید خود را فعالانه تربیت کنید

زوایای کمتر دیده‌شده

نگاه 1

ترکیبی از تازگی، محبوبیت و شباهت به دیدگاه‌های قبلی شما، رتبهٔ هر پیشنهاد را تعیین می‌کند

نگاه 2

برای شکستن حباب، آگاهانه موضوع و دیدگاه تازه جست‌وجو کنید و منبع جدیدی دنبال کنید

نگاه 3

تاریخچهٔ تماشا و جست‌وجو را ماهانه مرور کنید؛ شروع تازه، پروفایل‌سازی را شفاف‌تر می‌کند

یعنی چه کار کنیم؟

برای استفادهٔ هوشمندانه، این اقدامات منطقی‌اند:

  1. اصول پایهٔ الگوریتم‌های پیشنهاد؛ چرا اپ‌ها شما را می‌شناسند؟ را محکم کنید؛ فونداسیون ثابت می‌ماند
  2. هر فصل یکی از منابع معرفی‌شده را عمیق‌تر بشناسید
  3. تغییرات را دنبال کنید اما با عجله دنبال هر موج نروید
  4. دانش را با تمرین روزمره تثبیت کنید

منابع برای مطالعهٔ بیشتر

منبع / ابزار چه استفاده‌ای؟
دکمهٔ نپسندیدم در یوتیوب پرورش فعال فید ویدیوها
فهرست دنبال‌کردن دستی انتخاب منبع به‌جای پیشنهاد الگوریتم
پاک کردن تاریخچهٔ جست‌وجو شروع تازه و بی‌اثر رفتار قدیمی
گزارش زمان استفادهٔ اپ دیدن واقعی ساعت‌های روزانهٔ شما

اشتباهات رایج در این مسیر

  • گمان کردن اینکه فید، بازتاب بی‌طرف دنیاست؛ آینه‌ای انتخابی از رفتار خود شماست
  • کلیک روی تیتر خشم‌برانگیز فقط از سر کنجکاوی که سیگنال علاقه قلمداد می‌شود
  • گذراندن ساعت‌ها بدون توجه به اینکه الگوریتم دقیقاً برای همین ماندن طراحی شده است

پرسش‌های پرتکرار

آیا گوشی من به حرف‌هایم گوش می‌دهد تا تبلیغ بفرستد؟

شواهد جدی برای شنیدن مستمر مکالمات وجود ندارد؛ تبلیغ‌ها عمدتاً از جست‌وجو، مکان و رفتار شما درون اپلیکیشن‌ها ساخته می‌شوند.

چرا بعد از یک ویدیوی غمگین، مدام محتوای غمگین می‌بینم؟

الگوریتم ماندن طولانی شما را علاقه تلقی می‌کند و همان مسیر را تکرار می‌کند؛ واکنش‌های شما زبان اصلی آموزش فید است.

پیشنهادهای فروشگاه‌های آنلاین چطور کار می‌کند؟

از تاریخچهٔ خرید و جست‌وجو و رفتار کاربران مشابه استفاده می‌شود؛ به همین دلیل کالای دیده‌شده گاهی دنبال‌تان می‌کند.

جمع‌بندی

الگوریتم‌های پیشنهاد؛ چرا اپ‌ها شما را می‌شناسند؟ را وقتی درست به کار بگیرید، هم زمان می‌دهد و هم کیفیت. مسیر ساده بود: شروع کنید، اندازه بگیرید و اصلاح کنید. اگر همین امروز دو سه مورد از این فهرست را اجرا کنید، تفاوت را در هفته‌های بعد خواهید دید.

حامد لطف

طراح و توسعه‌دهندهٔ وب؛ تجربهٔ ساخت پرتال‌ها، فروشگاه‌ها و پلتفرم‌های آموزشی. اینجا تجربه‌های واقعی کار را می‌نویسم — از طراحی و کد تا سئو و ابزارها.

پروژه دارم ↖
SPONSORED · تبلیغ

آموزش رایگان + سرمایه ترید

آموزش کاملا رایگان سیستم محور فارکس , کریپتو و بورس ایران همراه با سرمایه ترید

شروع رایگان ↖

دیدگاه‌ها

۰ دیدگاه

هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید.

دیدگاه خود را بنویسید

نظرات پس از بررسی منتشر می‌شوند؛ ایمیل شما هیچ‌جایی نمایش داده نمی‌شود.
ادامهٔ مسیر

بیشتر بخوانید.

همهٔ «هوش مصنوعی» ↖
هوش مصنوعی

هر آنچه باید دربارهٔ خلاصه‌سازی متن و ویدیو بدانید (پرسش‌های پرتکرار)

تبدیل مقالهٔ بلند، PDF و حتی ویدیوی چندساعته به خلاصهٔ چندخطی یا نکات کلیدی با هوش مصنوعی. سرریز اطلاعات جدی‌ترین بیماری این دهه است؛ خلاصه‌سازی هوشمند یعنی خواندن ۵۰ مقاله در زمان ۵ مقاله. پرسش و پاسخ — در بلاگ حامد لطف

۲۴ بهمن۲ دقیقه مطالعه
هوش مصنوعی

نکته‌های طلایی تولید محتوا با هوش مصنوعی از تجربهٔ واقعی

تولید محتوای هوش مصنوعی یعنی استفاده از مدل‌های زبانی برای ایده، پیش‌نویس، بازنویسی و بهینه‌سازی متن‌های سایت و شبکه‌های اجتماعی. راهنمای کاربردی و کامل — نکات کاربردی در بلاگ حامد لطف.

۸ بهمن۲ دقیقه مطالعه