Možno poznáte ten moment. Prechádzate videá, pri jednom sa na pár sekúnd zastavíte, pozriete si ho takmer celé, ale nedáte mu lajk, nič nenapíšete a ani ho nikomu nepošlete.
Napriek tomu sa vám neskôr začnú zobrazovať ďalšie podobné videá.
Nie je to náhoda. Sociálne siete nepotrebujú, aby ste pri každom videu vedome stlačili nejaké tlačidlo. Veľa sa dokážu dozvedieť už z toho, ako dlho sa pri obsahu zdržíte, či ho dopozeráte alebo ako rýchlo ho preskočíte.
Lajk je teda iba jeden zo signálov. A často ani nemusí byť tým najdôležitejším.
Algoritmus si všíma aj tiché správanie
Keď dáte videu lajk, systému posielate pomerne jasnú správu: toto sa mi páči. Podobne funguje komentár, zdieľanie, uloženie príspevku alebo sledovanie autora.
Tieto činnosti sa označujú ako priame alebo výslovné signály. Používateľ vedome urobí niečo, čím vyjadrí svoj záujem.
Popri nich však existujú aj nepriame signály. Tie vznikajú bez toho, aby ste museli čokoľvek stlačiť. Platforma môže zohľadňovať napríklad:
- ako dlho ste video sledovali,
- či ste ho dopozerali,
- či ste si ho pustili opakovane,
- či ste ho okamžite preskočili,
- či ste po ňom navštívili profil autora,
- či ste pozerali ďalší podobný obsah.
TikTok priamo uvádza, že pri odporúčaniach môže zohľadňovať videá, ktoré používatelia dopozerajú alebo preskočia, aj čas strávený ich sledovaním. YouTube medzi signály svojho odporúčacieho systému zaraďuje kliknutia, čas sledovania, lajky, dislajky, zdieľania a odpovede v prieskumoch.
Prečo môže byť čas sledovania dôležitejší než lajk?
Lajky nie sú dokonalým obrazom toho, čo ľudí skutočne zaujíma.
Mnohí používatelia ich rozdávajú veľmi zriedka. Iní lajkujú takmer všetko, čo vidia. Niekto dá lajk iba priateľom, hoci pravidelne sleduje úplne iné témy. A niekto si pozrie desiatky zaujímavých videí bez jedinej reakcie.
Čas sledovania môže algoritmu povedať viac o skutočnom správaní.
Predstavte si dve videá. Prvému dáte lajk po dvoch sekundách, pretože poznáte autora, no hneď pokračujete ďalej. Druhé video nelajknete, ale sledujete ho až do konca a potom si otvoríte profil jeho tvorcu.
Pre odporúčací systém môže byť druhá situácia veľmi silným náznakom, že vás obsah zaujal. Neznamená to, že samotný lajk je bezvýznamný. Algoritmus sa však zvyčajne pozerá na kombináciu viacerých signálov, nie iba na jedno srdiečko.
YouTube napríklad vysvetľuje, že samotné kliknutie ešte neznamená spokojnosť. Práve preto začal pri odporúčaniach využívať aj čas sledovania – rozdiel medzi videom sledovaným niekoľko sekúnd a videom sledovaným dlhšie môže systému pomôcť odhadnúť, ktoré bolo pre človeka hodnotnejšie.
Zastavenie ešte neznamená, že sa vám video páči
Tu však vzniká zaujímavý problém. Pri videu sa nemusíme zastaviť iba preto, že ho máme radi.
Niekedy nás šokuje. Inokedy nás nahnevá, znechutí alebo natoľko zaskočí, že chceme pochopiť, čo sa vlastne deje. Môžeme si prečítať komentáre, pretože s obsahom nesúhlasíme, alebo ho dopozeráme len zo zvedavosti.
Algoritmus nevidí do našej hlavy. Nevie s istotou rozlíšiť nadšenie od pobúrenia.
Vidí predovšetkým správanie: pri tomto videu sa človek zdržal, nepreskočil ho a možno pokračoval k ďalšiemu podobnému obsahu. Z toho sa systém snaží odhadnúť pravdepodobný záujem.
Práve preto sa môže stať, že po sledovaní jedného bizarného videa dostanete niekoľko ďalších. Ak ich opäť pozeráte dlho, algoritmus môže tento predpoklad postupne posilňovať.
Jedno náhodné zastavenie však zvyčajne nemusí úplne zmeniť celý profil odporúčaní. Platformy pracujú s množstvom signálov a ich význam sa môže časom meniť. TikTok výslovne uvádza, že rôzne faktory môžu mať rozdielnu váhu a odporúčací systém sa pokúša odhadovať aj obsah, ktorý používateľa pravdepodobne nezaujíma a radšej ho preskočí.
Predstavte si algoritmus ako pozorného predavača
Predstavte si, že prechádzate kníhkupectvom.
Jednu knihu vezmete do ruky, krátko sa pozriete na obálku a okamžite ju vrátite. Pri druhej si prečítate zadnú stranu, otvoríte niekoľko strán a zostanete pri nej stáť dve minúty. Napokon ju síce nekúpite, ale predavač si môže pomyslieť, že vás jej téma zaujala.
Lajk je trochu ako kúpa knihy – jasné a viditeľné rozhodnutie.
Čas strávený pri videu je skôr ako dlhé listovanie. Nie je to definitívne potvrdenie, ale stále ide o užitočnú stopu. Ak podobným spôsobom listujete viacerými knihami o vesmíre, predavač vám pravdepodobne ukáže ďalšiu policu s astronómiou.
Odporúčací algoritmus robí niečo podobné, ibaže vo veľkom meradle a pomocou matematických modelov.
Feed sa neučí iba z toho, čo milujete
Odporúčania nevznikajú podľa jednej jednoduchej rovnice. Platformy môžu spájať vaše správanie s informáciami o videu, ako sú jeho téma, použitý zvuk, titulok, autor alebo reakcie ostatných používateľov.
Systém môže porovnávať aj správanie ľudí s podobnými záujmami. Keď používatelia sledujú podobné videá ako vy a následne ich zaujme ďalší konkrétny obsah, platforma ho môže vyskúšať odporučiť aj vám.
Preto feed nie je presným zoznamom vecí, ktoré ste vedome označili za obľúbené. Je to skôr neustále upravovaný odhad toho, pri čom je najväčšia šanca, že zostanete sledovať.
A tento odhad sa môže učiť aj z ticha.
Aj obyčajné zaváhanie je informácia
Na sociálnych sieťach teda nehovoríte iba lajkami, komentármi a zdieľaniami. Niečo prezrádza aj rýchlosť vášho palca.
Okamžité preskočenie môže naznačovať nezáujem. Dopozeranie, opakované prehratie alebo dlhšie zastavenie môžu naznačovať opak – aj keď pod videom nezostane žiadne srdiečko.
Algoritmus, samozrejme, nemusí zakaždým správne pochopiť, prečo ste zostali. Dokáže však sledovať opakujúce sa vzorce. A keď sa pri podobných videách zastavujete pravidelne, postupne môže nadobudnúť dojem, že našiel tému, ktorú vám má ukazovať častejšie.
Niekedy teda stačí iba pár sekúnd navyše a váš feed si začne robiť vlastné závery. 📱
