Algorytm rekomendacji: dlaczego feed nie jest listą postów z największą liczbą lajków
Platformy mogą wykorzystywać wiele sygnałów do ustalania kolejności treści. W UE muszą opisywać główne parametry systemów rekomendacji, ale nie oznacza to ujawnienia całego kodu algorytmu.
Popularny obraz algorytmu social media wygląda tak: post zbiera lajki, więc platforma pokazuje go większej liczbie osób, wtedy zbiera kolejne lajki i rośnie dalej. Taki mechanizm może być częścią procesu, ale współczesne systemy rekomendacji są bardziej złożone.
Platforma może brać pod uwagę historię interakcji użytkownika, typ treści, relację z autorem, czas publikacji, prawdopodobieństwo reakcji i wiele innych sygnałów. Konkretne parametry różnią się między usługami i zmieniają się w czasie.
DSA wymaga przejrzystości głównych parametrów
Artykuł 27 unijnego Digital Services Act nakłada na platformy korzystające z systemów rekomendacji obowiązek opisania w prostym języku głównych parametrów wpływających na to, dlaczego dana informacja jest sugerowana użytkownikowi.
Nie jest to obowiązek publikowania kodu źródłowego ani pełnej matematyki systemu. Użytkownik ma jednak otrzymać sensowną informację o najważniejszych kryteriach.
Duże platformy muszą również dawać więcej wyboru
Bardzo duże platformy podlegają dodatkowym wymaganiom. Komisja Europejska opisuje między innymi możliwość wyboru opcji rekomendacji nieopartej na profilowaniu w przypadkach objętych DSA.
To istotne, bo użytkownik nie musi traktować spersonalizowanego feedu jako jedynego możliwego porządku informacji.
Engagement może być celem, ale nie każdy lajk ma tę samą wagę
Badania i modele ekonomiczne pokazują, że systemy optymalizowane pod zaangażowanie mogą tworzyć pętle wzmacniające treści generujące dużo interakcji. Nie znamy jednak dokładnej wagi pojedynczego lajka w każdym systemie i w każdej chwili.
Internetowe poradniki typu „trzy komentarze są warte siedem razy więcej niż like” zwykle udają precyzję bez dostępu do aktualnych danych platformy.
Feed jest rankingiem przewidywań, a nie tablicą wyników
To najprostszy sposób, żeby myśleć o rekomendacjach. System próbuje przewidzieć, które treści pokażą się jako istotne albo angażujące dla konkretnego użytkownika w konkretnym momencie.
Liczba lajków może być jednym z sygnałów. Nie jest jednak uniwersalnym pilotem sterującym całym zasięgiem.