Forståelse af Facebooks algoritme for nyhedsfeedrangering

Facebook personlig integration

At få dit brand synligt i din målgruppes nyhedsfeeds er den ultimative præstation for sociale marketingfolk. Dette er et af de vigtigste og ofte undvigende mål i et brands sociale strategi. Det kan være særligt vanskeligt på Facebook, en platform, der har en detaljeret og konstant udviklende algoritme designet til at tjene publikum det mest relevante indhold.

EdgeRank var navnet på Facebooks nyhedsfeedealgoritme for mange år siden, og selvom det nu betragtes som forældet internt, har navnet levet og fortsat brugt af marketingfolk i dag. Facebook bruger stadig koncepterne i den originale EdgeRank-algoritme og den ramme, den blev bygget på, men på en ny måde.

Facebook henviser til det som News Feed Ranking Algorithm. Hvordan virker det? Her er svarene på dine grundlæggende spørgsmål:

Hvad er kanter?

Enhver handling, som en bruger foretager, er en potentiel nyhedsfeedshistorie, og Facebook kalder disse handlinger kanter. Når en ven sender en statusopdatering, kommenterer en anden brugers statusopdatering, tagger et foto, slutter sig til en brandside eller deler et indlæg, genererer det en kant, og en historie om denne kant kan potentielt vises i brugerens personlige nyhedsfeed.

Det ville være ekstremt overvældende, hvis platformen viste alle disse historier i nyhedsfeeden, så Facebook oprettede en algoritme til at forudsige, hvor interessant hver historie vil være for hver enkelt bruger. Facebook-algoritmen kaldes "EdgeRank", fordi den rangerer kanterne og derefter filtrerer dem i en brugers nyhedsfeed for at vise de mest interessante historier for den pågældende bruger.

Hvad er den originale EdgeRank Framework?

De oprindelige tre hoveddele til EdgeRank-algoritmen er affinitetsscore, kantvægtog tidsforfald.

Affinitetsscore er forholdet mellem et brand og hver fan, målt ved hvor ofte en fan ser og interagerer med din side og indlæg, ud over hvordan du gensidigt interagerer med dem.

Kantvægt måles ved at kompilere værdierne for kanter eller handlinger, som en bruger foretager, med undtagelse af klik. Hver kantskategori har forskellige standardvægte, for eksempel har kommentarer højere vægtværdier end synes godt om fordi de viser større involvering fra fanen. Du kan generelt antage, at de kanter, der tager mest tid at opnå, har en tendens til at veje mere.

Tidsfald henviser til, hvor længe kanten har levet. EdgeRank er en løbende score, ikke en engangs ting. Så jo nyere dit indlæg er, jo højere bliver din EdgeRank-score. Når en bruger logger ind på Facebook, er deres nyhedsfeed befolket med indhold, der har den højeste score på det bestemte tidspunkt.

facebook edgerank formel

Billede kredit: EdgeRank.net

Ideen er, at Facebook belønner mærker, der opbygger relationer og sætter det mest relevante og interessante indhold øverst i en brugers nyhedsfeed, så indlæg er specifikt skræddersyet til dem.

Hvad har ændret sig med Facebook Edgerank?

Algoritmen har ændret sig lidt og fået en opgradering med nye funktioner, men ideen er stadig den samme: Facebook ønsker at give brugerne interessant indhold, så de fortsætter med at komme tilbage til platformen.

En ny funktion, story bumping, gør det muligt for historier at dukke op igen, som folk ikke oprindeligt rullede ned langt nok til at se. Disse historier vil blive bumpet tæt på toppen af ​​nyhedsfeeden, hvis de stadig får masser af engagement. Dette betyder, at populære sideindlæg kan have en større chance for at blive vist, selvom de er et par timer gamle (ændring af den oprindelige brug af tidsforfaldselement) ved at gå til toppen af ​​nyhedsfeeden, hvis historierne stadig modtager et stort antal af likes og kommentarer (bruger stadig affinitetsscore og kantvægtelementer). Data har antydet, at dette viser publikum de historier, de ønsker at se, selvom de blev savnet første gang.

Andre funktioner er rettet mod at lade brugerne se indlæg fra de sider og venner, de ønsker på en mere rettidig måde, især med populære emner. Specielt indhold siges kun at være relevant inden for en bestemt tidsramme, så Facebook ønsker, at brugerne skal se det, mens det forbliver relevant. Når en ven eller side, du har forbindelse til indlæg om noget, der i øjeblikket er et populært samtaleemne på Facebook som en sportsbegivenhed eller tv-show sæsonpremiere, er det mere sandsynligt, at indlægget vises højere op i dit Facebook-nyhedsfeed, så du se det før.

Indlæg, der genererer højt engagement kort efter udstationering, vises mere sandsynligt i nyhedsfeed, men ikke så sandsynligt, hvis aktiviteten falder hurtigt efter udstationering. Tanken bag dette er, at hvis folk engagerer sig i indlægget lige efter det er sendt, men ikke så meget et par timer senere, var indlægget mest interessant på det tidspunkt, det blev sendt, og potentielt mindre interessant på et senere tidspunkt. Dette er en anden måde at holde indhold i nyhedsfeeden rettidig, relevant og interessant.

Hvordan måler jeg min Facebook News Feed Analytics?

Der er ikke et tredjepartsværktøj tilgængeligt til at måle et brands EdgeRank-score, da så meget af dataene er private. En faktisk EdgeRank -score eksisterer ikke, fordi hver fan har en anden affinitetsscore med mærkesiden. Desuden holder Facebook algoritmen hemmelig, og de tilpasser det konstant, hvilket betyder, at værdien af ​​kommentarer sammenlignet med likes konstant ændrer sig.

Den mest effektive måde at måle virkningen af ​​algoritmen på dit indhold er ved at se, hvor mange mennesker du har nået, og hvor meget engagement dine indlæg har modtaget. Værktøjer som SumAlle Facebook Analytics omfatte disse data i en omfattende analytics instrumentbræt perfekt til måling og sporing af disse målinger.

Hvad mener du?

Dette websted bruger Akismet til at reducere spam. Lær, hvordan dine kommentardata behandles.