Mostra tutti

Facebook EdgeRank – L’algoritmo che influenza la nostra bacheca

Ecco a voi EdgeRank “The Facebook’s Newsfeed Algorithm”, uno degli algoritmi più importanti che regola la visibilità ed influenza la nostra bacheca.

EdgeRank è il nome dell’algoritmo di Facebook che determina la visibilità di un post, fatto da un utente o una pagina, all’interno dei newsfeed degli amici o dei fan.

L’algoritmo EdgeRank è stato per la prima volta reso pubblico il 21 aprile 2010 durante l’evento a San Francisco ed assegna un valore ad ogni interazione che avviene tra ricevente e mittente di un messaggio (wall post). Più il ricevente ha interagito con il mittente in passato, maggiori saranno le probabilità che il post del mittente venga visualizzato tra le “Notizie Più Popolari” (Top News) del ricevente. Il tipo di interazione inoltre è importante: per esempio un commento ha un valore maggiore di un Mi Piace. L’algoritmo tiene infine conto dell’età delle interazioni, il cui valore diminuisce man mano che invecchiano.

edgerank facebook

Che cosa è EdgeRank?

EdgeRank è l’algoritmo di Facebook che decide quali “storie” e “aagiornamenti” appaiono nella newsfeed di ciascun utente. L’algoritmo nasconde le storie noiose e che non ti interessano, quindi se la tua storia non è interessante, nessuno lo vedrà. La prima cosa che appare accedendo a Facebook è la“newsfeed”. Questo è un riassunto di quello che sta accadendo o è accaduto di recente tra gli amici su Facebook.

Ogni amico ha una potenziale storia newsfeed. Facebook chiama queste azioni “Edge”. Ciò significa che ogni volta che un amico posta un aggiornamento di stato, commenti su un altro aggiornamento di stato, i tag di una foto, si unisce a una fan page, o RSVP di ad un evento genera un “Edge”, e la storia di quel Edge” potrebbero presentarsi nella nostra personale newsfeed. Sarebbe completamente frustrante se apparisse nella nostra bacheca tutto quel che accade o tutte le news dei tuoi amici. Così Facebook ha creato l’algoritmo EdgeRank per prevedere se per te una newsfeed è interessante o meno. “EdgeRank” filtra le newsfeed di ciascun utente per visualizzare solo le storie top-ranked per quel particolare utente.

Perchè dovrebbe interessarti?

Se possiedi una Fanpage, ti sei mai chiesto perchè la maggior parte dei tuoi fan di Facebook non vedono mai gli aggiornamenti di stato.

Facebook guarda tutte le possibili storie e dice “Quale storia ha il punteggio più alto EdgeRank? Facciamo vedere nella parte superiore della newsfeed dell’utente. Quale è il prossimo punteggio più alto? Facciamo vedere la prossima.” Se EdgeRank prevede che un particolare utente troverà l’aggiornamento dello stato noioso, allora il vostro aggiornamento di stato non sarà mai nemmeno mostrato a quel particolare utente.

Sembra che EdgeRank faccia parte di due algoritmi, anche se questo non è stato definitivamente dimostrato. L’algoritmo EdgeRank elabora le storie, ed un secondo algoritmo ordina il newsfeed. Questo algoritmo newsfeed include un elemento di casualità e un aggregatore di parola chiave. I numeri generati sono spaventosi. Nel 2007, un ingegnere di Facebook ha affermato in un’intervista che solo lo 0,2% di storie è ammissibili alla newsfeed di un utente . Ciò significa che l’aggiornamento dello stato è in competizione con 499 altre storie per un singolo slot in newsfeed di un utente.

Come funziona EdgeRank funziona?

EdgeRank è come un rating: è invisibile, è importante, è unico per ogni utente, e nessuno diverso da Facebook conosce come esattamente funziona.

a formula EdgeRank si basa su questi tre elementi. :

  • Affinità, 
  • Edge Weight
  • Time Decay.

Affinity Score

Affinity Score significa come “è collegato” un particolare utente. Per esempio, io sono amico di mio fratello su Facebook. Inoltre, scrivo spesso sulla sua bacheca, e noi abbiamo una cinquantina di amici comuni. Ho un punteggio molto alto di Affinity Score” con mio fratello, così Facebook sa che io probabilmente voglio vedere i suoi aggiornamenti di stato.

Facebook calcola il punteggio di affinità, cercando in azioni esplicite che gli utenti prendono, e factoring in 1) la forza dell’azione, 2) come chiudere la persona che ha preso l’azione era a te, e 3) per quanto tempo fa hanno intrapreso l’azione.

Azioni esplicite includono clic, commenti, tagging, condivisione e friending. Ognuna di queste interazioni ha un peso diverso che riflette l’interazione richiesta per l’azione – altra interazione da parte dell’utente se dimostra più interesse nel contenuto. Commentando qualcosa vale più di semplice “Like”, il che vale più di un semplice clic su di esso. Passivamente la visualizzazione di un aggiornamento di stato nella vostra newsfeed non conta per il punteggio di affinità a meno che non si interagisca con esso.

Edge Weight

Ogni categoria di Edge ha un diverso peso di default. In parole povere, questo significa che i commenti valgono più. Ogni azione che un utente prende crea un Edge, e ciascuno di questi Edge, tranne per i clic, crea un potenziale storia. Per impostazione predefinita, si hanno maggiori probabilità di vedere una storia nella vostra newsfeed se è stata commentata da un vostro amico. Foto e video hanno un peso maggiore dei collegamenti.

In teoria, questo potrebbe essere regolato a livello di singolo utente – se Sam tende a commentare le foto, e Michelle commenta link, poi Sam avrà un Edge Weight superiore per le foto e Michelle avrà un Edge Weight più alto per i collegamenti.  Ad esempio, diventando fan tramite un annuncio può avere un punteggio inferiore di quanto può esserlo diventando fan ricercandola nella ricerca. Le nuove funzionalità di Facebook in genere hanno un Edge Weight diverso al fine di promuovere la funzione per gli utenti.

Time Decay

Come una storia “invecchia”, perde punti perché è “una notizia vecchia.” EdgeRank è un punteggio in esecuzione. Quando un utente accede a Facebook, la newsfeed è popolata con news ed aggiornamenti che hanno il punteggio più alto in quel momento. Il vostro aggiornamento di stato ha colpito solo il newsfeed se ha un punteggio più alto – in quel momento nel tempo – rispetto alle altre storie newsfeed possibili.

Inoltre, Facebook sembra regolare questo fattore tempo-decay basato su

1) Da quanto tempo l’utente ha eseguito l’ultimo accesso a Facebook,

2) la frequenza con cui l’utente accede in a Facebook.

Come posso controllare il mio punteggio EdgeRank ?

Chi afferma di controllare il vostro EdgeRank vi sta mentendo. È del tutto impossibile.

È possibile misurare gli effetti di EdgeRank vedendo quante  persone avete raggiunto. È inoltre possibile misurare quanto impegno  hai (che incide nell’algoritmo EdgeRank) utilizzando uno strumento di analisi dei dati di Facebook.

Ma non esiste un “punteggio generale EdgeRank” perché ogni fan ha un diverso punteggio di affinità con la pagina e con il profilo.

Inoltre, Facebook mantiene l’algoritmo segreto, ed è in costantemente tweaking.

Non ci sarà mai uno strumento di terze parti in grado di misurare l’algoritmo e/o decifrare EdgeRank.

Come posso ottimizzare la mia pagina fan per EdgeRank?

E ‘difficile ingannare EdgeRank . E ‘molto più facile riscrivere il contenuto in modo che i fan lasciano più Mi piace e commenti e generino interazioni.

Prendete le vostre News noiose e  trasformatele in domande che costringono i fan ad interagire.

EdgeRank determina quale delle connessioni è la più importante per voi e, quindi, la fà apparire più di frequente, e quali tipi di contenuto dovrebbe comparire prima rispetto ad altri. Per tutti coloro che cercano di commercializzare un prodotto o un servizio su Facebook è essenziale capire come funziona l’algoritmo EdgeRank.

Comprendere le regole dell’algoritmo EdgeRank e cambiare o impostare una tattica può fare la differenza tra una campagna di business in continua evoluzione. Eppure, nonostante questo enorme importanza ben poco è stato scritto su l’algoritmo e molti nemmeno conoscono l’esistenza di “EdgeRank”.

A differenza di molti  algoritmi che stanno cambiando il marketing, EdgeRank non è in realtà  sofisticato, ma non lasciare che la sua relativa semplicità ti faccia sottovalutare la sua importanza.

In definitiva: EdgeRank è il nome dell’algoritmo che Facebook utilizza per determinare ciò che appare nella “News feed” dei propri utenti che regola l’ordine in cui le notizie appaiono.

Update EdgeRank

Dalla sua uscita ufficiale che risale al 21 aprile 2010 si sono susseguiti due Update importanti:

6 Agosto 2013 Facebook ha annunciato un paio di modifiche all’EdgeRank. I due nuovi fattori sono stati denominati:

  • Story Bumping: se un contenuto, anche NON recentissimo e che magari ci era sfuggito, viene considerato particolarmente “meritevole”, possiamo ora trovarcelo riproposto una seconda volta nel newsfeed, mentre prima spariva inesorabilmente. In altre parole, il “fattore freschezza” ha ora un peso un po’ inferiore, a vantaggio del “fattore rilevanza”.
  • Last Actor: vengono esaminate le ultime 50 interazioni dell’utente, e anche in base a questo nuovo fattore viene generato il newsfeed.

– 23.08.2013 Facebook ha annunciato una nuova modifica inserendo un nuovo algoritmo:

  • News Feed Ranking Algorithm con l’intento di premiare i contenuti di alta qualità (Facebook li chiama proprio high quality content).

Simulazione di punteggio “EdgeRank”

Esempio. Supponiamo che l’utente A abbia compiuto queste 5 azioni nei confronti dei post di della Pagina X  nelle ultime 5 settimane:

  1. like su uno status update (oggi)
  2. like su un link condiviso  (una scorsa)
  3. like su una foto o su un video (due settimane fa)
  4. commento su uno status update (tre settimane fa)
  5. commento su una foto o video (quattro settimane fa)

Il punteggio di EdgeRank sarà ottenuto sommando le azioni:

1*1*1 + 1*2*0.8 + 1*3*0.6 + 5*1*0.4 + 5*3*0.2 = 9.4

dove sono stati assegnati:

  • 1 punto per il like
  • 5 punti per i commenti
  • 1 punto agli status update
  • 2 punti ai link
  • 3 punti alle foto o video

oltre a un fattore correttivo legato al tempo, più un’azione è vecchia meno conta: 1 per oggi, 0.8 per una settimana fa, 0.6 per due settimane fa e via dicendo.

Credits: Wikipedia – 10people

libro vita da hacker