Comprender el algoritmo de clasificación de noticias en tiempo real de Facebook

integración personal de facebook

Obtener la visibilidad de su marca en las noticias de su público objetivo es el mayor logro para los especialistas en marketing social. Este es uno de los objetivos más importantes y, a menudo, elusivos en la estrategia social de una marca. Puede ser especialmente difícil en Facebook, una plataforma que tiene un algoritmo elaborado y en constante evolución diseñado para ofrecer al público el contenido más relevante.

EdgeRank fue el nombre que se le dio al algoritmo de suministro de noticias de Facebook hace años y, aunque ahora se considera obsoleto internamente, el nombre ha perdurado y sigue siendo utilizado por los especialistas en marketing en la actualidad. Facebook sigue utilizando los conceptos del algoritmo EdgeRank original y el marco en el que se construyó, pero de una manera nueva.

Facebook se refiere a él como el algoritmo de clasificación de noticias. ¿Como funciona? Aquí están las respuestas a sus preguntas básicas:

¿Qué son los bordes?

Cualquier acción que realice un usuario es una posible historia de noticias y Facebook llama a estas acciones bordes. Cada vez que un amigo publica una actualización de estado, comenta la actualización de estado de otro usuario, etiqueta una foto, se une a una página de marca o comparte una publicación, genera una borde, y una historia sobre esa ventaja podría aparecer en el servicio de noticias personal del usuario.

Sería extremadamente abrumador si la plataforma mostrara todas estas historias en el servicio de noticias, por lo que Facebook creó un algoritmo para predecir qué tan interesante será cada historia para cada usuario individual. El algoritmo de Facebook se llama "EdgeRank" porque clasifica los bordes y luego los filtra en el servicio de noticias de un usuario para mostrar las historias más interesantes para ese usuario en particular.

¿Qué es el marco original de EdgeRank?

Las tres partes principales originales del algoritmo EdgeRank son puntuación de afinidad, peso del bordey tiempo en decaida.

La puntuación de afinidad es la relación entre una marca y cada fan, medida por la frecuencia con la que un fan ve e interactúa con su página y publicaciones, además de cómo se relaciona recíprocamente con ellos.

El peso de los bordes se mide compilando los valores de los bordes o las acciones que realiza un usuario, con la excepción de los clics. Cada categoría de bordes tiene un peso predeterminado diferente, por ejemplo, los comentarios tienen valores de peso más altos que Me gusta porque muestran una mayor implicación del aficionado. En general, puede suponer que los bordes que tardan más en realizarse tienden a pesar más.

El decaimiento del tiempo se refiere a cuánto tiempo ha estado vivo el borde. EdgeRank es un puntaje corriente, no algo de una sola vez. Entonces, cuanto más reciente sea su publicación, mayor será su puntaje de EdgeRank. Cuando un usuario inicia sesión en Facebook, su suministro de noticias se llena con contenido que tiene la puntuación más alta en ese momento en particular.

fórmula de facebook edgerank

Imagen de crédito: EdgeRank.net

La idea es que Facebook recompensa a las marcas que construyen relaciones y colocan el contenido más relevante e interesante en la parte superior del suministro de noticias de un usuario para que las publicaciones se adapten específicamente a ellos.

¿Qué ha cambiado con Facebook Edgerank?

El algoritmo ha cambiado ligeramente, obteniendo una actualización con nuevas funciones, pero la idea sigue siendo la misma: Facebook quiere ofrecer a los usuarios contenido interesante para que sigan volviendo a la plataforma.

Una nueva característica, el cambio de historias, permite que reaparezcan historias que las personas originalmente no se desplazaron hacia abajo lo suficiente como para verlas. Estas historias aparecerán cerca de la parte superior de las noticias si todavía están generando mucha participación. Esto significa que las publicaciones de páginas populares podrían tener una mayor probabilidad de mostrarse incluso si tienen unas pocas horas de antigüedad (cambiando el uso original del elemento de disminución del tiempo) al ir a la parte superior del servicio de noticias si las historias aún reciben un número alto de Me gusta y comentarios (todavía usando la puntuación de afinidad y los elementos de ponderación del borde). Los datos han sugerido que esto muestra a la audiencia las historias que quieren ver, incluso si se perdieron la primera vez.

Otras funciones están destinadas a permitir que los usuarios vean las publicaciones de las páginas y los amigos que desean de una manera más oportuna, especialmente con temas de actualidad. Se dice que el contenido particular solo es relevante dentro de un cierto período de tiempo, por lo que Facebook quiere que los usuarios lo vean mientras sigue siendo relevante. Cuando un amigo o una página está conectada a publicaciones sobre algo que actualmente es un tema candente de conversación en Facebook, como un evento deportivo o el estreno de la temporada de un programa de televisión, es más probable que esa publicación aparezca más arriba en su feed de noticias de Facebook, por lo que puede verlo antes.

Es más probable que las publicaciones que generan una gran participación poco después de la publicación se muestren en el servicio de noticias, pero no es tan probable si la actividad disminuye rápidamente después de la publicación. La idea detrás de esto es que si las personas interactúan con la publicación justo después de que se publica, pero no tanto unas horas después, la publicación era más interesante en el momento en que se publicó y potencialmente menos interesante en una fecha posterior. Esta es otra forma de mantener el contenido del suministro de noticias oportuno, relevante e interesante.

¿Cómo mido el análisis de mi feed de noticias de Facebook?

No existe una herramienta de terceros disponible para medir la puntuación de EdgeRank de una marca, ya que gran parte de los datos son privados. Un real Puntuación de EdgeRank no existe porque cada fan tiene un puntaje de afinidad diferente con la página de la marca. Además, Facebook mantiene el algoritmo en secreto y lo modifican constantemente, lo que significa que el valor de los comentarios en comparación con los me gusta cambia constantemente.

La forma más eficaz de medir el impacto del algoritmo aplicado a su contenido es ver a cuántas personas ha llegado y cuánta participación recibieron sus publicaciones. Herramientas como SumAll Facebook Analytics abarcar estos datos en un completo analítica panel de control perfecto para medir y rastrear estas métricas.

¿Qué piensas?

Este sitio usa Akismet para reducir el correo no deseado. Descubra cómo se procesan los datos de sus comentarios.