【為什麼我們挑選這篇文章】美國大選的結果引起諸多反彈聲浪,認為川普不該坐上總統一席,但到後來矛頭不是指向川普,而是 Facebook,他的演算法被很多人認為影響到了這次選舉。

祖克柏後來出面表示,Facebook 是科技公司並非媒體公司,演算法呈現出來的內容也是根據議題的熱度,或是你和某些資訊的互動程度作排比,最後呈現出你的動態消息。

不過到今天還是有人在討論演算法對總統大選造成的影響,但 Facebook 有沒有主觀的過濾資訊,或只是部分人的選後憂鬱症想找對象發洩,看完這演算法的介紹文,你可能會有答案。(責任編輯:張瑋倫)

不久前,人們想要跟人互動、了解一個人,可能要先加 MSN 或是約出來吃飯聊天;想要知道今天有甚麼重要的新聞,最簡單的方法是打開電視新聞台,不排斥閱讀的人會選擇看報紙;想要看一些有趣影片抒發壓力,就到 Youtube 看看有甚麼新發現……

然而,當社群媒體如雨後春筍般一個個推出後,人們開始在網路上分享自己的資訊,徹底改變人與人之間的互動方式,尤其是近年來社群網站的龍頭 Facebook,更是成為現實社會中人們獲取資訊、與社會接觸的工具。

社群網站的霸主 Facebook

現在無論男女老少,幾乎是人手一支智慧型手機,在路上、餐廳、教室、公司更新著 FB 動態時報,也許上一則動態是朋友分享自己出國的經驗,往下滑則是 Yahoo 新聞粉絲專頁分享了一篇關於南海主權爭議的報導,再往下滑可能是朋友按了可愛動物影片讚……

Facebook 動態時報的內容五花八門,究竟它是怎麼決定要呈現哪些內容呢?呈現的順序又是怎麼排出來的呢?

hackpad.com_O4CIqeLl9aL_p

Facebook 上的活躍人口逐年攀升,到2016年第一季已經超過15億人

目前 Facebook 有超過 10 億個用戶,他們使用各式各樣的行動裝置享受服務,觀看內容,而且 FB 上還有超過 1000 萬個粉絲專頁,每個都企圖在動態消息上取得使用者的注意,提高自己網頁的曝光率。

值得一提的是,一個正常用戶造訪 Facebook 時,會有超過 1500 則內容顯示在其 News feed 上,至於 FB 會讓用戶看到甚麼?忽略甚麼?哪些類型的專頁(可能連結到部落格,數位媒體,網路論壇)能曝光?是由 News feed 的演算法決定。

hackpad.com_O4CIqeLl9aL_p-1

Facebook News feed

EdgeRank 演算法

Facebook 過去使用 EdgeRank(排序積分)演算法決定內容在動態消息(News feed)上的排名,當一則動態消息被發出(可能是有人打卡發文、粉絲專頁的新貼文、好友之間留言 Tag)會被依照積分高低作排序,積分高的優先顯示,積分低的則被排到 News feed 下面,或是不出現在動態消息上。

積分由 3 個因素決定,分別為親近度(Affinity)、權重(Weight)、時間衰變(Time Decay),以下分別解釋這三種因素:

  • 親近度(Affinity)

以人來說,我們能夠設定  FB 上與其他使用者的親密程度,例如:家人及情侶的親近度比朋友高,摯友的親密度又比一般朋友高。除此之外, EdgeRank 也會參考過去一段時間我們與他人的互動情形(例如:互相按讚,留言)來評估親近程度,互動越密切的好友,越容易出現在動態消息上方。

以專頁來說,使用者能夠透過按讚來關注它,如果對某個專頁特別有興趣,也可以設定「搶先看」來接收第一手資訊。

然而,個人與朋友、專頁之間的互動並不是 EdgeRank 評估的唯一依據,FB 同時也會參考這則動態消息與全球其他使用者的親近程度,其影響程度可能更甚於個人喜好,例如:某則動態內容被全球各地的 FB 使用者瘋狂轉發,則它可能會出現在你的 News feed 上,即便你根本對它沒有興趣。

  • 權重(Weight)

動態消息的種類與演算法也息息相關,一般來說,影片、照片的順位比近況更新、連結分享高,舉個例子:好友 po 出你的醜照,相較於你發的感性文,可能會優先被你的其他朋友看見。除此之外,動態收到的回應也會納入計算,例如:收到 10 則回應的動態會優先於收到 10 個讚的,10 個讚又會被排在 5 個讚前面。

另外,Facebook 也會將使用者平常喜歡的貼文種類納入考量,假如你無意間按了許多照片的讚,或是你與好友之間時常在彼此的圖片下留言,EdgeRank 會判定你經常與圖片互動,因此你在 News feed 上滑到圖片的機率就會提高。

  • 時間衰變(Time Decay)

顧名思義,貼聞從發出到被閱讀之間經過的時間長短,也會影響它出現在 News feed 的優先順序,越新近的動態會優先出現。

hackpad.com_O4CIqeLl9aL_p-2

EdgeRank

現在 Facebook 使用的是一種以機器學習為基礎的演算法,除了原本 EdgeRank 的 3 個評估項目,還納入了許多獨立因素,例如:隱藏貼文、Story Bumping…… 等,之後會有更詳細的介紹。

當然,News feed 背後的演算法比我們想像的都還要複雜,除了上文當中說明的幾個例子外,還有許多因素不是光用一篇文章就能解釋清楚的,況且 Facebook 也不願意透露太多細節。

總而言之,Facebook 做出這樣調整的目的,無非是想讓用戶享受最好的社群網站體驗,確保其在這個領域的龍頭地位,也吸引更多的數位網站、媒體、論壇以Facebook 作為導入網站,從中獲取更多利潤。

(本文經合作夥伴維京人酒吧授權轉載,並同意 TechOrange 編寫導讀與修訂標題,原文標題為〈你帶著有色的眼鏡看世界嗎?——談Facebook 動態消息演算法(上)〉。)

延伸閱讀

【千錯萬錯都是演算法的錯】同溫層真的好有愛?臉書演算法讓你只活在自己的世界
臉書刪越戰經典照,演算法難道可以凌駕史實與公平正義嗎?
跟「殺人標題」說拜拜!臉書新演算法要讓內容農場消失在你的塗鴉牆上
 臉書搞「黑箱」:邪惡演算法加人為編輯,確保操縱熱門話題