Как всё начиналось: краткая история алгоритмических лент

Facebook первым ввёл алгоритмическую ленту в 2011 году. Twitter и Instagram* подключились только к 2016-му. До этого мы потребляли контент в реальном времени — как сейчас в Telegram, где есть зависимость от того, когда мы смотрим на контент: утром, днём, вечером или ночью.

Теперь сама лента решает, что нам нужно увидеть, предугадывая, что может понравиться, основываясь на наших социальных взаимодействиях и интересах.

Соцсети оставили возможность хронологической ленты, чтобы мы могли сами контролировать то, что потребляем. Это оказало большой эффект в Instagram*, когда люди жаловались, что видят мало контента от друзей и близких контактов, а больше рекомендованного.

Но рынок говорит: алгоритмическая лента работает намного лучше по привлечению пользователей.

*Деятельность Meta (соцсети Facebook, Instagram, WhatsApp и Threads) запрещена в России как экстремистская.

Как соцсети «видят» наш контент

Если вы когда-нибудь загружали Instagram* с медленным интернетом, то могли видеть, как с помощью машинного зрения нейросети определяют, что изображено на картинке: «женщина, мужчина, чёрная кошка, еда». Это очень большие мазки того, как определяются наши интересы.

Раньше алгоритм просто считывал метаданные контента. Программистам нужно было вручную прописывать интересы, проводить всякие костыли в коде, чтобы он определял какие-то интересы.

Сейчас появляется понимание контекста. Векторы интересов создаются автоматически из самого контента, без всех этих технических извращений.

Недавно Instagram* добавил возможность вручную настраивать свои интересы. Это первый шаг к тому, чтобы общаться с алгоритмом напрямую, как было в Threads. Но это может пойти намного дальше.

*Деятельность Meta (соцсети Facebook, Instagram, WhatsApp и Threads) запрещена в России как экстремистская.

Напоминалка: готовьте контент на январские праздники, чтобы потом не делать его из салата

Алгоритмы умные, но одновременно очень тупые

Недавно вышло интервью с Адамом Моссери, где он развенчал главный миф про алгоритмы.

Люди думают, что у алгоритмов есть какая-то своя воля — они решают, какой контент показывать, а какой нет. И что компании постоянно вносят большие изменения в алгоритмы, из-за чего охват то падает, то растёт.

На самом деле всё проще и сложнее одновременно. Большие изменения в алгоритмы никто не вносит — это мелкие корректировки, чтобы отследить плохой контент или немного подкрутить модерацию.

Сам алгоритм полностью основан на потребительских интересах. Есть спрос на контент — его потребляют. Нет спроса — не потребляют. Всё.

Технически алгоритм смотрит только на социальные взаимодействия: лайки, комментарии, репосты, пересылки в директ.

Как я работал с Артёмом Лыжиным и почему рекомендую его гайд

Работал с Артёмом в агентстве «Палиндром». Постоянно обменивались фидбеком по проектам — я делал контент в соцсетях, он настраивал таргет.

Почему связка SMM + таргет работает
Смотрите, в чём дело. Артём запускает рекламу, видит — одна аудитория кликает за 15 рублей, другая за 50. Говорит мне: «Слушай, вот эти люди дешевле заходят, делай контент под них».

Я адаптирую посты под эту аудиторию. Она лучше заходит на контент, меньше отписывается. Артём видит хорошие метрики, может ещё больше снижать стоимость клика. Получается замкнутый цикл — качественный трафик рождает качественный контент, и наоборот.

Что в гайде Артёма
Артём два года тестировал продвижение Telegram-каналов. Убрал всё, что не работает. Оставил только рабочие схемы.

Результаты из кейсов:
• Снижение оттока с 75% до 24%
• Стоимость подписчика — около 50 рублей
• Отток меньше 10%

Что внутри:
• Пошаговая стратегия для TG Ads и Яндекса
• Только практика, никакой воды
• Конкретные настройки, а не общие советы

Кому это
Нужно хотя бы базово понимать, как работают TG Ads и Яндекс Директ. Если первый раз слышите про эти платформы — пройдите мимо.

Я рекомендую, потому что видел, как Артём работает. У него нет времени на красивые теории — только то, что приносит деньги.

Ссылка: https://banslepota.ru/otpischikovnet

От печати к голосу: как я перестал набирать тексты

Знаете, что изменилось в моей работе за последние месяцы? Я практически перестал печатать.

Сейчас 90% контента — презентации, статьи, посты — я наговариваю голосом через Wispr Flow. И цифры из недавней статьи TechCrunch про этот стартап меня не удивили: после трёх месяцев использования средний пользователь пишет больше 50% текста через голос.

Сначала было тяжело
Помню первые попытки — полный кошмар. Не мог связать и минуты нормального текста. Мысли разбегались, слова путались, получалась каша из обрывков фраз. Мозг привык к печати: думаю → набираю → редактирую по ходу. А тут надо сразу формулировать связно.

Но чем больше пользовался, тем дольше мог говорить. Сначала 30 секунд, потом минута, потом пять. А теперь регулярно упираюсь в лимиты приложения по количеству слов в одной записи.

Теперь идет, как по маслу
Постоянная практика сделала своё дело. Мысли выстраиваются в логическую цепочку, появляется естественный ритм речи. Могу спокойно наговорить связный текст без остановки.

Секретное оружие: сниппет + ИИ
Настроил крутую связку:
• Быстро наговариваю мысль в любом приложении
• Выделяю весь наговорённый текст
• Жму Ctrl+R
• Запускается преднастроенный агент в Клоде, который сразу редактирует текст.
• Потом вставляю уже исправленный текст в поле.

Получается идеально: скорость голоса + точность редактирования ИИ. Никакой расплывчатости мыслей.

Почему это работает
Приложение понимает контекст — если говорю про маркетинг, подставляет правильные термины. Плюс мой бот доводит текст до ума, убирает воду и структурирует мысли.

Вывод простой: голосовой ввод — это не будущее, это уже настоящее. Стоит потратить месяц на привыкание, чтобы потом экономить часы каждый день.

Как алгоритм читает ваши интересы

Алгоритм смотрит на то, как часто вы заходите в профиль, смотрите ли истории. Но самое важное — он смотрит на общие интересы контента.

И вот тут начинается самое интересное. Лайкнули 3-5 видео про футбол после просмотра матча? Алгоритм получает сигнал: в ваших интересах появился футбол, надо показывать больше такого контента. Хотя вы могли просто под впечатлением посмотреть пять роликов, а на следующий день уже не хотеть это смотреть.

Но алгоритм будет долго переучиваться. И вы будете переучивать его своими взаимодействиями, показывая, что футбол вам больше не интересен. На это уходит время — много времени.

Добавили кнопки «показать меньше такого контента», но даже если вы много раз нажмёте «скрыть контент», он всё равно будет появляться в ленте.

Почему кнопка «показать меньше» не работает

Классический пример — сексуализация ленты для мужчин. В их ленте появляется много сексуального контента с женщинами. Часто такой контент ставят в «холодную» ленту, чтобы привлечь человека к взаимодействию. И даже после множественных попыток скрыть такой контент, он продолжает появляться.

Обучение алгоритма — это намного более сложный процесс, чем кажется.

ИИ меняет всё: от больших мазков к точечным попаданиям

ИИ может выстраивать векторы интересов совершенно по-другому. Что такое вектор? Это не просто «интерес к футболу», а конкретно «американский футбол → лучшие моменты → только кики» или «только забеги». То есть понимание контекста контента.

ИИ может понять и выстроить такой вектор, как «кроличья нора» — так это называется в соцсетях. И она будет намного уже, чем сейчас.

Никаких мемов в канале, пока Долина не вернёт квартиру

От широких мазков к точечным попаданиям

Сейчас алгоритмы работают большими векторами, большими «кроличьими норами» — берут большими мазками ваши интересы и отправляют в определённую группу. ИИ, понимая контекст, может работать более точечно. Например, не просто «ремонт», а «ремонт жилой комнаты в стиле барокко». То есть уйти в очень глубокую нишу и показывать именно это.

И самое главное: если по взаимодействию вы перестали интересоваться темой, ИИ может понять это быстрее, чем обычный алгоритм, и не показывать контент самостоятельно, превентивно.

В будущем нейросеть будет ориентироваться ещё и на время захода пользователя в соцсеть и будет понимать, какой контент показывать в какое время.

Круг развития соцсетей: от групп к ИИ

Мы прошли интересный путь развития.

Попробуйте в следующем году без адвент-календаря

Умоляю…

Три этапа развития соцсетей

Мы прошли интересный путь развития от самостоятельного поиска контента до полной зависимости от алгоритмов.

Этап первый: группы по интересам. Вы сами искали группы — помните, как в ВК была группа «Люди, которые по вторникам любят полежать в ванной в обед и поедать куриные крылышки»? Это была эра самостоятельного поиска своих людей.

Этап второй: появились алгоритмы, и мы начали делать контент для охвата. Стараемся охватить максимально большое количество людей, используем мемы, жизненные ситуации, «живой подход». Идём прямо к подписчикам, чтобы они видели в контенте себя.

При этом работаем на алгоритм: чем чаще люди взаимодействуют с контентом, тем чаще мы показываемся. Это математически коррелирует с тем, что полезный контент потихоньку умирает. Мы пришли к развлечению, потому что люди заходят в соцсети отдохнуть, развлечься и залипнуть.

Этап третий: добавление ИИ в алгоритмическую ленту. У нас появляется шанс на то, что полезный контент снова может стать королём.

Календарь инфоповодов на декабрь. Андрей красавчик, а вы знаете, что делать!

Ренессанс полезного контента

ИИ может стать практически SEO в соцсетях, помогая людям, которые взаимодействуют с контентом. Понимая намного больше интересов пользователей, мы можем чаще попадать и находить более релевантные охваты. При этом охваты тоже вырастут, потому что мы попадаем на релевантную аудиторию.

Если вы узкоспециализированная компания, то можете находить свою аудиторию просто потому, что ИИ понимает контекст вашего контента. Условно, если вы делаете какой-то очень редкий подшипник, люди, которые интересуются этим подшипником в соцсетях, могут увидеть ваш контент быстрее, чем сейчас при обычной алгоритмической ленте без ИИ.

Возможно, нас действительно ждёт ренессанс полезного контента.

Зацените картинка в цитате