Algoritmus na sociálních sítích nečte myšlenky. Z dostupných stop vytváří odhad, co by nám mohl nabídnout dál.
Od milionů možností k několika příspěvkům
V prvním dílu jsme si ukázali, že feed je výběr, nikoli neutrální přehled světa. Teď se můžeme podívat blíž na samotné vybírání. Platforma má k dispozici víc videí, fotografií a příspěvků, než by jeden člověk mohl projít. Potřebuje proto rozhodnout, co vůbec zařadí mezi možné kandidáty a co z nich se objeví nahoře.
Slovem algoritmus přitom zjednodušujeme celou soustavu postupů. Jinak může vznikat domovská stránka, jinak doporučení po právě sledovaném videu a jinak proud krátkých videí. YouTube například popisuje, že na domovské stránce spoléhá zejména na historii sledování, zatímco doporučení „Up next“ vycházejí hlavně z videa, které člověk právě sleduje. Meta zase rozlišuje systémy pro Feed, Stories, Reels a další plochy.
Ve zjednodušeném popisu má systém tři úlohy: najít možné příspěvky, odhadnout jejich význam pro diváka a sestavit pořadí. Výběr zároveň omezují pravidla platformy. Ta mohou některý obsah z doporučování vyřadit nebo snížit jeho viditelnost.
Signál není totéž co význam
Odhad vzniká ze signálů. Patří mezi ně například to, co člověk dříve sledoval nebo hledal, koho odebírá, u čeho reagoval, jaké video právě přehrává nebo zda označil doporučení jako nezajímavé. Systém může přihlížet také k vlastnostem příspěvku a k tomu, jak na něj reagovali další lidé.
Význam signálů se liší mezi platformami, jednotlivými částmi aplikace i v čase. TikTok ve vysvětlení feedu For You z roku 2020 uvádí interakce, informace o videu a některá nastavení zařízení či účtu. Popisuje také různou váhu těchto signálů. Jejich přesný současný poměr z tohoto staršího přehledu neznáme.
Ještě podstatnější je, že pozorovaný signál sám nevysvětluje svůj lidský význam. Dlouhé sledování může znamenat zájem, ale také zmatek. Otevření komentářů může vyjadřovat pobavení, rozhořčení i potřebu ověřit si, zda ostatní viděli totéž. Opakované přehrání může být nadšení i nepochopení.
Co vlastně systém předpovídá
Oficiální materiály platforem vedle času sledování a reakcí popisují také relevanci, dlouhodobou spokojenost, bezpečnost, kvalitu nebo pestrost. YouTube například uvádí, že doporučování zohledňuje výkon videa i předpokládaný zájem a spokojenost konkrétního diváka. Jde o cíle popsané provozovateli; veřejné materiály neukazují přesnou účinnost všech používaných modelů.
V praxi může systém vytvářet více předpovědí současně: zda člověk příspěvek otevře, video dokouká, dá mu lajk, skryje ho nebo s ním bude spokojený. Tyto odhady se kombinují s pravidly konkrétní části aplikace. Vliv jednoho lajku nebo další vteřiny sledování proto závisí i na ostatních signálech a na tom, jak s nimi daný systém pracuje.
Omyly k odhadům patří
Systém může krátkodobý zájem zobecnit, nabídnout podobnost, která člověku nedává smysl, nebo zkoušet nové téma, aby zjistil, zda se uchytí. Také proto platformy nabízejí zpětnou vazbu typu „nezajímá mě“ a někdy používají průzkumy spokojenosti: samotné sledování jim neřekne všechno.
I odhad, který správně předpoví další zhlédnutí, může minout jeho důvod. Člověk například pokračuje ve sledování proto, že ho video zneklidnilo a hledá vysvětlení. V záznamu aktivity se přesto objeví další přehrání.
Doporučování také zkouší, co ještě nezná
Doporučování může vedle známého obsahu zařadit i něco nového, populárního nebo záměrně odlišného. TikTok takto popisuje rozšiřování výběru a zkoušení dalších témat. Reakce na neznámé video může systému pomoci odhadnout, zda se zájem člověka změnil nebo rozšířil.
Vzniká tak zpětná vazba: systém něco nabídne, člověk na to reaguje a tato reakce vstoupí do dalších odhadů. Zobrazený výběr ovlivňuje, mezi čím se člověk rozhoduje. Jeho rozhodnutí zase mohou změnit další nabídku.
Různé účty mají nestejně dlouhou historii. U nového nebo málo používaného účtu je méně osobních signálů, takže systém může víc vycházet z obecnějších údajů, aktuálně oblíbeného obsahu či nastavení jazyka a země. S přibývající aktivitou získává další podklady pro personalizaci.
Co si z odhadu vzít pro sebe
Běžný uživatel přesný vzorec nezná a platformy své modely průběžně mění. Pokud nabídka neodpovídá jeho zájmu, může využít zpětnou vazbu „nezajímá mě“. Dává tím systému další signál, vedle samotného sledování a reakcí.
