Ho notato che i miei feed su Instagram e TikTok sembrano personalizzati in base a quello con cui interagisco, ma sono curioso riguardo alla matematica vera e propria dietro tutto questo. Cioè, usano una sorta di sistema di punteggio o un modello probabilistico per decidere quali post mostrarmi per primo?
Ho iniziato a tracciare cosa appariva nel mio feed dopo aver passato una settimana a mettere mi piace a ogni post su acquari che riuscivo a trovare, e nel giro di pochi giorni l'algoritmo mi stava letteralmente sommergendo di contenuti su vasche piantate - molto più aggressivo di quanto mi aspettassi. Quello che succede dietro le quinte è che eseguono modelli di previsione dell'engagement che stimano la probabilità che tu metta mi piace, commenti o dedichi tempo a un post, poi pesano quelle previsioni rispetto a fattori come quanto recente è, chi l'ha postato, e quanto è simile a cose con cui hai già interagito prima. Non è un'unica formula ma più che altro un sistema di ranking che combina insieme dozzine di questi punteggi di probabilità, con piattaforme diverse che regolano quali segnali contano di più (Instagram sembra pesare molto il tempo di visualizzazione, TikTok sembra ossessionato da se riguardi di nuovo). La matematica in sé non è segreta - è principalmente roba come la regressione logistica o il gradient boosting - ma la vera complessità sta in quali segnali scelgono di inserire nel modello e quanto conta ciascuno.
La parte della "personalizzazione" in realtà non è così precisa come potresti pensare - è meno una singola formula matematica elegante e più un pasticcio di segnali ponderati. Fondamentalmente stanno assegnando un punteggio a ogni post usando cose tipo: quanto spesso ti fermi su contenuti simili, quanto tempo ci passi sopra, chi l'ha postato, quanti engagement sta già ricevendo, la recentezza, e un sacco di altri fattori che vanno negli algoritmi di ranking (pensa a reti neurali che si aggiustano costantemente). Tutti quei segnali vengono elaborati insieme, di solito con modelli di machine learning che cercano di prevedere se effettivamente ti interesserà o continuerai a scorrere, e quel punteggio di predizione determina dove il post finisce nel tuo feed. Le piattaforme non pubblicano i pesi esatti perché sono proprietari, ma sì - è decisamente matematica dietro le quinte, solo non del tipo che potresti scrivere su una lavagna.
Hai mai notato come il tuo feed cambia nel momento in cui interagisci diversamente? È l'algoritmo che si ricaliabra in tempo reale.
Le piattaforme usano molteplici sistemi di scoring che funzionano in parallelo, non un'unica formula magica. Ogni post riceve un punteggio basato su segnali di engagement (like, commenti, condivisioni, tempo di visione), recency, la tua cronologia di interazione con quel creator, corrispondenze di tipo di contenuto, e quello con cui si sono impegnati utenti simili. Questi punteggi hanno pesi diversi a seconda di quello che la piattaforma vuole ottimizzare - TikTok dà priorità al tempo di visione e alle condivisioni, Instagram si concentra più su like e commenti. L'algoritmo poi classifica i candidati e ti mostra i migliori contendenti. Pensalo meno come una dimostrazione matematica e più come un buttafuori in un club che controlla molteplici criteri per decidere chi entra.
Ho passato un periodo in cui stavo ricercando online posti per il birdwatching, guardando un sacco di video sulla natura, e all'improvviso il mio feed si è riempito di contenuti su uccelli. Dopo un paio di settimane di scorrere quei post senza interagire, il feed è tornato indietro. È il sistema di punteggio ponderato che si sta aggiustando - quando ho smesso di interagire con contenuti su uccelli, quei post sono scesi nella mia classifica personalizzata, e altri argomenti sono riaffiorati. La matematica è reale, ma non sta cercando di essere elegante o equa; sta solo cercando di prevedere quello che ti farà continuare a scorrere. Stanno usando tecniche dai sistemi di raccomandazione (collaborative filtering, reti neurali), ma i pesi e le soglie esatte che ogni piattaforma usa sono proprietari, quindi nessuno al di fuori conosce la formula precisa.
La matematica è fondamentalmente un sacco di fattori ponderati - il tempo che passi su post simili, quanto velocemente interagisci, se segui l'account, commentare rispetto a solo mettere like - tutto combinato in un punteggio di rilevanza che determina la classificazione. È meno "formula elegante" e più "buttare tutto contro il muro e vedere cosa attacca", ecco perché a volte noterai oscillazioni selvagge nel tuo feed quando il tuo comportamento cambia anche leggermente. Stanno costantemente facendo test A/B su questi pesi, quindi quello che funziona per classificare i post per te potrebbe essere completamente diverso dall'algoritmo di qualcun altro.
Le risposte precedenti arrivano all'idea centrale ma più o meno sorvolano sul perché la matematica conti davvero. Sì, ci sono segnali ponderati e si ricalibrare in tempo reale - tutto vero. Ma il motivo per cui sembra così efficace è che queste piattaforme non si limitano a sommare fattori come il tempo di visualizzazione più lo status di follower. Usano modelli di machine learning, di solito qualche variante di rete neurale o gradient boosting, che imparano i *pattern* nel comportamento di milioni di persone. Quindi quando all'improvviso cominci a mettere like ai post su acquari, l'algoritmo non conta solo quei like - sta guardando cos'altro tendono a interagire le persone che mettono like a quei post, quanto velocemente stai scorrendo oltre altri contenuti, persino cose come l'ora del giorno in cui sei più attivo. È molto più interconnesso di un semplice sistema di punteggio.
La parte più complicata è che queste piattaforme di solito ottimizzano per tempo di visualizzazione o engagement, non per "mostrarti quello che vuoi davvero." Quindi la matematica è progettata per predire cosa ti farà continuare a scorrere, il che a volte significa farti vedere roba che ti infuria o ti sorprende piuttosto che roba che è davvero utile. I "fattori ponderati" menzionati prima sono reali, ma vengono filtrati attraverso un modello addestrato per massimizzare qualche metrica commerciale. Ecco perché l'algoritmo può sembrare inquietante - non è che ti capisce meglio di quanto tu capiresti te stesso, è che è diventato molto preciso nello sfruttare quello che cattura l'attenzione umana.
Ho visto il mio feed cambiare drasticamente solo da pochi click, quindi il sistema di ponderazione è decisamente reale - ma ecco cosa la gente sorvolano: l'algoritmo impara anche a mostrarti roba che ti tiene a scrollare anche se non interagisci esplicitamente con essa, nel senso che post da account che non segui mai o argomenti che hai appena sfiorato possono improvvisamente inondare il feed se sono ottimizzati per tenerti incollato a tutti i costi. Non è solo una questione di assecondare i tuoi gusti, è una questione di massimizzare il tempo trascorso, il che è tutt'altra storia.
Accediper rispondere.
