Мне не дает покоя одна мысль 🤔

Instagram мог бы стать идеальной дейтинг-платформой. И я даже знаю, как этому поспособствовать. Щя все расскажу!

Как вы уже понимаете благодаря моим предыдущим постам, Instagram знает очень много про ваши интересы и с каждым твоим заходом в приложение корректирует твой профиль, спасибо математике (а ещё Максиму Наумову, Мише Смилянскому, Андрею Маллевичу, Илье Чернявскому и другим инженерам Meta, которые это проектировали) удивлены этим прекрасным, благородными, красивым АМЕРИКАНСКИМИ именам?

Рекомендательная система explore/reels (и threads, спойлер на будущее — я расскажу, как работают алгоритмы и там, вы прям удивитесь) в инстаграме — одна из лучших на рынке. Благодаря тому, что Meta знает мои интересы едва ли не лучше меня самого (literally, иногда удивляюсь тому, какой контент точно попадает в мое чувство юмора)
лента дает мне потреблять именно тот контент, в котором я нуждаюсь именно сейчас.

Вы же тоже замечаете, как малейшее изменение вашей жизни (расстались, пошли в зал, посмотрели новый сезон Декстера) сразу влияет на контент, который к вам попадает? Это все еще математика и векторное пространство ваших интересов. Учили бы математику в школе, сейчас бы director of engineering & research в Meta были вместо Максима Наумова 🥲

Инстаграм довольно УСПЕШНО соединяет тебя с контентом, предсказывая твое будущее вовлечение по профилю из сотен параметров. И в основном, предсказывает хорошо. Но что, если бы он соединял тебя не с рилсом, а с ЧЕЛОВЕКОМ?

Представь, что Инстаграм дает тебе сразу 10000 человек, чьи интересы МАКСИМАЛЬНО сходятся с твоими? Мемы, над которыми смеетесь. Ваши мечты в сохраненках. Стиль вашего общения. Высокая косинусная близость векторов, you know. Велика вероятность что человек, которому нравится 89 из 100 твоих любимых рилсов, окажется твоим соулмейтом.

Вообще, Facebook уже запускал Facebook Dating, который успешно провалился (всратый UX, как и у всего Фейсбука в целом, явно помог). Но если бы это была вкладка прямо в Instagram или апп-компаньон (как Edits или Threads)?

Короче, эта мысль мне не дает покоя, поэтому вот LinkedIn главы Инстаграма Адама Моссери. Если вы тоже думаете, что это прям КРУТО, можно дружно завалить ему личку описанием этой идеи. Письма он (и другие чуваки из Меты) в целом читают, поэтому кто знает, может именно твое сообщение Адаму поможет инстаграм дейтингу появиться на свет.

Если все же захочешь им написать, в комментариях оставляю текст короткого сообщения и ссылки на членов команды Instagram.

💡@founderit | навигация | дневник

Добро пожаловать в часть 4 про алгоритмы. Держите штанишки, это будет сильно:

– Вес действий или чтоо является самым сильным для алгоритмов Инстаграма?
ML Ranking предсказывает вероятности действий на основании исторических данных и собирает общий скор рилса. Сильные действия тянут наверх, легкие напротив, почти не влияют.

Надеюсь, ни для кого не секрет, что лайки это последняя метрика для оценки успешности рилса?
Вес действий выглядит примерно так: Подписка примерно равна пересмотру и > репоста к себе или в директ, которые > комментария, который > лайка.

Почему подписка и пересмотр такие сильные – потому что алгоритм считает, что если человек посмотрел рилс 2+ раза, значит контент ценный прямо сейчас. Сохранение – пригодится в будущем. Это сильные действия

Задача спроектировать ролик под сильные действия. Например, для роста подписок упор на серийность контента (часть 1/3, завтра продолжение, etc). Для роста пересмотров петля/пасхалки, чек-лист, который заставит пересматривать и выписывать. В общем придумаете сами, я не сильно эксперт в этом.

Виральность начинается со следующих цифр на первых 500–1500 показах (смотреть через аналитику в Edits):
– досмотр (15–25 с ролики имеют бОльшую досматриваемость): 60–70%+
– повторный просмотр: 10–20%+
– в подписку: 0.3–0.8%+
– комментарии: 1–2%+
– поделиться: 2–4%+

– Правило 3 секунд, влияние хука и early drop
Ранний дроп (когда ролик пропускают) — самый токсичный сигнал для P_watchthrough (показателя досматриваемости видео). Если 20–30% скипают рилс в первые 0-3 сек, модель начинает понижать скор ролика.

Ориентироваться надо на дроп на 0–3 сек меньше 20%. Если больше — переписывай хук.

– Перезаливы и diversity (разнообразие)
В прошлых тредах неоднократно встречал вопрос – «надо загружать ролик 100 раз! Почему один и тот же ролик набирает и 100 и 10000?». Если глаза завязать и дротик бросать с 10 метров, один раз тоже попадете, см. Теорему о бесконечных обезьянах.

В реальности все ровно наоборот. Финальный re-ranking слой алгоритма следит за diversity. Дубликаты и однотипные рилсы конкурируют между собой — покажут 1-2, остальные получат нулевой скор и не попадут в ленту. Перезаливы понижают авторский скор, что влияет на каждый последующий рилс.

Не перезаливай. Делай варианты: другой хук, тайминг, порядок фактов, визуал – обмани алгоритм diversity.

– Integrity, brand-safety и как не словить теневой бан
Как такового, «shadow ban» не существует. Но над ранжированием стоит слой интегрити и политики бренд-сейф. Рилс с триггерами получают меньше показов, даже при нормальном ретеншене.

Интегрити-алгоритм триггерится на следующие темы:
– откровенный адалт/18+ подтекст
– обещания гарантированно заработать
– открытая агрессия/хейт спич/оскорбления
– использование чужих рилс с водяными знаками (всегда избегайте логотипов TikTok и других конкурентов Meta)
– кликбейты, вводящий в заблуждение контент

Если все же хочется говорить про эти темы, меняйте формулировки. Кстати, на маты при этом алгоритм никак не реагирует, если это не какой-то хейт спич (и люди не тыкают пожаловаться).

– Тестовые показы и пробный режим
Когда ты заливаешь рилс, он не сразу падает в ленту ко всем, а попадает в песочницу. Алгоритм берет малую аудиторию, обычно от 100 до 500 человек, точная цифра динамически меняется. Цель — проверить, совпадают ли реальные метрики с прогнозом ML.

Есть Trial Mode, когда ролик публикуется не в ленту, а внешней аудитории (не-подписчики). Отличие для алгоритмов в том, что в пробном режиме сигналы идут только от действий внешней группы и не влияют на итоговый скор автора.

Если загружать прямо в аккаунт минуя пробный режим, рилс сразу получает свои 100–500 показов, но результаты влияют на твой author score. И если несколько подряд роликов проваливают retention, то профиль получает минус (у профиля автора есть мультипликаторы).

Все ссылки на источники будут следующим постом (сюда не влезло), а я пошел готовить для вас материалы про алгоритмы Stories (вы не поверите, какой там спрятан клад!) и алгоритмы Threads 🖤

✅@founderit | навигация | дневник

Материалы, которые я прочитал, и на которых основаны вышеупомянутые выводы.

Сохраняем, читаем перед сном:

1. Reels Chaining — как система предсказывает вероятности

2. Scaling the Instagram Explore recommendations system — технический разбор пайплайна retrieval - ranking - re-ranking

3. The AI behind unconnected content recommendations on Facebook and Instagram — как работают модели рекомендаций для «не знакомого» контента

4. Journey to 1000 Models — как инженеры масштабировали систему до 1000 ML-моделей

5. Reels Ranking Signals — какие сигналы учитываются при ранжировании

6. Deep Learning Recommendation Model for Personalization and Recommendation Systems — научная работа про архитектуру рекомендаций

7. On the Value of Diversified Recommendations — про подход к разнообразию контента в рекомендациях

8. A New Ranking Framework for Better Notification Quality on Instagram — как система внедряет diversity-aware ranking и наказывает за одинаковый контент

9. Privacy within Meta’s Integrity Systems — документ о том, как работает слой интегрити и авто-выявление триггеров

10. Community Standards — основные правила сообщества

11. Brand Safety — как Meta гарантирует безопасное пространство для брендов и что они не накосячат с контентом (и их не закенселлят, лол)

✅@founderit | навигация | дневник

Все, что я узнал про алгоритмы Reels – я собрал в один большой документ на 50 страниц

Красиво, удобно, с картинками и источниками – кажется, это единственный полноценный технический анализ во всем русскоязычном интернете, который описывает реальную работу и устройство алгоритмов рилс.

Бонусом, в конце понятный чек-лист: посмотрите на него, когда будете снимать свой следующий рилс.

Я хочу, чтобы algorithm-first подход стал доступным и понятным всем, кто создает контент. Отправьте эту PDF своему знакомому продюсеру, креатору, сммщику, маркетологу, сценаристу, монтажеру или просто человеку, который хочет снимать вертикальный контент и расти.

👉🏻 СКАЧАТЬ PDF бесплатно (требует подписки на канал)

🧩@founderit | навигация | дневник

Я погрузился в блог инженеров Meta разгадывая устройство рилсов, но обратил внимание на материалы, посвященные алгоритмам сторис. Внутри меня ждал сюрприз, потому что в алгоритмах есть целых ЧЕТЫРЕ механизма поднятия охватов!

Поэтому присаживайтесь, щя расскажу как работают алгоритмы сторис и как на самом деле управлять их охватами!

Часть 1. Как устроены сторис?

Когда-то порядок сторис, которые мы видели, был хронологическим: от новых к старым, но это было давно. Сейчас то, что ты увидишь, решают алгоритмы.

Вы уже знаете, что в Инстаграме 1К+ ML моделей. Пайплайн начинается идентично загрузке рилса:
– CV-модели распознают лица, объекты, сцены
– OCR извлекает текст
– ASR преобразует речь в текст
– Audio ML классифицирует музыку (жанр, настроение, популярность, лицензия)
Эти признаки записываются в feature store (общая база признаков, которую используют алгоритмы retrieval/ranking)

– Перед тем как сторис попадет в кандидаты для показа, алгоритмы проверяют:
Соблюдение стандартов сообщества (18+, хейт спич, насилие)
Соблюдение brand safety (например, если стоит branded content tag, сторис может не попасть в рекомендации Facebook)
Проверка на авторский рейтинг (страйки, блокировки)

Если есть жесткие нарушения, то сторис блокируется. Если контент прям на грани, то сторис получает отрицательный мультипликатор веса в показах (и понижается в выдаче)

– Когда пользователь открывает ленту сторис:
Система собирает список всех актуальных сторис от аккаунтов, на которые он подписан
Дополнительно — рекламные вставки из Ads Manager (тоже как кандидаты, не актуально для России)
Каждый кандидат состоит из набора параметров:
– данные об авторе (история взаимодействий, авторский рейтинг),
– поведение зрителя в прошлом (связь с автором, смотрел/пропускал, отвечал/мьютил, переписка в директе),
– мультимодальные признаки самой сторис (вектор интересов по CV, OCR и аудио плюс метаданные).

– Для каждой сторис модели предсказывают вероятность событий: открытие, ответ, реакция, пропуск, выход.
Эти вероятности собираются в итоговый скор: чем выше шанс, что сторис удержит или вызовет реакцию – тем выше в выдаче.
Рейтинг автора влияет напрямую: если у автора высокий retention и мало жалоб, его сторис получает дополнительный буст

– После основной сортировки применяются корректировки:
Свежесть – недавние сторис при прочих равных идут выше
Диверсификация – ты не увидишь несколько кружков подряд с серией сторис, система чередует с одиночными
Настройки пользователя: если у тебя замьючен аккаунт, его кружок уходит дальше или исчезает
Близкие друзья ВСЕГДА приоритетнее обычных

Сформированный список кешируется и подается на клиент. В процессе просмотра поведение пользователя (вперед/назад, ответы, выход) стримится обратно в систему, обновляет вектор интересов и корректирует связи автора и зрителя.

– Каждое действие зрителя логируется: просмотр, скип, реакция, ответ, мьют, жалоба.
Эти сигналы влияют:
– на персональный вектор интересов зрителя,
– на авторский рейтинг (если у большинства низкий retention, сторис автора реже будут показывать первыми).
ML-модели обновляют вес действий (через обучение с отложенной обратной связью + периодические переобучения).

А теперь вопрос: уже догадались, что на самом деле влияет на охват сильнее всего? Об этом расскажу завтра 🙂

🤌@founderit | навигация | дневник

Short story о том, почему чужой контент в Инстаграме п*здить нельзя, но если очень хочется и сделать это правильно – то можно

У каждой единицы контента свой профиль интересов, который описывается точками в многомерном пространстве, векторы и математика.

Если повторить векторный профиль (визуал тоже туда складывается) 1 в 1, это ни к чему не приведет

Но если изменить всего 1-2 весомых вектора, оставив при этом все остальные — случается 🪄

Мой самый любимый пример это блогерша Элеонора nierelli из Новой Зеландии. Вот это рилс-оригинал (какой-то из них), а вот это рилс Элеоноры. 8 миллионов просмотров!

Почему Элеонора так успешно п*здит контент Арины? Рецепт простой, в векторном пространстве у ее контента меняется два параметра: ЯЗЫК и ГЕО. А для алгоритмов это уже получается другой контент, но все еще с набором параметров и вирального веса.

Опустим морально-этическую сторону вопроса, если цель — быстро монетизировать блог, то это самый короткий путь туда.

(если ничего не поняли, прочитайте мою пдфку про алгоритмы)

🧩@founderit | навигация | дневник

Я продолжил изучать техническую документацию алгоритмов ранжирования сторис чтобы понять, а есть там на что влиять? Как сделать, чтобы мои сторис увидели все подписчики?

Внутри интересно, смотрите что накопал! Давайте расскажу, как поднять охваты с точки зрения алгоритмов, которые за это отвечают.

Часть 2. Stories — что влияет на охваты и как сделать, чтобы больше людей их смотрели?

– Инстаграм не показывает подряд длинные цепочки
Если у тебя 10+ сторис подряд, ты СИЛЬНО понижаешь шанс того, что его увидят

а) это снижает показы рекламных вставок (их в РФ не видно, но алгоритм тот же),
б) длинные серии = выше вероятность дропа ниже удержания
Отдельный алгоритм чередует длинное/короткое: пролистай сторис на 30 аккаунтов вперед и посчитай, сколько среди 30 будет серий длиннее 5-7 сторис. И вообще, почему именно 5-7? Есть закон Миллера (см. Магическое число 7+-2) – это закономерность, согласно которой кратковременная человеческая память, не может запомнить и повторить более 7 +- 2 элементов.

Вывод: серию из 3 сторис увидит больше человек, чем серию из 7+

– Вектор интересов контента твоей сторис
Да, у каждого пользователя есть эмбеддинг (вектор интересов), который сравнивается с контентом.
Но в Stories этот сигнал почти второстепенный: если у вас нет связи, сторис все равно уйдет вниз.

Я придумал упражнение-тест: заведи пустой аккаунт и повзаимодействуй со своим контентом (огоньки, лайки, досмотры, комменты) 15-20 раз. После 15–20 взаимодействий открой Explore и увидишь точный портрет интересов своей аудитории.

Это зеркало: то, что в Explore у этого тестового акка — это и есть вкусы людей, которые любят твой контент. Совпадают ли они с той аудиторией, которую ты хочешь заполучить?

– Близкие друзья всегда сверху
Здесь даже не алгоритм — это фиксированное правило
Если кто-то добавил тебя в БД, его сторис всегда будут на первых местах

– Две ветки алгоритма: unconnected и connected
Unconnected (Reels в trial mode, Explore) – это когда у тебя со зрителем не было личных взаимодействий, упор на вектора интересов и предсказание ценности контента.
Connected (Stories и Reels в ленте) – главный вес дают личные связи и взаимодействия. Твои сторис ВСЕГДА будут видеть те, кто с тобой взаимодействует (переписка в директе, реакции).

Это значит:
– В пробном режиме рилс твой контент скорится только по интересам и предсказаниям.
– Но в Stories и общей ленте ты будешь выше у тех, с кем у вас была переписка.

– Самый сильный сигнал — личное взаимодействие
Алгоритм Stories буквально завязан на том, как ты и зритель коммуницируете:
– реагирует ли он на твои истории,
– писал ли тебе хоть раз в директ
Даже одно сообщение в личку даст резкий буст твоих сторис для этого человека. Например, он их наконец увидит)

Поэтому на первых местах кружки тех, с кем у тебя есть двусторонний контакт. Придумай, как этот контакт создать

– Какие факторы еще влияют?
1. Время публикации.
2. Author score
3. Навигация зрителя внутри твоей серии сторис. Если их скипают, это понижает скор
4. Интерактив внутри (опросы, стикеры) – клик на них считается взаимодействием с тобой и повышает уровень связи, а значит общий скор твоего контента
5. Частота публикаций. Стабильность повышает здоровье аккаунта и author score, отсутствие стабильности понижает
6. Политика интегрити и бренд-сейф. Это про редфлаги, писал про них в пдфке про рилс

– Выводы. Как поднять охваты?
Делать короткие серии сторис, длинные не делать
Проделай упражнения с голым аккаунтом и изучи интересы своей аудитории
Фокусируйся на взаимодействиях (реакции, личка)
Строй с подписчиками связи, а не просто заливай контент. Можно начать с огоньков на сторис всем подписчикам))

Я понимаю, это трудозатратный процесс, но если ты продаешь через сторис – в следующий раз они увидят их.

И прочитай мой технический разбор алгоритмов рилс, станет многое понятно!

👁@founderit | навигация | дневник

Computer Vision 🤌

Теперь мы умеем видеть каждый кадр видео посекундно почти так же, как его видит Instagram при предварительном анализе рилса. Гоняю тесты на своих рилсах

What's next?
– научиться максимально точно определять векторы интересов. Зачем нам это? – понимать, в какую аудиторию наше видео попадет. И делать выводы создателям контента, туда ли их видео будут попадать. Линейная алгебра, привет! Про это я прям отдельный пост напишу
– Полностью оцифровать вообще каждый аспект видео: частота смены визуала с точностью до каждого кадра, эмоции, интонация. Все это пока не очень точно
– И дальше вводить большой ML-слой, собирать категории и датасеты под них, обучать модель предсказывать поведение пользователя на каждом конкретном видео.
– Ах да, еще LLM-слой для анализа и рекомендации по сценарию/тексту (не знаю зачем, но пусть будет)

В конце – мы сможем предсказывать поведение и давать достаточно точные рекомендации, опираясь на аналогичные успешные рилс в этой же категории роликов.

Маке рилс грейт агейн короче 😎

(а еще на очереди огромный разбор алгоритмов Threads)

Сейчас я объясню, как приблизить охваты в сторис к максимальным всего одним действием. Простите за кликбейт, но так работают алгоритмы ранжирования ленты сторис в инсте.

Короче, последняя, но самая важная часть про сторис. This is where the fun begins!

1. Во главе угла стоит история взаимодействий с пользователем, потому что основа connected алгоритма в инсте строится на социальном графе. Connected – это та часть ленты, в которой приоритет отдается вашим подпискам. Есть еще Unconnected, там вес отдается векторам интересов и предсказаниям действий.

2. Самый большой вес в социальном графе получает исторический уровень взаимодействия между автором контента и его зрителем. Так, например, блогер на которого ты подписался из рилс вначале будет тебе показываться чаще, но чем меньше у тебя с ним (и его контентом) взаимодействия – тем дальше его контент будет прятаться алгоритмами от тебя.

3. Сторис, которые ты смотришь часто, разбавляют твой stories feed ранжируясь по ряду признаков: вектор интересов, длина серии и тд. Туда попадает контент, который просто следует базовым принципам ranking и re-ranking слоев: например, зритель скипает длинные серии и зависает на сторис, где есть твоя фотография – вот ему твоя сторис и попадется, если до этого он твой контент не пропускал.

4. Но над стандартным слоем слоем ранжирования стоит социальный слой, и он самый интересный! Потому что понимая один этот принцип, ты раз и навсегда поймешь, как поднять охват каждой сторис до близкого к максимальному. Готовы?

5. Инстаграм всегда отдает приоритет тому контенту, с автором которого зритель взаимодействует. Следом за близкими друзьями идут именно те сторис, с чьими авторами ты переписывался / реагировал на их сторис. Уже догадываетесь, почему автоматизация исходящих сообщений это единственное, что Meta запрещает делать?

И нет, я говорю не про авто-ответы (которые в разных сервисах настраиваются). Алгоритмами это не учитывается как взаимодействие, они даже визуально отличаются. Я говорю про нативные, обычные сообщения в директе, когда переписки еще не было. Зритель, с которым у тебя есть переписка, всегда будет видеть твои сторис выше, чем те, с чьим автором переписки не было.

Самый эффективный способ гарантировано поднять охваты – начать писать каждому подписчику в директ живые сообщения. Даже 2-3 сообщения, на которые вам ответят приведут к тому, что твои следующие сторис покажутся у подписчика выше, чем другие.

Ну а как это сделать – предлагаю подумать в комментариях. На днях обсуждали эту механику с одним большим инфобизнесом, и ребята решили, что нанять ассистента, который будет писать в личку всем и общаться – стоит повышения охватов в 2-3-5 раз.

👁@founderit | навигация | дневник

5120x1080 is pattern interrupt

Instagram сегодня пробил цифру в 3 миллиарда MAU (monthly active users). На секундочку, это примерно на миллиард человек больше, чем в TikTok.

В последние несколько дней, сразу после большой конференции Meta популярным стал новый тип контента в кинематографичном формате 5:1, и это, наверное, самый классный пример динамической работы алгоритмов, какой может быть!

Смотрите. В ленте появляется пост, и вы не понимаете, почему он выглядит ТАК. Это называется pattern interrupt — что-то, что очень сильно ломает привычный шаблон.

Отправляете его знакомому, тот другому. В момент Х это доходит до какого-то другого блогера/креатора, он делает такой же рилс, и уже начинают пересылать его. Алгоритм видит, что контент в разрешении 5120х1080 (по метаданным файла) часто пересылают — и начинает повышать в выдаче другие ролики в таком формате.

На 3 миллиарда пользователей было создано достаточно таких рилс за короткий промежуток времени, чтобы алгоритм научился пушить в ленту 5:1.

This is how it works, бегом снимать 5:1.

〰️ @founderit | навигация | дневник

Вообще, я хотел рассказать не про 5120 формат, который прямо сегодня дает просмотры.

Адам Моссери (глава Instagram) сегодня вместе с новостью про 3 миллиарда пользователей в месяц, анонсировал БОЛЬШОЕ обновление — скоро алгоритмы можно будет настраивать персонально.

Настройка, конечно, громко сказано — но пользователи смогут выбирать темы, которые им интересны (и не интересны) и в Reels видеть именно этот контент. Обновление начнется именно с ленты рилсов.

Что это значит для авторов? Тема вашего ролика должна быть ОЧЕНЬ явной для алгоритмов. Как я описывал в документе, инстаграм считывает векторы интересов из трех модальностей: речь, визуал, текст.

Если вы хотите, чтобы ваш ролик смотрел бизнес, но у вас там цветочки — человек, который укажет что хочет смотреть бизнесовый контент скорее всего никогда не увидит ваш рилс.

Key point: я смогу выбрать, какой я контент хочу видеть, сам, а не доверять алгоритмам автоматическое определение. И если алгоритм не посчитал видео подходящим под мой выбор, он мне его не покажет.

😎@founderit | навигация | дневник

Threads это большая, вечная тусовка в огромном доме с кучей комнат. В одни комнаты заходят сотни тысяч человек, а в другие всего 10.

Одни получают тысячи подписчиков и сотни новых лидов бесплатно, а другие — нет. Почему?

В поисках ответов я снова погружаюсь в блог инженеров Meta и приглашаю вас вместе со мной заглянуть за занавес алгоритмов Threads.

Дисклеймер: я не расскажу вам, как приводить подписчиков. Как стать популярным я тоже не расскажу. Оставим это экспертам-продюсерам-whatever. А я инженер и меня интересуют АЛГОРИТМЫ, которые за этим стоят, ведь если понять их устройство — вы получите все ответы.

Часть 1. What the f*ck is Threads?
Мой любимый факт — алгоритмы, это всего лишь оркестр из сотен мультимодальных моделей, которые делают разное с нашим контентом.

Суть социальной сети и ключ к ее пониманию скрыт в названии — тредс это нити (цепочки, ветки) обсуждений.

Когда вы публикуете новую ветку, вначале тот же самый стек моделей, что и в Instagram, делает то же самое — CV смотрит видео и фото, OCR читает текст на картинках, но дальше начинаются отличия: самое интересное происходит на уровне NLP-моделей.

Каждая публикация разбивается на кусочки (токены). Это выглядит примерно так: [AI] [▁ме] [ня] [ет] [▁би] [зн] [ес].
Модели-трансформеры генерируют векторное представление публикации, которое учитывает тему, ключевые слова, контекст.

Каждый кусочек превращается в число (эмбеддинг).
– Трансформеры собирают из этого цифровой отпечаток поста
– К нему добавляются метаданные (язык, длина, автор, гео)
– Этот вектор идет в Feature Store, где впоследствии его сравнивают с интересами миллионов пользователей

NLP классифицируют даже настроение публикации: позитивный, нейтральный, негативный.
Целая нейросеть определяет, о чем пост: технологии, бизнес, свидания, психология. Для этого у Meta есть отдельные, огромные классификаторы тематик. Здесь начинаются отличия от Instagram.

Если вектор интересов публикации совпадает с вектором интересов пользователя, то базово пользователь может увидеть эту публикацию у себя в ленте, но внутри все чуть сложнее.

Лента, по сути, турнирная таблица публикаций, у каждой из которых есть свой «рейтинг» – чем он выше, тем раньше листая свою ленту вы увидите интересную для вас публикацию.

Изначально, технологический стек Threads базировался абсолютно на тех же моделях и даже их настройках, что и Instagram. В частности, абсолютно не учитывался смысл комментариев, для роста охватов главным был вес умножить на их количество (Tscore = Cw * Cc + Lw * Lc …)

Это быстро привело к тому, что пользователи начали абьюзить алгоритмы кликбейт-постами с однотипными ответами (и пытаются делать то же самое до сих пор).

Инженеры из 1 Meta Way, Менло Парк, Калифорния учли этот факт и начали большой процесс эволюции технологий Instagram, чтобы повысить качество контента на платформе.

Знание того, что сейчас происходит с алгоритмами Threads даст ключ к пониманию того, как будут дальше развиваться алгоритмы Instagram – технологический стек один, и каждый стабильный апгрейд алгоритмов затем переезжает в старшего брата. Так, например, было с рубрикатором интересных тем: в тредс механику тестируют несколько месяцев и уже в следующем месяце эта механика переезжает в инсту.

В следующей части я расскажу про то, как Threads прогнозирует успешность публикации, что алгоритмы считают «абьюзом» и какие особенности треда повышают его шанс оказаться в ленте.

🧶@founderit | навигация | дневник

Познакомимся?

Признаюсь, я время от времени смотрю, кто на меня подписывается 😄

Надо бы представиться и рассказать о себе: меня зовут Олег, мне 29 (а в понедельник 30) лет. Я it/tech предприниматель, хотя больше считаю себя инженером: я создаю цифровые продукты с детства. Ещё в 14 лет я развивал в родном городе сетевой проект с месячной аудиторией в 30 тысяч человек.

В 20 лет я основал свою первую ИТ-компанию hookprod: мы создавали (и создаем) крутые цифровые продукты для лучших компаний и стартапов.

Следом была цифровая фудтех-экосистема для общепита; venture builder в экосистеме Telegram — это мы сделали крупнейшую в СНГ конференцию на 1300 человек про Телеграм, игру про Павла Дурова на 800К игроков и, например, я записал подкаст с со-основателем Notcoin; SaaS для создания ИИ-сотрудников (опередили рынок на год); голосовой ИИ для звонков, и ещё ряд продуктов, которые сейчас в стадии разработки/запуска и определенно задизраптят рынок в своих нишах.

А еще я факультативно консультирую предпринимателей и бизнес по цифровизации, AI и всякому такому. Выступаю на конференциях, СМИ, и иногда на ТВ. А сейчас к этому добавились технологические консультации по algorithm-first контенту для брендов и блогеров.

Я одержим технологиями и их созданием, а мое любопытство и вопрос «а возможно ли это?» приводит к тому, например, что сейчас мы билдим технологию, которая позволит оценивать рилс до его публикации. А ещё я очень люблю делиться — поэтому этот канал и существует.

Мне всегда можно написать в лс: @lupikovoleg, и я почти всегда вам отвечу

Если вы вдруг дочитали до конца: Я буду супер рад узнать кто вы, чем вы занимаетесь и почему вам интересно читать меня. До встречи в комментариях или личке 🫰

Этот знаменитый рилс набрал за полгода 221 миллион просмотров из-за одной маленькой детали, которая заставила алгоритм пушить видео.

Все из-за полоски поверх кадра, похожей на волос на экране. Ща объясню, почему это работает.

Это называется pattern interrupt. Когда резко прерывается привычный шаблон восприятия и мозг зрителя получает сигнал: «Я этого здесь не ждал». У мозга нет опции проигнорировать непривычное и он вынужден включиться.

Зритель автоматически пытается убрать этот волос с экрана, тыкая пальцем в экран, ставя видео на паузу, фокусируясь на нем и в итоге даже пересматривает видео заново. Каждый тап пальцем в экран, каждая пауза и каждый пересмотр (особенно пересмотр) – это сигналы для алгоритмов, которые заставляют его думать, что контент на нем интересен — и поднимают score рилса, повышая его в выдаче. That’s how it works.

И вот почему это работает:
– мозг не любит любую незавершенность, спасибо передней поясной коре мозга,
– внимание цепляется за несовершенство и ошибки, префронтальная кора мозга дает сигнал разобраться, что происходит и «включает» наше внимание,
– система вознаграждений мозга запускает дофаминовую петлю – надо попробовать стряхнуть волос,
– а алгоритм фиксирует удержание (пауза, тап в экран, пересмотр) и пушит видео сильнее.

Я обожаю pattern interrupt и коллекционирую себе такие штуки. Был еще один классный пример, где ювелир собирает лопаточкой бриллианты и высыпает их в мешочек, но часть случайно (или намеренно) оставляет на столе.

Если мы понимаем, как управлять вниманием, то мы понимаем, как управлять алгоритмами. Нейробиология внимания + машинное обучение = 🖤

🎀@founderit | навигация | дневник

Сегодня мой День Рождения и мне исполнилось 30 лет!

Удивительно, всегда боялся этой цифры но в итоге это первый день рождения, перед которым у меня совершенно не было никакой депрессии. Даже наоборот! Вот таким был мой прошлый год, кстати.

Я буду супер рад вашим поздравлениям 🫶🏻

И ещё, у меня в вишлисте есть очень дорогая покупка — MacBook Pro на чипе M4 Max, потому что она сильно ускорит запуск вот этой штуки для рилсов.

Поэтому, буду рад даже доллару:
— ссылка для рф
— ссылка для всех остальных

🫰