လြန္ခဲ့တဲ့လအနည္းငယ္ေလာက္ကစၿပီး Facebook ဟာ သူတို႔ရဲ့ News Feed Algorithm ေတြကို အေျပာင္းအလဲလုပ္လိုက္ပါတယ္။
Algorithm ေတြကို ဘယ္လို အေျပာင္းအလဲလုပ္လိုက္လဲဆိုတာကို မေျပာခင္ Facebook Algorithm ရဲ့ အလုပ္လုပ္ပုံကို အရင္ဆုံးေျပာျပခ်င္ပါတယ္။ တစ္ေန႔တစ္ေန႔ Facebook အသုံးျပဳသူေပါင္းမ်ားစြာရဲ့ သိန္းဂဏန္းနဲ႔ခ်ီတဲ့ Post ေတြဟာ ကၽြန္ေတာ္တို႔ေန႔စဥ္အသုံးျပဳေနတဲ့ Facebook ေပၚမွာရွိေနပါတယ္။ သူလည္းတင္မယ္၊ ကိုယ္လည္းတင္မယ္၊ Group ေတြကလည္း တင္မယ္၊ Page ေတြကလည္း တင္မယ္၊ ဒီလို လူတိုင္းတင္ေနတဲ့ Post ေတြထဲကမွ ဘယ္ Post ကိုေတာ့ အရင္ျပမယ္ ဘယ္ Post ကိုေတာ့ ေနာက္မွျပမယ္ ဆိုတာမ်ိဳးကို Facebook Algorithm ကဆုံးျဖတ္ေပးပါတယ္။ နားလည္လြယ္ေအာင္ေျပာရမယ္ဆိုရင္ေတာ့ သင္ဟာ ဂိမ္းအေၾကာင္းစိတ္ဝင္စားတဲ့သူ၊ ဂိမ္းနဲ႔ပတ္သတ္တာေတြကို Like, Share, Comment လုပ္ေလ့ရွိတဲ့သူဆိုရင္ ဂိမ္းနဲ႔ပတ္သတ္တဲ့ Post ေတြကို Facebook Algorithm က ထိပ္ဆုံးကေနျပေပးမွာ ျဖစ္ပါတယ္။ Facebook ရဲ့ News Feed Algorithm ကအဲ့ဒီအလုပ္ကို လုပ္ပါတယ္။
Facebook ရဲ့ News Feed မွာဆိုရင္ စုစုေပါင္း Component ၄ ခုပါဝင္ပါတယ္။
Inventory (content available)
Signals (considerations about content)
Predictions (considerations about person)
Overall Score
Inventory ဆိုတာကေတာ့ ကၽြန္ေတာ္ခုနကေျပာခဲ့သလိုပဲ Facebook မွာတင္သမၽွ Post တိုင္း Content တိုင္းဟာ Facebook ရဲ့ အစိတ္အပိုင္းတစ္ခုျဖစ္တဲ့ Inventory ထဲမွာရွိေနပါတယ္။ Singnals ဆိုတာကေတာ့ ဘယ္ Content က ဘယ္ကိုသြားမလဲ? ဘယ္ Content က ဘယ္ေနရာမွာ အသုံးဝင္သလဲ? ဘယ္ Content က ဘယ္သူ႔ကို ျပရမလဲ? စတာေတြကို ဆုံးျဖတ္ေပးတဲ့ အရာျဖစ္ပါတယ္။ Predictions ဆိုတာကေတာ့ ဘယ္ User က ဘာလုပ္မလဲ? ဆိုတာကို ခန႔္မွန္းတဲ့ အရာျဖစ္ပါတယ္။ ဉပမာ Like ေပးေနၾက User တစ္ေယာက္ဆိုရင္ ဒီလူဟာ Like ေပးဖို႔ Chance ရွိတယ္ Post ေတြမွာ Comment ဝင္ေရးေနၾကသူဆိုရင္ေတာ့ ဒီလူဟာ Comment ေရးဖို႔ Chance ရွိတယ္။
အဲ့လိုမ်ိဳး ဘယ္ User သည္ ဘယ္ Content အမ်ိဳးအစားမ်ိဳး ေတြ႕လို႔ရွိရင္ ဘာလုပ္မလဲလို႔ Facebook က ႀကိဳတင္ခန႔္မွန္းထားၿပီးသား ရွိပါတယ္။ အဲ့ဒါကို Predictions လို႔ေခၚပါတယ္။ ေနာက္ဆုံးတစ္ခုျဖစ္တဲ့ Overall Score ဆိုတာကေတာ့ ကၽြန္ေတာ္တို႔ Facebook Content တိုင္းမွာရထားတဲ့ Score အားလုံးကို Overall Score လို႔ေခၚပါတယ္။
ဒီလို Component ၄ ခု ရွိတဲ့ထဲမွာမွ ကၽြန္ေတာ္တို႔ အဓိက အာ႐ုံစိုက္ရမွာက Signals ျဖစ္ပါတယ္။ ကၽြန္ေတာ္တို႔လို Marketer ေတြအေနနဲ႔ကေတာ့ Signals ကိုအာ႐ုံစိုက္ၿပီး ကိုယ္လိုခ်င္တဲ့ Result ရေအာင္ လုပ္ရမွာျဖစ္ပါတယ္။ ဒီလိုဆိုရင္ေတာ့ Signals အေၾကာင္းကို ဆက္ရေအာင္။ Signals ဆိုတာ ဘာလဲ? ပုံမွန္အားျဖင့္ Signals စုစုေပါင္း ၉ ခုရွိပါတယ္။
Average Time Spent
Person Sharing a Link over Messenger
Multiple Replies to Content on a Video
Overall Engagement
When it's Posted
Comment on the Photo or Status
Story Type
Comments on Publishers or Brand by Friends
Informative
Average Time Spent ဆိုတာကေတာ့ လူတစ္ေယာက္ရဲ့ Content တစ္ခုေပၚမွာ အသုံးျပဳတဲ့ အခ်ိန္ကာလ ကိုဆိုလိုပါတယ္။ Person Sharing a Link over Messenger ကေတာ့ အဲ့ဒီ ဖတ္လိုက္တဲ့ Content တစ္ခု၊ Post တစ္ခုကို Messenger ကေနၿပီးေတာ့ တျခားတစ္ေယာက္ေယာက္ကို ပို႔ေလ့ရွိသလား? ေနာက္တစ္ခုကေတာ့ Multiple Replies to Content on a Video ဉပမာ Video တစ္ခုရွိတယ္။ ဒီ Video ေအာက္မွာ Comment ေပးတဲ့သူရွိမယ္။ အဲ့ဒီ Comment ေအာက္မွာ Multiple Replies ေတြရေလ့ရွိသလား? ေနာက္ Overall Engagement ကိုယ့္ရဲ့ Post တစ္ခုမွာ Like, Comment, Share, Link Click စတဲ့ Engagement ေတြအားလုံးရဲ့ Overall ဘယ္ေလာက္ေလာက္ရွိသလဲ? When it's Posted ဘယ္အခ်ိန္မွာ Post တင္ေလ့ရွိသလဲ? ေနာက္ Comment on the Photo or Status အဲ့ဒီ တင္လိုက္တဲ့ Photo ဒါမွမဟုတ္ Status ေအာက္မွာ Comment ေပးတာ Like ေပးတာ စတဲ့အခ်က္ေတြ ရွိသလား? ဘယ္လို Story Type နဲ႔တင္တာလဲ? ေနာက္တစ္ခုက Publisher သို႔မဟုတ္ Brand တစ္ခုခုရဲ့ Post ကို လူတစ္ေယာက္ေယာက္က Share မယ္။ အဲ့ဒီ Share လိုက္တဲ့ Post ရဲ့ေအာက္မွာ Comment ဝင္ေပးေလ့ရွိသလား။ ေနာက္ဆုံးတစ္ခ်က္ကေတာ့ ဒီ Post တစ္ခုက ဘယ္ေလာက္ Informative ျဖစ္သလဲ? ဘယ္ေလာက္ Information ေကာင္းေကာင္းေပးနိုင္သလဲ? အဲ့ဒီ အခ်က္ ၉ ခ်က္ေပၚမွာ မူတည္ၿပီးေတာ့ Facebook Algorithm က ဆုံးျဖတ္ပါတယ္။
ဒါေတြကေတာ့ ကၽြန္ေတာ္တို႔ရဲ့ အခ်စ္ေတာ္ႀကီး Mark Zuckerberg အေျပာင္းအလဲေတြမလုပ္ခင္က ပုံစံျဖစ္ပါတယ္။ အခုလည္း ဒီအခ်က္ေတြဆက္မသုံးဖူး မဟုတ္ပါဘူး ဆက္သုံးပါတယ္။ ဒါေပမယ့္ ဒီအခ်က္ ၉ ခ်က္ထဲမွာမွ
Person Sharing a Link over Messenger
Multiple Replies to Content on a Video
Comments on Publishers or Brand by Friends
Comments on the Photo or Status စတဲ့ အခ်က္ ၄ ခ်က္ကို ပိုၿပီး Favour ေပးလိုက္ပါတယ္။ ဆိုလိုခ်င္တာကေတာ့ ရွိေနတဲ့ အခ်က္ ၉ ခ်က္ထဲကမွ Comment/Like/Share စတာေလးေတြကို ပိုၿပီးဉီးစားေပးလာတာပါ။
Source: digital laboratory
