Tit Tok révèle des secrets de son algorithme de recommandations avec des informations sur la façon de rendre votre application plus personnalisée.
Comme de nombreuses plateformes et applications de médias sociaux, les flux TikTok sont construits à l’aide d’un algorithme de recommandation qui utilise un certain nombre d’outils et de facteurs pour les personnaliser. TikTok vient de publier un nouveau billet de blog expliquant le fonctionnement de son flux de recommandation, qui comprend des conseils pour personnaliser le flux afin d’éviter de recevoir des vidéos aléatoires qui pourraient ne pas vous intéresser.
Expliquez-nous plus clairement ce qu’est l’algorithme de TikTok
L’algorithme de recommandation de TikTok est construit autour de facteurs d’entrée d’une manière peu similaire à la manière dont YouTube mesure et contrôle l’engagement. La façon dont les gens interagissent avec l’application a une incidence sur les recommandations servies, notamment en postant un commentaire ou en suivant un compte. Si quelqu’un ne suit que des comptes d’animaux mignons, et ne fait que des doubles tapes pour aimer ou commenter des vidéos sur les animaux, TikTok lui servira plus d’animaux. Cela permet également d’informer l’algorithme de TikTok sur les vidéos qui pourraient ne pas intéresser les gens. Si vous ne vous intéressez qu’aux créateurs de Hype House, par exemple, TikTok peut ne pas proposer de vidéos du sous-genre « bean side ».
Tous les détails dans les vidéos des utilisateurs sont tenus en compte et ont un effet sur le flux
Les interactions avec les utilisateurs ne sont cependant qu’une partie de l’équation. TikTok indique que les informations vidéo, qui « peuvent inclure des détails comme des légendes, des sons et des hashtags », ainsi que les paramètres de l’appareil ou du compte, ont également un effet sur le flux. La langue préférée, le pays et le type d’appareil seront pris en compte pour s’assurer que « le système est optimisé pour les performances », selon le post. Le courrier indique également, cependant, que les paramètres du dispositif et du compte « reçoivent un poids plus faible dans le système de recommandation par rapport aux autres points de données que nous mesurons, puisque les utilisateurs n’expriment pas activement leurs préférences ».
