Inzicht in het rangschikkingsalgoritme voor nieuwsfeeds van Facebook

facebook persoonlijke integratie

Zichtbaarheid van uw merk krijgen in de nieuwsfeeds van uw doelgroep is de ultieme prestatie voor sociale marketeers. Dit is een van de belangrijkste en vaak ongrijpbare doelen in de sociale strategie van een merk. Het kan vooral moeilijk zijn op Facebook, een platform met een uitgebreid en constant evoluerend algoritme dat is ontworpen om het publiek de meest relevante inhoud te bieden.

EdgeRank was de naam die jaren geleden aan het nieuwsfeedalgoritme van Facebook werd gegeven en hoewel het nu intern als achterhaald wordt beschouwd, leeft de naam voort en wordt deze nog steeds gebruikt door marketeers. Facebook gebruikt nog steeds de concepten van het originele EdgeRank-algoritme en het framework waarop het is gebouwd, maar op een nieuwe manier.

Facebook verwijst ernaar als het algoritme voor het rangschikken van nieuwsfeeds. Hoe werkt het? Hier zijn de antwoorden op uw basisvragen:

Wat zijn randen?

Elke actie die een gebruiker onderneemt, is een potentieel nieuwsfeedverhaal en Facebook roept deze acties op randen. Telkens wanneer een vriend een statusupdate plaatst, commentaar geeft op de statusupdate van een andere gebruiker, een foto tagt, lid wordt van een merkpagina of een bericht deelt, genereert het een rand, en een verhaal over die rand kan mogelijk verschijnen in de persoonlijke nieuwsfeed van de gebruiker.

Het zou buitengewoon overweldigend zijn als het platform al deze verhalen in de nieuwsfeed zou laten zien, dus Facebook heeft een algoritme gemaakt om te voorspellen hoe interessant elk verhaal voor elke individuele gebruiker zal zijn. Het Facebook-algoritme heet "EdgeRank" omdat het de randen rangschikt en ze vervolgens filtert in de nieuwsfeed van een gebruiker om de meest interessante verhalen voor die specifieke gebruiker te tonen.

Wat is het originele EdgeRank Framework?

De oorspronkelijke drie hoofdonderdelen van het EdgeRank-algoritme zijn affiniteitsscore, randgewicht en tijdsverval.

De affiniteitsscore is de relatie tussen een merk en elke fan, gemeten aan de hand van hoe vaak een fan je pagina en posts bekijkt en er interactie mee heeft, en hoe je wederzijds met hen omgaat.

Het randgewicht wordt gemeten door de waarden van de randen of acties die een gebruiker onderneemt samen te stellen, met uitzondering van klikken. Elke categorie randen heeft een ander standaardgewicht, opmerkingen hebben bijvoorbeeld hogere gewichtswaarden dan sympathieën omdat ze meer betrokkenheid van de fan tonen. Over het algemeen kunt u aannemen dat de randen die de meeste tijd kosten om te bereiken, de neiging hebben om meer te wegen.

Tijdsverval verwijst naar hoe lang de rand heeft geleefd. EdgeRank is een doorlopende score, niet een eenmalig iets. Dus hoe recenter uw bericht, hoe hoger uw EdgeRank-score. Wanneer een gebruiker inlogt op Facebook, wordt zijn nieuwsfeed gevuld met inhoud die op dat moment de hoogste score heeft.

facebook edgerank formule

Foto credit: EdgeRank.net

Het idee is dat Facebook merken beloont die relaties opbouwen en de meest relevante en interessante inhoud bovenaan de nieuwsfeed van een gebruiker plaatsen, zodat posts specifiek op hen zijn afgestemd.

Wat is er veranderd met Facebook Edgerank?

Het algoritme is enigszins veranderd, krijgt een upgrade met nieuwe functies, maar het idee is nog steeds hetzelfde: Facebook wil gebruikers interessante inhoud geven zodat ze terug blijven komen naar het platform.

Een nieuwe functie, story bumping, zorgt ervoor dat verhalen opnieuw kunnen verschijnen die mensen oorspronkelijk niet ver genoeg naar beneden scrollen om ze te zien. Deze verhalen zullen bovenaan de nieuwsfeed verschijnen als ze nog steeds veel betrokkenheid opleveren. Dit betekent dat populaire paginaberichten een grotere kans hebben om te worden weergegeven, zelfs als ze een paar uur oud zijn (het oorspronkelijke gebruik van het element tijdverval wijzigen) door naar de top van de nieuwsfeed te gaan als de verhalen nog steeds een hoog aantal ontvangen van vind-ik-leuks en opmerkingen (nog steeds met behulp van affiniteitsscore en randgewichtselementen). Gegevens hebben gesuggereerd dat dit het publiek de verhalen laat zien die ze willen zien, zelfs als ze de eerste keer zijn gemist.

Andere functies zijn bedoeld om gebruikers de berichten van de pagina's en vrienden die ze willen op een tijdige manier te laten zien, vooral met trending onderwerpen. Van bepaalde inhoud wordt gezegd dat deze alleen relevant is binnen een bepaald tijdsbestek, dus Facebook wil dat gebruikers deze zien terwijl deze relevant blijft. Wanneer een vriend of pagina waarmee je bent verbonden berichten plaatst over iets dat momenteel een populair gespreksonderwerp is op Facebook, zoals een sportevenement of seizoenspremière van een tv-programma, is de kans groter dat dat bericht hoger in je Facebook-nieuwsfeed verschijnt, dus je kunt zie het eerder.

Berichten die kort na het plaatsen een hoge betrokkenheid genereren, worden eerder in de nieuwsfeed getoond, maar minder waarschijnlijk als de activiteit snel afneemt na het plaatsen. De gedachte hierachter is dat als mensen zich bezighouden met de post direct nadat deze is geplaatst, maar niet zo vaak een paar uur later, de post het meest interessant was op het moment dat deze werd gepost en mogelijk minder interessant op een later tijdstip. Dit is een andere manier om inhoud in de nieuwsfeed actueel, relevant en interessant te houden.

Hoe meet ik mijn Facebook-nieuwsfeedanalyse?

Er is geen tool van derden beschikbaar om de EdgeRank-score van een merk te meten, aangezien zoveel gegevens privé zijn. Een actueel EdgeRank-score bestaat niet omdat elke fan een andere affiniteitsscore heeft met de merkpagina. Bovendien houdt Facebook het algoritme geheim en passen ze het voortdurend aan, wat betekent dat de waarde van reacties in vergelijking met likes constant verandert.

De meest effectieve manier om de impact te meten van het algoritme dat op uw inhoud is toegepast, is door te kijken hoeveel mensen u heeft bereikt en hoeveel betrokkenheid uw berichten hebben ontvangen. Tools zoals SomAlle Facebook Analytics omvatten deze gegevens in een uitgebreid analytics dashboard perfect voor het meten en volgen van deze statistieken.

Wat denk je?

Deze site gebruikt Akismet om spam te verminderen. Ontdek hoe uw reactiegegevens worden verwerkt.