پشت پرده اعتیاد به اینستاگرام؛ نقش هوش مصنوعی در حفظ کاربران

اینستاگرام در سال‌های اخیر از یک پلتفرم ساده برای اشتراک‌گذاری عکس و ویدئو، به سامانه‌ای پیچیده مبتنی بر هوش مصنوعی، یادگیری ماشین و تحلیل کلان‌داده تبدیل شده است. هدف این تحول، ارائه تجربه‌ای کاملاً شخصی‌سازی‌شده برای هر کاربر و افزایش مدت زمان حضور او در این پلتفرم است.

به گزارش ایتنا، هم‌زمان با افزایش نگرانی‌ها درباره تأثیر شبکه‌های اجتماعی بر سلامت دیجیتال و رفاه کاربران، این پرسش بیش از گذشته مطرح می‌شود که الگوریتم‌های اینستاگرام چگونه کاربران را به ماندن در این برنامه ترغیب می‌کنند و چرا ترک آن دشوارتر از گذشته شده است.

 

الگوریتم‌های پیشنهاد محتوا؛ قلب تپنده اینستاگرام




شرکت متا، مالک اینستاگرام، برای مدیریت محتوای نمایش‌داده‌شده به کاربران از مجموعه‌ای از الگوریتم‌های پیشرفته یادگیری ماشین استفاده می‌کند. این الگوریتم‌ها هزاران سیگنال رفتاری را تحلیل می‌کنند؛ از جمله حساب‌های دنبال‌شده، پست‌های مورد علاقه، مدت زمان مشاهده هر محتوا، سرعت اسکرول، میزان تعامل با ویدئوها و حتی زمانی که کاربر روی یک پست مکث می‌کند.

بر پایه این داده‌ها، برای هر کاربر یک الگوی رفتاری اختصاصی شکل می‌گیرد و محتوای صفحه اصلی، اکسپلور و ریلز به گونه‌ای مرتب می‌شود که بیشترین احتمال تعامل را داشته باشد. در نتیجه، تجربه استفاده از اینستاگرام برای هر فرد کاملاً منحصربه‌فرد است.

 

اسکرول بی‌نهایت؛ مکانیزمی برای پایان‌ناپذیر شدن محتوا




یکی از مهم‌ترین قابلیت‌هایی که به افزایش زمان حضور کاربران کمک کرده، «اسکرول بی‌نهایت» است. در این سازوکار، برخلاف صفحات سنتی وب، محتوا هیچ‌گاه به پایان نمی‌رسد و با هر بار پایین کشیدن صفحه، مطالب جدید به‌طور خودکار بارگذاری می‌شوند.

این قابلیت با بهره‌گیری از سیستم‌های توصیه‌گر بلادرنگ، پیوسته محتوای جدید را بر اساس آخرین رفتار کاربر پیشنهاد می‌کند و هم‌زمان داده‌های بیشتری برای بهبود عملکرد الگوریتم‌ها جمع‌آوری می‌شود.

 


 

ریلز؛ هوش مصنوعی سلیقه کاربران را پیش‌بینی می‌کند




ویدئوهای کوتاه Reels اکنون به یکی از مهم‌ترین موتورهای رشد اینستاگرام تبدیل شده‌اند. الگوریتم رتبه‌بندی این بخش تنها به تعداد بازدیدها متکی نیست، بلکه عواملی مانند احتمال تماشای کامل ویدئو، بازپخش، اشتراک‌گذاری، ثبت نظر و لایک را نیز ارزیابی می‌کند.

ترکیب این شاخص‌ها به سیستم کمک می‌کند تا تصویری دقیق‌تر از علایق کاربران ایجاد کرده و پیشنهادهای بعدی را با دقت بیشتری ارائه دهد.

 

هر تعامل، داده‌ای برای آموزش هوش مصنوعی




در اینستاگرام تقریباً هر اقدام کاربر به داده تبدیل می‌شود. لایک، کامنت، اشتراک‌گذاری، ذخیره کردن محتوا و حتی چند ثانیه مکث روی یک پست، اطلاعات ارزشمندی هستند که برای آموزش مدل‌های یادگیری ماشین و افزایش دقت پیشنهادها مورد استفاده قرار می‌گیرند.

به همین دلیل، هرچه تعامل کاربران بیشتر باشد، الگوریتم نیز شناخت دقیق‌تری از علایق آن‌ها به دست می‌آورد.

 

اعلان‌های هوشمند؛ بازگرداندن کاربران در زمان مناسب




اعلان‌های اینستاگرام نیز بر اساس الگوریتم‌های هوشمند مدیریت می‌شوند. این سامانه تلاش می‌کند زمان‌هایی را شناسایی کند که احتمال بازگشت کاربر به برنامه بیشتر است و در همان زمان، اعلان‌هایی درباره لایک‌ها، پیام‌ها یا فعالیت حساب‌های دنبال‌شده ارسال می‌کند.

به گزارش ایتنا، هدف این رویکرد، افزایش دفعات مراجعه کاربران به برنامه در طول روز و حفظ تعامل مستمر با پلتفرم است.

 


 

اقتصاد توجه و «الگوهای تاریک»




پژوهشگران این فناوری‌ها را بخشی از «اقتصاد توجه» می‌دانند؛ مدلی که در آن شرکت‌های فناوری برای تصاحب هرچه بیشتر زمان کاربران با یکدیگر رقابت می‌کنند.

مطالعات منتشرشده در نشریه آلمانی Weizenbaum Journal of the Digital Society نیز نشان می‌دهد برخی پلتفرم‌ها از الگوهایی موسوم به «الگوهای تاریک» (Dark Patterns) بهره می‌برند؛ طراحی‌هایی که می‌توانند کاربران را به ادامه استفاده از سرویس ترغیب کرده یا گزینه‌هایی مانند کاهش زمان استفاده یا ترک پلتفرم را کمتر در معرض دید قرار دهند.

 

ذره‌بین نهادهای نظارتی بر طراحی اینستاگرام




این موضوع اکنون از سطح پژوهش‌های دانشگاهی فراتر رفته و به دستور کار نهادهای قانون‌گذار نیز وارد شده است. بر اساس گزارش رویترز، کمیسیون اروپا قابلیت‌هایی مانند اسکرول بی‌نهایت و سیستم‌های توصیه‌گر شخصی‌سازی‌شده در پلتفرم‌های متا را در چارچوب بررسی میزان انطباق این شرکت با قوانین اتحادیه اروپا، به‌ویژه در زمینه حفاظت از کاربران کم‌سن‌وسال، مورد ارزیابی قرار داده است.

در مقابل، متا تأکید می‌کند که هدف از این الگوریتم‌ها، کمک به کاربران برای یافتن محتوای مرتبط با علایقشان است. این شرکت همچنین به ابزارهایی مانند یادآور استراحت، مدیریت اعلان‌ها و امکان شخصی‌سازی پیشنهادهای محتوا به‌عنوان راهکارهای مدیریت زمان استفاده اشاره می‌کند.

 

الگوریتم؛ محصول اصلی شبکه‌های اجتماعی




به گزارش ایتنا، رقابت میان شبکه‌های اجتماعی دیگر تنها بر سر افزودن قابلیت‌های جدید نیست، بلکه بر توسعه الگوریتم‌هایی متمرکز شده که توانایی بیشتری در درک و پیش‌بینی رفتار کاربران دارند.

در حالی که شرکت‌های فناوری این تحول را گامی در جهت بهبود تجربه کاربری می‌دانند، منتقدان معتقدند چنین سازوکارهایی وابستگی کاربران به پلتفرم را افزایش داده و ترک آن را دشوارتر می‌کند.

در نهایت، پرسش اصلی دیگر این نیست که اینستاگرام چگونه کاربران را جذب می‌کند؛ بلکه این است که الگوریتم‌های هوش مصنوعی تا چه اندازه می‌توانند توجه آن‌ها را حفظ کرده و هر دقیقه حضور در این پلتفرم را به داده‌ای برای دقیق‌تر شدن پیشنهادهای آینده تبدیل کنند.

مشاهده بیشتر

نوشته های مشابه

دکمه بازگشت به بالا