【林克威電商專欄】社群媒體千變萬化的演算法,比另一半的心更難猜

無論是 Google 搜尋引擎,或臉書、推特等社群平台,內部都有專屬於自己的一套演算法,並且這些公司會不時地重寫演算法,讓整個規則大洗牌,這實在是令行銷人深感頭痛的議題。
評論
Photo Credit: Shutterstock/ 達志影像
評論

演算法是什麼?如果從電腦科學的角度出發解釋,演算法就是人在電腦中設立的一套完整公式,透過一連串的指令和動作程式,讓電腦去執行並用於解決問題。而可想而知,這一套公式若是被放在網站上用來解決「將什麼樣的內容觸及到什麼樣的觀眾」,這個公式對行銷就會產生深遠的影響了,而這也就是行銷產業中常常被人提及的演算法。

不過對於大部分的行銷人來說,更容易且貼切形容演算法的詞彙大概就是「一陣風」,你明明知道它存在,但就是別想抓住它,因為太困難了。

現在,無論是 Google 搜尋引擎,或臉書、推特等社群平台,內部都有專屬於自己的一套演算法,並且這些公司會不時地重寫演算法,讓整個規則大洗牌,這實在是令行銷人深感頭痛的議題。

本文首先會針對演算法的重要性進行探討,接著會分別論述對於幾個網路平台當前演算法的觀察。

為什麼要頻換演算法?

剛剛其實就有提及,演算法就是一套電腦算式,用來解決問題。既然如此,就讓這套算式一直運作下去就好,為什麼這些大網站都要不定時地重寫演算法呢?我認為大概有兩個主要原因:

1、 讓你買廣告

以臉書為例,如果說演算法決定了什麼內容會被什麼觀眾得取,臉書的內容經營者只要學會了演算法的規則,就可以應用規則,讓自己的貼文維持很高的自然觸及率(註:自然觸及率即在沒有下任何廣告的情況下,貼文被使用者接收到的比率)。當每個人都可以靠著自己操作內容就得到很好的自然觸及率時,就不會另外和臉書買廣告了。

Google 搜尋引擎也一樣,當我們可以完全地知道並把握,我們在搜尋關鍵字時,Google 是依著什麼規則將結果按順序陳列在搜尋者眼前時,我們就可以透過調整自己的網站、內容等,在不須付費給 Google 的情況下,讓網站獲得更高的點閱或觀看數。

因此,這些平台為了增加自己的利益,就得定時地大更改演算法。唯有一直處於讓內容經營者猜不透、摸不著,或好不容易抓到一些端倪又發現大改版的情況下,才能增加他們對購買廣告的意願。

2、 促進平台內容進步

如果一個平台的演算法固定不變,被這套演算法所認可而曝光度高的內容就只會是固定的幾個。長久下來,這樣的狀況並不利於平台本身,原因是當流量或曝光度只固定地眷顧某些既有的創作者和內容,新的創作者和內容根本沒有機會被看見,自然數量就會減少。

網路時代的迷人之處,在於新鮮和多元資訊取得容易,而這也是抓住平台使用者的重要因素,所以像 Google 或臉書這種大的搜尋引擎或社群平台絕對非常樂見更好更創新的內容持續地產出。也因此,他們必須適時地更換自己的演算法,讓能見度不只停留在那些舊的、受歡迎的內容上(因為現在受歡迎,或許很快就不受歡迎了),而是不斷地出現新的、同樣受歡迎的創作內容,使用者的新鮮感就不會消失,如此一來更利於平台的長久經營。

為什麼需要了解演算法,很重要的因素有以下幾點:

  • 內容影響力:確保您的內容產生最大的影響
  • 投資報酬率:確保你為內容製作和發佈所花費的時間和精力能獲得最大的回報。
  • 社群聲譽:長期成為算法系統中的可靠訊息來源,擴大社會影響力。

各大社群平臺正在不斷地改變、完善和測試他們的算法。最重要的是要跟上社群媒體的步伐。

當今的演算法趨勢——演算法有被破解的可能性嗎?以行銷最常用的工具 Facebook 和 Instagram 為例

Facebook 在 2004 年成立,以促進社群交流為宗旨。但隨著其用戶劇增、功能越來越多,Facebook 對大多人而言,漸漸變為消息獲取的來源,而非單純和親友聯絡的平台。到了 2015 年,Facebook 甚至超越 Google,成為全球新聞網站第一流量的來源。然而 2016 的美國大選後,人們開始意識到 Facebook 的定位轉向,使得許多上面充斥許多來源不明的假消息和新聞,並表達對使用 Facebook 感到不安。因此 Facebook 創辦人祖克伯在 2018 年宣布,日後 Facebook 的演算法會回歸宗旨,以傳播「有討論價值的訊息」為優先。

許多粉專經營者怨嘆 Facebook 這次演算法變更,使得粉專貼文的自然觸及率幾乎為 0,然而如果回到 Facebook 更換演算法的目的和脈絡,其實也可以從其中找到另一種經營之道。首先,Facebook 最大的用意,就是為了打擊假新聞和沒有討論目的的消息,因此,若想在 Facebook 上讓自然觸及率上升,就要盡量避免過多的連結轉貼或有過度行銷導向的內容,而是盡量創造能與受眾產生討論或互動的主題。唯有被 Facebook 演算法視為有討論意義的優質內容,才有助於自然觸及率的提升。

關於 Instagram 的演算法討論不是這麼多,但 Instagram 無疑現在行銷最重要也最有未來性的平台之一。Instagram 於 2010 年發布上線,2012 被 Facebook 集團併購。最開始 Instagram 的演算法單純以時間為主,最新發布的貼文會顯示在追蹤者頁面的最上頭,消息越舊的則在越下面。然而現在的 Instagram 演算法也大改版了,不再以時間先後決定貼文的排序。當然,我們不可能確切知道 Instagram 背後的演算法的詳細運作,但仍有幾個大方向可以參考。

1、貼合受眾的興趣:Instagram 是擅於追蹤使用者的興趣屬性,並且在鎖定之後會不斷地將符合其興趣的帳號推薦給使用者。因此想經營好 Instagram,專頁定位和風格很重要。在第一篇文章發佈時,就透過第一篇貼文呈現你的品牌是做什麼的、風格如何,有助於 Instagram 演算法去抓取同樣性質專頁的追蹤者同樣來追蹤你。

2、發文頻率越高越好:Instagram 強調帶給使用者的,不只是有趣的訊息,也是最新最即時的訊息,因此雖然前面有提到 Instagram 不再只以時間為演算法的惟一基礎,但時效性仍佔了主導地位。所以你的發文頻率越高、發布的現時動態越多,就更容易抓取到最多使用者同時上線的時刻,越有助於讚數和點閱數的上升。

總結一下,網路世界日新月異,上述提及的資訊和當今演算法的趨勢,也可能隨時會改變。作為一般人要完全破解這些社群巨頭的演算法幾乎是不可能的。但身為行銷人,我們唯一能做的就是花更多時間做功課和研究,盡量做各種嘗試並歸納結果,找到最適合自己品牌的發文等與社群互動的模式。一但這個模式被建立了,就算在千變萬化且令人百思費解的演算法之下,也能在社群行銷上創造專屬於自己的一片天。

責任編輯:Chris
核稿編輯:MindyLi


Cookie 消失?試試看全新 AI 影像內容辨識:讓用戶看的內容決定看到的廣告

Google Chrome 即將淘汰幫助廣告主的工具—— Cookie ,它的離去將再一次地影響數位廣告產業。
評論
Photo Credit:<a href="https://www.shutterstock.com/zh/image-photo/ai-artificial-intelligence-big-data-internet-1075853384" target="_blank">shutterstock</a>
評論

透過GA分析進站者發現, Safari的新客數越來越多,難道這表示 iOS 的用戶數也跟著增加了嗎?注意了,這有可能是 Apple 封鎖第三方 Cookie 帶來的影響。隨著 Google 即將淘汰 Chrome 上的 Cookie ,這個幫助廣告主記住用戶受眾的小工具,將要再一次地影響數位廣告產業。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

後 Cookie 時代的廣告受眾如何鎖定?

各大廣告平台在過去幾年不斷地透過 Cookie 以及其它方式,悄悄收集使用者的用戶數據,隨著這幾年用戶的隱私權意識抬頭, Apple 與 Google 對於藉由 Cookie 辨識用戶資料的廣告投遞方式,持有不同的態度,這也將是所有廣告主的極大挑戰。當 Cookie 不復存在,要如何辨識使用者資料?

Cookie 消失了,或許會有新的數據辨識工具來取代,但是任何試圖跟蹤受眾的方式,都難以符合大眾對於保護隱私權的期望。另一方面,也極有可能無法再通過日趨嚴格的媒體監管限制。無論如何,數位廣告不能像過去一樣,無條件地使用類似 Cookie 的追蹤方式,來達到與現在同樣的廣告效果。

後 Cookie 時代內容辨識類型的廣告鎖定方式,將成為未來具指標性的投放策略。廣告與瀏覽平台或內文主題的高相關性,不僅能顯著提高受眾的互動度,更重要的是,完全不需要收集任何個人數據。

FreakOut Taiwan 不斷嘗試更友善的廣告投遞形式, 自 2016 年進入台灣市場的原生廣告,到 2020 年末引進「 Mirrors 」 AI 影像視覺內容辨識系統,都是以網路使用者的角度出發。「 Mirrors 」不需要使用傳統的受眾興趣設定,即可針對「目標受眾在觀看的影像內容」、「品牌自身競爭對手或相關指定系列產品出現的影片」來投遞 YouTube 上的影音廣告。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

AI 人工智慧影像技術突破,推動新一代內容辨識功能

傳統的內容比對廣告皆為自然語言處理 NLP 中心,基於「純文字」的比對來顯示相關廣告,如大家很熟悉的 Google AdSense 。但是,結合新興的 AI 演算和複雜的圖像辨識,已然能夠達到「影片」的內容偵測,透過增加多個比對層和基於自然語言處理 NLP 的基準定位,可深度學習並提供更精細的辨識洞察力。

舉例來說,若想要將汽車廣告投放給對汽車有興趣的人,我們要先從可能對汽車感興趣的受眾中開始推估,並且根據過去的經驗加入不同的興趣條件,最後針對素材更進一步地測試。透過 Mirrors ,我們可以讓廣告出現在有滿足特定條件的影片內,例如:在消費者觀看的影片中,出現汽車評測報告、自家品牌或競爭對手的 LOGO 、代言人等指定條件,再依照不同廣告主設定的預算判斷是否露出廣告。

藉由這樣的影像比對方式,可以更有效地根據消費者行為觸發廣告投遞條件,而不再是現行的用戶受眾數據。人的興趣是多樣且多變的,當對汽車有興趣的用戶在完成汽車的選購後,短期內將不會再瀏覽相關資訊,轉而瀏覽其他更具時效性的內容。透過消費者當下正在觀看的影片內容,取代消費者身上被貼上的數位標籤,將更貼近消費者本身的使用行為。

Photo Credit:驚點股份有限公司( FreakOut Taiwan )

Mirrors AI 影像辨識:用消費者看的內容決定廣告

2021 年台灣數位報告指出,台灣人在各網路內容服務中,最愛「網路影片」的比例高達 97.9%,遠超過 Vlog、串流音樂、網路廣播、Podcast 。

影音廣告早已是品牌經營的趨勢:根據 DMA 2019 年台灣數位廣告量統計報告指出,台灣各類型廣告中,影音廣告以 37.2% 的成長比例大幅領先奪冠。其中 YouTube 持續蟬聯台灣最常被造訪網站第 2 名(僅次於 Google ) ,在台灣各大影音平台中的觸及率及影響力不容小覷。

2021 年 FreakOut Taiwan 已與客戶合作,進行搭載新系統的 YouTube 串流內廣告投遞,在針對品牌及產品客製化的多層鎖定策略建議下,房地產廣告的 CTR 表現高於平均,並發現「人臉」群組辨識表現為佳,其中多為財經、名嘴等名人。而美妝品牌廣告 VTR 表現優異,則以品牌「 Logo 」、「人臉」群組有最出色的表現。

本文章內容由「驚點股份有限公司( FreakOut Taiwan )」提供,經關鍵評論網媒體集團廣編企劃編審。