خوارزميات "إنستغرام" تحول انتباه المستخدم إلى بيانات
عمانيات - تحول "إنستغرام" خلال السنوات الأخيرة من منصة تركز أساسًا على مشاركة الصور ومقاطع الفيديو إلى منظومة تعتمد بصورة واسعة على الذكاء الاصطناعي وتحليل كميات كبيرة من البيانات، بهدف تخصيص المحتوى والحفاظ على تفاعل المستخدمين داخل التطبيق.
وتستخدم شركة "ميتا"، المالكة للمنصة، نماذج للتعلم الآلي تراقب عددًا كبيرًا من الإشارات المرتبطة بسلوك كل مستخدم، من بينها الحسابات التي يتابعها، ونوعية المنشورات التي يتفاعل معها، والوقت الذي يمضيه في مشاهدة المحتوى، وسرعة انتقاله بين المنشورات.
وتسمح هذه البيانات لأنظمة التوصية بتقدير المحتوى الأكثر احتمالًا لجذب اهتمام المستخدم، قبل ترتيب ما يظهر أمامه في الصفحة الرئيسية و"إكسبلور" ومقاطع "ريلز".
وبذلك، تتغير تجربة المنصة من مستخدم إلى آخر استنادًا إلى سجل التفاعل والسلوك داخل التطبيق. ويؤدي التمرير اللانهائي دورًا بارزًا في هذه الآلية، إذ لا يواجه المستخدم نقطة واضحة لانتهاء المحتوى، بل تُحمّل منشورات ومقاطع جديدة تلقائيًا كلما واصل التصفح.
وفي الوقت نفسه، تصبح كل عملية مشاهدة أو تمرير إشارة إضافية يمكن استخدامها لتحديث التوصيات اللاحقة. وتبرز مقاطع "ريلز" بوصفها أحد المكونات الأساسية في منظومة التوصية لدى "إنستغرام".
ولا تقتصر النماذج التي ترتب هذه المقاطع على احتساب عدد المشاهدات، بل تحاول تقدير احتمالات إكمال مشاهدة الفيديو، أو تشغيله مجددًا، أو مشاركته، أو التفاعل معه بالإعجاب والتعليق.
كما يعتمد التطبيق على تحليل السلوك الرقمي بصورة تتجاوز التفاعلات المباشرة، إذ يمكن أن تتحول إجراءات مثل التوقف أمام منشور لبضع ثوان إلى بيانات تساعد نماذج التعلم الآلي على استنتاج اهتمامات المستخدم وتحسين التوقعات المتعلقة بالمحتوى الذي قد يجذبه مستقبلًا.
ويمتد استخدام الخوارزميات إلى الإشعارات، إذ تسعى المنصة إلى اختيار تنبيهات وأوقات يُرجح أن تدفع المستخدم إلى العودة، بما يشمل الإعجابات والرسائل ونشاط الحسابات التي يتابعها، بدل الاعتماد على إرسال الإشعارات بصورة عشوائية.
وتندرج هذه الممارسات في نقاش أوسع بشأن ما يُعرف بـ"اقتصاد الانتباه"، الذي تتنافس فيه المنصات الرقمية على وقت المستخدم وتفاعله.
كما تناولت دراسات منشورة في دورية "وايزنباوم جورنال أوف ذا ديجيتال سوسايتي" مفهوم "الأنماط المظلمة"، الذي يشير إلى تصميمات قد تشجع المستخدم على مواصلة التفاعل أو تجعل بعض خيارات تقليل الاستخدام أو مغادرة الخدمة أقل بروزًا أو أكثر تعقيدًا.
ووصل الجدل بشأن تصميم منصات التواصل إلى الجهات التنظيمية الأوروبية، إذ خضعت خصائص من بينها التمرير اللانهائي والتوصيات الشخصية في منصات "ميتا" للتدقيق ضمن تحقيقات تتناول مدى توافقها مع التشريعات الأوروبية، ولا سيما ما يتعلق بحماية القاصرين من الخصائص التي قد تدفع إلى الاستخدام المفرط.
في المقابل، تقول "ميتا" إن أنظمة التوصية تهدف إلى مساعدة المستخدمين في العثور على محتوى يتوافق مع اهتماماتهم، وتشير إلى توفير أدوات للحد من وقت الاستخدام وإدارته، من بينها تذكيرات أخذ استراحة، والتحكم في الإشعارات، وخيارات تخصيص المحتوى.
ويعكس تطور "إنستغرام" تحول المنافسة بين منصات التواصل من مجرد طرح خصائص جديدة إلى تطوير أنظمة أكثر قدرة على تحليل السلوك والتنبؤ بما قد يحافظ على اهتمام المستخدم.
وفي هذه المنظومة، لا يمثل التفاعل نتيجةً للتوصيات فحسب، بل يتحول بدوره إلى بيانات جديدة تُستخدم لتحسينها باستمرار.
وتستخدم شركة "ميتا"، المالكة للمنصة، نماذج للتعلم الآلي تراقب عددًا كبيرًا من الإشارات المرتبطة بسلوك كل مستخدم، من بينها الحسابات التي يتابعها، ونوعية المنشورات التي يتفاعل معها، والوقت الذي يمضيه في مشاهدة المحتوى، وسرعة انتقاله بين المنشورات.
وتسمح هذه البيانات لأنظمة التوصية بتقدير المحتوى الأكثر احتمالًا لجذب اهتمام المستخدم، قبل ترتيب ما يظهر أمامه في الصفحة الرئيسية و"إكسبلور" ومقاطع "ريلز".
وبذلك، تتغير تجربة المنصة من مستخدم إلى آخر استنادًا إلى سجل التفاعل والسلوك داخل التطبيق. ويؤدي التمرير اللانهائي دورًا بارزًا في هذه الآلية، إذ لا يواجه المستخدم نقطة واضحة لانتهاء المحتوى، بل تُحمّل منشورات ومقاطع جديدة تلقائيًا كلما واصل التصفح.
وفي الوقت نفسه، تصبح كل عملية مشاهدة أو تمرير إشارة إضافية يمكن استخدامها لتحديث التوصيات اللاحقة. وتبرز مقاطع "ريلز" بوصفها أحد المكونات الأساسية في منظومة التوصية لدى "إنستغرام".
ولا تقتصر النماذج التي ترتب هذه المقاطع على احتساب عدد المشاهدات، بل تحاول تقدير احتمالات إكمال مشاهدة الفيديو، أو تشغيله مجددًا، أو مشاركته، أو التفاعل معه بالإعجاب والتعليق.
كما يعتمد التطبيق على تحليل السلوك الرقمي بصورة تتجاوز التفاعلات المباشرة، إذ يمكن أن تتحول إجراءات مثل التوقف أمام منشور لبضع ثوان إلى بيانات تساعد نماذج التعلم الآلي على استنتاج اهتمامات المستخدم وتحسين التوقعات المتعلقة بالمحتوى الذي قد يجذبه مستقبلًا.
ويمتد استخدام الخوارزميات إلى الإشعارات، إذ تسعى المنصة إلى اختيار تنبيهات وأوقات يُرجح أن تدفع المستخدم إلى العودة، بما يشمل الإعجابات والرسائل ونشاط الحسابات التي يتابعها، بدل الاعتماد على إرسال الإشعارات بصورة عشوائية.
وتندرج هذه الممارسات في نقاش أوسع بشأن ما يُعرف بـ"اقتصاد الانتباه"، الذي تتنافس فيه المنصات الرقمية على وقت المستخدم وتفاعله.
كما تناولت دراسات منشورة في دورية "وايزنباوم جورنال أوف ذا ديجيتال سوسايتي" مفهوم "الأنماط المظلمة"، الذي يشير إلى تصميمات قد تشجع المستخدم على مواصلة التفاعل أو تجعل بعض خيارات تقليل الاستخدام أو مغادرة الخدمة أقل بروزًا أو أكثر تعقيدًا.
ووصل الجدل بشأن تصميم منصات التواصل إلى الجهات التنظيمية الأوروبية، إذ خضعت خصائص من بينها التمرير اللانهائي والتوصيات الشخصية في منصات "ميتا" للتدقيق ضمن تحقيقات تتناول مدى توافقها مع التشريعات الأوروبية، ولا سيما ما يتعلق بحماية القاصرين من الخصائص التي قد تدفع إلى الاستخدام المفرط.
في المقابل، تقول "ميتا" إن أنظمة التوصية تهدف إلى مساعدة المستخدمين في العثور على محتوى يتوافق مع اهتماماتهم، وتشير إلى توفير أدوات للحد من وقت الاستخدام وإدارته، من بينها تذكيرات أخذ استراحة، والتحكم في الإشعارات، وخيارات تخصيص المحتوى.
ويعكس تطور "إنستغرام" تحول المنافسة بين منصات التواصل من مجرد طرح خصائص جديدة إلى تطوير أنظمة أكثر قدرة على تحليل السلوك والتنبؤ بما قد يحافظ على اهتمام المستخدم.
وفي هذه المنظومة، لا يمثل التفاعل نتيجةً للتوصيات فحسب، بل يتحول بدوره إلى بيانات جديدة تُستخدم لتحسينها باستمرار.
تعليقات القراء
لا يوجد تعليقات
الرد على تعليق
الرجاء الانتظار ...