האם תהיתם פעם איך בדיוק TikTok מצליח להציג לכם בדיוק את סוג התכנים שאתם הכי אוהבים לצפות בהם? או איך YouTube תמיד יודע להמליץ על הסרטון הבא שתרצו לראות? התשובה טמונה במערכות בינה מלאכותית מתוחכמות ביותר שפועלות מאחורי הקלעים. בעידן שבו אנחנו צורכים תכנים בלי הפסקה, האלגוריתמים האלה הפכו לכוח מניע מרכזי שמעצב את החוויה הדיגיטלית שלנו ומשפיע על מיליארדי משתמשים ברחבי העולם.
איך עובדת מערכת ההמלצות של YouTube: תהליך דו-שלבי מתוחכם
מערכת ההמלצות של YouTube פועלת על פי ארכיטקטורה של למידה עמוקה דו-שלבית שמטרתה לבחור ולדרג סרטונים בצורה המיטבית עבור כל משתמש.
השלב הראשון - יצירת מועמדים: במהלך שלב זה, המערכת מאחזרת מאגר רחב של סרטונים רלוונטיים באמצעות מה שנקרא "embeddings" - ייצוגים וקטוריים של משתמשים, סרטונים והקשר לצפייה. המערכת משתמשת בהיסטוריית הצפייה שלכם, בפעילות של משתמשים דומים (collaborative filtering), ובאותות מבוססי תוכן כדי לזהות סרטונים שעלולים לעניין אתכם1].
השלב השני - דירוג המועמדים: כאן המערכת מעניקה ציונים למועמדים בדיוק גבוה על בסיס תחזיות של זמן צפייה, אורך הסשן, לייקים, תגובות, דילוגים וגורמים הקשריים כמו השעה ביום או הסוג המכשיר. התהליך הזה מעדן את הרשימה עבור עמוד הבית, "הבא בתור", תוצאות חיפוש והסרגל הצדדי, תוך דגש על המשכיות בתכנים (למשל, סרטונים דומים לאחר צפייה בסרטון על פיזיקת קוונטים)1].
התכונות "הבא בתור" ו"סרגל צדדי": תכונות אלה מתמחות בהארכת סשן הצפייה על ידי העדפה של סרטונים הדומים לזה שצופים בו כרגע, תבניות של "מה צופים ראו אחר כך", והיסטוריה אישית - שילוב של גישות מבוססות תוכן ושיתופיות1].
המנוע המתוחכם של TikTok: מבחן וניפוח בסיבובים
מערכת ההמלצות של TikTok עובדת בצורה שונה מזו של YouTube. האלגוריתם של TikTok בוחן ומגביר באופן איטרטיבי סרטונים באמצעות בדיקות "קטנות" שהופכות גדולות יותר בהתאם לביצועים.
דחיפה ראשונית ולולאות משוב: סרטונים נכנסים תחילה לקהלים קטנים; שיעורי השלמת צפייה גבוהים, צפיות חוזרות, לייקים ותגובות מפעילים הפצה רחבה יותר בסיבובים. סרטונים עם ביצועים חלשים מושהים אך עשויים לקבל הזדמנות נוספת אם המעורבות נמשכת2]4].
מתן ציונים והתאמה אישית: המערכת מנבאת ציונים באמצעות היסטוריית המשתמש (אפילו מ-8 סרטונים בלבד), הגדרות מכשיר ושפה, אמינות היוצר, תגיות תוכן ודמיון התנהגותי (למשל, משתמשים שאהבו יוגה גם אוהבים מתכונים טבעוניים). סרטונים עם ציונים גבוהים (10% העליונים) מקבלים אישור להמשך2]4]5].
הסתגלות בזמן אמת: המערכת משלבת תכונות מורכבות של משתמש/תוכן, מכונות פקטוריזציה עמוקות ואימון מקוון כדי להתאים לעניינים בצורה דינמית; אפילו תוכן ישן באיכות גבוהה יכול להיות מחודש ("חופר קברים")3]4]5].
ההשפעה על יוצרי התוכן: משחק חדש עם כללים חדשים
עבור יוצרי תוכן, ההבדלים בין הפלטפורמות יוצרים אסטרטגיות שונות לגמרי. ב-TikTok, כמעט כל סרטון מקבל הזדמנות שווה - המערכת לא מתחשבת כמעט בכמות העוקבים, אלא מתמקדת בביצועי התוכן עצמו. כל סרטון מקבל בדיקה ראשונית עם 200-300 אנשים, ורק תכנים עם מעורבות גבוהה מתקדמים לנקודות ביקורת גדולות יותר (500, 1,000, 10,000+ צפיות)1].
לעומת זאת, ב-YouTube המשחק מורכב יותר. הפלטפורמה משתמשת במספר מודלים שונים של אלגוריתמים - נפרדים עבור המלצות עמוד הבית לעומת סרטונים מוצעים - מה שאומר שיוצרים צריכים לבצע אופטימיזציה עבור הקשרים ושיקולי המלצה שונים4].
המטריקות החשובות ביותר:
- YouTube: זמן צפייה, אורך סשן, מעורבות (לייקים, דילוגים)
- TikTok: שיעור השלמת צפייה, צפיות חוזרות, לייקים/תגובות
הכוח הסמוי: איך האלגוריתמים משנים את ההתנהגות שלנו
המחקרים מ-2024 חושפים תמונה מדאיגה על הכוח של האלגוריתמים האלה. המערכת של TikTok מוגדרת כ"מאוד תגובתיה" - פעולות המשתמש בפלטפורמה משפיעות במהירות על המלצות תוכן עתידיות, מה שהופך את הפלטפורמה לממכרת במיוחד2].
מחקר שהשווה בין אלגוריתמים של רשתות חברתיות שונות מצא שבחירות התוכן של TikTok חיזקו ועמדו במטרות של המשתתפים בתדירות גבוהה יותר מאשר פייסבוק, אינסטגרם או טוויטר2]. המחקר גם גילה שהאלגוריתם של TikTok יכול ליצור "בועות פילטר" תוך 20 דקות בלבד ולמשוך משתמשים תוך 35 דקות2].
מערכת ההמלצות של YouTube מחושבת בזמן אמת על בסיס סוג המכשיר, השעה ביום והיסטוריית הצפייה, ומתאימה אישית הצעות כדי למקסם את שביעות הרצון ארוכת הטווח של הצופה4].
האתגרים האתיים והרגולטוריים החדשים
כוח ההשפעה העצום של האלגוריתמים האלה לא נותר מבלי לזכות לתשומת לב רגולטורית. באוקטובר 2024, הנציבות האירופית החלה לחקור את אלגוריתמי ההמלצות של TikTok, YouTube ו-Snapchat, מה שמסמל דאגה רגולטורית גוברת לגבי המנגנונים שלהם והשפעתם החברתיה7].
YouTube ביצע שינויים נוטבליים ב-2024 שהתמקדו בהפחתת מידע מוטעה על ידי הגברת תוכן סמכותי והגבלת הפצה של תוכן גבולי, במיוחד בקטגוריות חדשות ובריאות4]. המחקר גם הראה שמערכות המלצה של רשתות חברתיות מגבירות במהירות תוכן רעיל6].
איך להכיר את המשחק ולשחק אותו נכון
הבנה של האלגוריתמים האלה חשובה לא רק ליוצרי תוכן אלא לכל אחד מאיתנו כצרכני תוכן. הנה כמה עצות מעשיות:
עבור צרכני תוכן:
- היו מודעים לכך שההמלצות מותאמות אישית ולא בהכרח מייצגות מגוון רחב של דעות
- נסו לבקש תוכן מגוון באופן אקטיבי כדי לא להיכנס ל"בועות פילטר"
- זכרו שהפלטפורמות מעוניינות בזמן המסך שלכם, לא בהכרח ברווחתכם
עבור יוצרי תוכן:
- ב-TikTok: התמקדו באיכות התוכן וביצירת מעורבות מהירה ברגעים הראשונים
- ב-YouTube: בנו אסטרטגיה ארוכת טווח שמתמקדת בשמירה על הצופים לזמן רב
- בשתי הפלטפורמות: היו עקביים ותגיבו למגמות מבלי לאבד את הייחודיות שלכם
מה זה אומר על העתיד שלנו
המסקנה: האלגוריתמים של TikTok ו-YouTube הם הרבה יותר ממערכות המלצה טכניות - הם כוחות חברתיים שמעצבים את מה שאנחנו חושבים, על מה אנחנו מדברים ואיך אנחנו רואים את העולם. ככל שהמערכות האלה נהיות מתוחכמות יותר, חשוב שנבין איך הן פועלות ונפעל בצורה מודעת יותר כדי לשמור על מחשבה עצמאית וצריכת תוכן בריאה. החכמה היא להשתמש בכלים האלה בצורה מודעת ולא לתת להם לנהל אותנו.
תיאור המאמר:
מדריך מקיף לאלגוריתמי ההמלצות של TikTok ו-YouTube - איך הבינה המלאכותית קובעת מה אנחנו רואים ברשתות החברתיות וההשפעה שלה עלינו.
מילים מרכזיות:
אלגוריתמי המלצות, בינה מלאכותית, TikTok, YouTube, רשתות חברתיות, יוצרי תוכן, מערכות המלצה, למידה עמוקה
1]: https://www.vozo.ai/blogs/youtube/youtube-ai-algorithm-recommendations
2]: https://vizard.ai/blog/mastering-the-tiktok-algorithm-how-to-get-more-views-and-build-your-audience
3]: https://arxiv.org/abs/2503.20030
4]: https://www.agorapulse.com/blog/youtube/youtube-algorithm-in-2024-everything-you-need-to-know/
5]: https://www.youtube.com/watch?v=adfWp6PlyIU
6]: https://www.dcu.ie/humanities-and-social-sciences/news/2024/apr/new-research-shows-how-tiktok-and-youtube-shorts-are
7]: https://www.euronews.com/next/2024/10/02/tiktok-youtube-snapchats-video-recommendations-probed-by-eu-commission
