Facebook Edgerank: Ένας αλγόριθμος ευκαιρία

Ο μέσος χρήστης Facebook αφιερώνει περισσότερο από το 40% του χρόνου του τσεκάρωντας το newsfeed. Παρατηρώντας την σειρά που το Facebook εμφανίζει τις δημοσιεύσεις και δραστηριότητες στην σελίδα ενημερώσεων, γίνεται αντιληπτό ότι δεν είναι μία απλά χρονική κατάταξη και παρουσίαση. Αυτό μπορεί για ένα απλό χρήστη να μην σημαίνει κάτι το ιδιαίτερο, αλλά για ένα Brand είναι μία μεγάλη ευκαιρία.

O αλγόριθμος EdgeRank είναι ιδιαίτερα σημαντικός σε θέματα Facebook marketing και η κατανόηση της λειτουργίας του μπορεί να επηρεάσει σημαντικά την αύξηση της απήχησης (reach) των δημοσιεύσεων και δραστηριοτήτων ενός λογαριασμού ή μιας σελίδας στο facebook.

Ο αλγόριθμος Edgerank και πως λειτουργεί

Ο αλγόριθμος Edgerank δημιουργήθηκε από το Facebook, προκειμένου να καθορίζει ποιες αναρτήσεις (edges) και πόσο ψηλά (rank) θα εμφανίζονται στην σελίδα ενημερώσεων, newsfeed, του κάθε χρήστη.

Edge ορίζεταιοτιδήποτεσυμβαίνειστο Facebook, status updates, comments, likes και shares.

Ο αλγόριθμος Edgerank κατατάσσει (ranks) κάθε δραστηριότητα/ δημοσίευση (edge ) στο newsfeed του χρήστη, ανάλογα με το πόσο σημαντική τη θεωρεί για εκείνον. Δραστηριότητες με υψηλό Edgerank εμφανίζονται υψηλότερα στη σελίδα ενημερώσεων.

Με ποια κριτήρια γίνεται αυτή η κατάταξη;

Μπορεί αρχικά να ακούγεται πολύπλοκο, όμως, η λογική του, είναι αρκετά ξεκάθαρη.

Ο αλγόριθμος Edgerank μπορεί να οριστεί ως το άθροισμα των εξής μεταβλητών:

Affinity (συγγένεια)

Η μεταβλητή “Affinity” αφορά την σχέση που έχει ο χρήστης με την πηγή ανάρτησης/δημοσίευσης, αλλά και το βαθμό αλληλεπίδρασης, όπως είναι η π.χ. η σχέση ενός fan και ενός brand. Η σχέση αυτή χτίζεται με επαλαμβανόμενες αλληλεπιδράσεις του χρήστη/fan με τις δραστηριότητες του brand στο Facebook, όπως σχόλια,likes, sharing, ακόμη και messaging. Όσο πιο έντονη η αλληλεπίδραση, τόσο μεγαλύτερη η μεταβλητή.

Weight (βαρύτητα)

Η μεταβλητή αυτή αφορά ένα σύστημα αξιολόγησης της βαρύτητας που έχει κάθε αντίδραση στο Facebook. Τα σχόλια π.χ. θεωρούνται πιο σημαντικά από τα likes, σύμφωνα με το Facebook, διότι ο χρήστης εμπλέκεται πιο ενεργά. Κάθε δραστηριότητα που επιλέγει ένας χρήστης και είναι πιο χρονοβόρα από άλλη, θεωρείται μεγαλύτερης βαρύτητας.

TimeDecay («φθορά» χρόνου)

Αυτή η μεταβλητή αφορά το πόσο καιρό παραμένει μία δημοσίευση «ζωντανή». Μαθηματικά αυτή η μεταβλητή μπορεί να οριστεί ως 1/ (χρόνος από τελευταία δραστηριότητα). Όσο μία δραστηριότητα παλαιώνει, τόσο χάνει σε αξία. Έτσι διατηρείται η σελίδα ενημερώσεων ανανεωμένη, με νέο περιεχόμενο.

Γιατί είναι σημαντικός ο αλγόριθμος Edgerank

Αν ένα Brand έχει γενικά χαμηλό EdgeRank στην δραστηριότητα του, τότε η δημοσιεύσεις και η γενικότερη δραστηριότητά του στο Facebook θα εμφανίζονται σε όλο και λιγότερο κοινό. Αυτό σημαίνει ότι η στρατηγική του αλλά και το marketingbudget του στο Facebook θα είναι λιγότερο αποτελεσματικά. Σύμφωνα με έρευνες σε σχέση με τη συμπεριφορά των χρηστών στο Facebook, το 96% δεν επισκέπτεται ποτέ ξανά την σελίδα ενός Brand μετά το αρχικό Like, όπως επίσης, ότι το 40% του χρόνου των χρηστών καταναλώνεται στο newsfeed. Αυτό σημαίνει, ότι μόνο οι δημοσιεύσεις μπορούν να φτάσουν σε αυτούς, προκειμένου να ενημερωθούν για υπηρεσίες, προϊόντα και προσφορές. Η διαφορά που έχει ένα υψηλό EdgeRank με ένα χαμηλό είναι ουσιαστική, και η διαφορά αυτή μπορεί να οδηγήσει ακόμη και σε πέντε φορές μεγαλύτερη έκθεση σε κοινό.

Επιπλέον ο αλγόριθμος Edgerank ισχύει και στην χρήση hashtags, τα οποία αναμένεται να προσφέρουν μεγαλύτερο reach, απήχηση, των δημοσιεύσεων στο κοινό/χρήστες Facebook, εμφανίζοντας τα besttrendingposts σε συσχέτιση με το αλγόριθμο Edgerank και το εκάστοτε επιλεγμένο hashtag.

Πηγές:
http://blog.hubspot.com/understanding-facebook-edgerank-algorithm-infographic
http://socialmediatoday.com/node/1441041,http://mashable.com
http://www.whatisedgerank.com/
http://edgerankchecker.com/blog/2013/06/hashtags-and-edgerank/