الگوریتم تیک‌تاک چگونه مردم عادی را به سلبریتی تبدیل می‌کند؟

تصویب فیلترینگ تیک‌تاک در آمریکا، بار دیگر توجه بسیاری از کاربران را به اهمیت این پلتفرم و تکنولوژی خاصش جلب کرده است. ایالات‌ متحده ادامه‌ی کار تیک‌تاک در این کشور را منوط به شرطی کرده که از نظر مالکان آن قابل‌ پذیرش نیست: بایت‌دنس، شرکت مادر تیک‌تاک، ۹ ماه فرصت دارد تا تمام دارایی‌های مرتبط با کاربران آمریکایی این پلتفرم را به سرمایه‌گذاران یا شرکت‌های غیرچینی واگذار کند، وگرنه تیک‌تاک در آمریکا مسدود می‌شود.

اما بایت‌دنس می‌گوید زیر بار این فشار نخواهد رفت، چون «الگوریتم»های تیک‌تاک باارزش‌ترین دارایی این شرکت محسوب می‌شوند و بایت‌دنس حاضر به فروش الگوریتم‌های خود به هیچ شرکت دیگری نیست.

چرا الگوریتم‌های تیک‌تاک تا این حد برای دولت آمریکا و بایت‌دنس اهمیت دارند؟ در این مطلب می‌خواهیم از نحوه‌ی کار تکنولوژی تیک‌تاک صحبت کنیم و ببینیم نسبت‌ به رقبای بزرگی مانند اینستاگرام، یوتیوب و اسنپ‌چت چه مزیت‌هایی دارد.

الگوریتم‌ها هسته‌ی اصلی عملیات بایت‌دنس محسوب می‌شوند. شرکت بایت‌دنس به‌اندازه‌ای الگوریتم‌های تیک‌تاک را ارزشمند می‌داند که ترجیح می‌دهد به‌جای فروختن یا واگذارکردن تیک‌تاک، این پلتفرم را در کشوری که بیش از ۱۵۰ میلیون کاربر دارد، تعطیل کند.

دولت چین سال ۲۰۲۰ تغییراتی در قوانین صادرات خود ایجاد کرد که به‌موجب آن فروش الگوریتم‌ها و کدهای منبع شرکت‌های چینی مستلزم فرایندی پیچیده و دریافت تأییدیه‌ی دولتی می‌شود. شاید این موضوع روی تصمیم بایت‌دنس تأثیر داشته باشد، اما دانشگاهیان و کارکنان سابق تیک‌تاک می‌گویند مسئله فقط فروش فناوری نیست؛ موفقیت رشک‌برانگیز تیک‌تاک از نحوه‌ی کار الگوریتم‌های آن با فرمت ویدیوهای کوتاه ناشی می‌شود.

قبل از ظهور تیک‌تاک اغلب فعالین حوزه‌ی فناوری بر این باور بودند که کلید موفقیت اپلیکیشن‌های شبکه‌های اجتماعی، فناوری خاصی است که ارتباطات اجتماعی کاربران را به یکدیگر پیوند می‌دهد. محبوبیت پلتفرم‌های اینستاگرام و فیسبوک شرکت متا نیز این باور را تقویت می‌کرد؛ اما موفقیت تیک‌تاک نشان داد الگوریتمی که با درک علایق کاربر هدایت شود، می‌تواند قدرتمندتر و تأثیرگذارتر عمل کند.

مدیران تیک‌تاک به‌جای اینکه الگوریتم خود را روی گراف‌های اجتماعی توسعه دهند، از «سیگنال‌های علاقه» کاربران استفاده می‌کنند.

فرمت ویدیوی کوتاه به تیک‌تاک امکان می‌دهد بسیار پویاتر از رقبا باشد و حتی تغییراتی را که در طول زمان در علایق و اولویت‌های کاربران به‌وجود می‌آید، ردیابی کند. به همین دلیل هم به‌دقت، نتایجی را که کاربر در یک بازه‌ی زمانی خاص از طول یک روز می‌خواهد، پیش روی او قرار می‌دهد.

به گفته‌ی جیسون فانگ، رئیس سابق واحد گیمینگ تیک‌تاک فرمت ویدیو کوتاه به تیک‌تاک اجازه می‌دهد با سرعت بسیار بیشتری ترجیحات کاربران را درک کند. او می‌گوید:

ازآنجاکه ویدیوهای تیک‌تاک بسیار کوتاه هستند، می‌توان اطلاعات مربوط به اولویت‌های کاربران را خیلی سریع‌تر از پلتفرمی مانند یوتیوب جمع‌آوری کرد. بیایید متوسط زمان ویدیوهای یوتیوب را کمتر از ده دقیقه در نظر بگیریم. یوتیوب داده‌های کاربران خود را هر ده دقیقه یک‌بار و تیک‌تاک هر دو دقیقه یک‌بار جمع‌آوری می‌کند. چنین تفاوت محسوسی می‌تواند عملیات اجرایی را کاملاً دگرگون کند.

موقعیت تیک‌تاک به‌عنوان پلتفرمی که از ابتدا برای گوشی‌های همراه توسعه داده شد، مزیت درخشانی به آن داد؛ زیرا پلتفرم‌های رقیب مجبور بودند رابط‌های کاربری خود را از صفحه‌نمایش کامپیوتر به گوشی موبایل تطبیق دهند.

ورود زودهنگام تیک‌تاک به عرصه‌ی ویدیوهای کوتاه نیز نقطه‌‌ی عطف چشمگیری در تاریخ رسانه‌های اجتماعی بود. اینستاگرام قابلیت ریلز را در سال ۲۰۲۰ و یوتیوب بخش Shorts خود را در سال ۲۰۲۱ راه‌اندازی کرد. بدین‌ترتیب هر دو رقیب به‌لحاظ تجربه‌ی توسعه‌ی محصول و داده، سال‌ها از تیک‌تاک عقب هستند.

تیک‌تاک به‌طور منظم ویدیوهایی را به کاربران پیشنهاد می‌دهد که خارج از حوزه‌ی علاقه‌ی آن‌ها است. به‌گفته‌‌ی تیک‌تاک، این تنوع بخشی ضروری از تجربه‌ی کاربری اپلیکیشن محسوب می‌شود.

طبق مطالعات ماه گذشته‌ی پژوهشگران آمریکایی و آلمانی، الگوریتم تیک‌تاک فقط ۳۰ تا ۵۰ درصد ویدیوهای پیشنهادی را براساس علایق کاربران انتخاب می‌کند. این پژوهشگران در مقاله‌ی خود نوشته بودند:

الگوریتم تیک‌تاک به شیوه‌ای طراحی شده است که با هدف شناخت بهتر کاربران و به حداکثر رساندن نرخ تعاملات، ویدیوهای متنوع زیادی را به کاربران توصیه می‌کند که شاید در ردیف علایق (شناخته‌شده‌ی) آن‌ها قرار نگیرند.

آری لایتمن استاد دانشگاه کارنگی ملون می‌گوید یکی دیگر از تاکتیک‌های مؤثر تیک‌تاک، تشویق کاربران به تشکیل گروه‌های عمومی از طریق هشتگ‌ها است. این راهکار به پلتفرم کمک می‌کند ایده‌های دقیق‌تر و مؤثرتری درباره‌ی رفتار، علایق، همسویی و ایدئولوژی کاربران خود به‌دست آورد.

الگوریتم تیک‌تاک تا حد زیادی از برنامه‌ی چینی Douyin گرفته شده است که در سال ۲۰۱۶ معرفی شد. اگرچه بایت‌دنس تأکید می‌کند که تیک‌تاک و دویین برنامه‌های مجزایی هستند، منابع آگاه می‌گویند این دو الگوریتم تا به امروز مشابه باقی‌ مانده‌اند.

شرکت دویین هوش مصنوعی پلتفرم خود را با استخدام نیروی کار ارزان‌قیمت به‌طرز شگرفی توسعه داد. این شرکت مفسران محتوای زیادی را استخدام کرد که به‌دقت همه‌ی کاربران و انواع محتوا را در پلتفرم برچسب‌گذاری می‌کردند.

یاکای لی مدیر آژانس تبلیغاتی نتیوکس می‌گوید طی سال‌های ۲۰۱۸ و ۲۰۱۹ دویین روی برچسب‌گذاری تک‌تک کاربران کار می‌کرد. آن‌ها ابتدا هر ویدیوکلیپ را به‌صورت دستی برچسب‌گذاری می‌کردند و سپس کاربران را براساس ویدیویی که تماشا کرده بودند، تگ می‌کردند.

درحال‌حاضر استخدام حاشیه‌نویسان برای برچسب‌گذاری داده‌ها یک روش رایج و مهم برای شرکت‌های هوش مصنوعی به شمار می‌رود؛ ولی بایت‌دنس از مدت‌ها پیش این استراتژی را در پیش گرفته بود. به گفته‌ی لی، مرتب‌کردن تگ‌ها کار پرزحمت و دشواری است و شرکت‌های چینی از این مزیت برخوردارند که نیروی کار زیادی را با هزینه‌ی پایین‌تر به‌کار بگیرند، درحالی‌که این امر در شرکت‌های آمریکای شمالی ممکن نیست.

الگوریتم تیک‌تاک یک سیستم اختصاصی است که تصمیم می‌گیرد کدام ویدیوها را به چه ترتیبی به کاربران نشان دهد. درواقع این سیستم با تجزیه‌وتحلیل هزاران سیگنالی که هر کاربر در این پلتفرم می‌فرستد، اولویت‌های او را مشخص می‌کند.

مهم‌ترین سیگنال‌های کلیدی از تعاملات کاربران، اطلاعات ویدیوها و تنظیمات گوشی‌های همراه استخراج می‌شوند. در نتیجه، صفحه‌ی «برای شما» یا For You که به‌اختصار FYP نامیده می‌شود، برای هر کاربر کاملاً شخصی‌سازی شده است و هیچ دو کاربری صفحات دقیقاً مشابهی را مشاهده نمی‌کنند.

فرض کنید شما وارد برنامه شده‌اید و ویدیوهای C ،B ،A و D را لایک کرده‌اید. دوست شما ویدیوهای C ،B ،A و E و نفر سوم هم ویدیوهای C ،B ،A و F را پسندیده است. الگوریتم، فصل مشترک این ترجیحات یعنی A ،B ،C را در فید کاربرانی که هنوز این ویدیوها را ندیده‌اند، نشان می‌دهد.

حالا به این موضوع فکر کنید که این فرایند در مقیاس وسیع، در زمان واقعی برای میلیون‌ها کاربر تکرار می‌شود و علاوه بر لایک‌ها، فاکتورهای متعدد دیگری نیز در نتیجه‌ی نهایی تأثیرگذارند. هوش مصنوعی و یادگیری ماشین در خط مقدم الگوریتم‌ها قرار دارند و امکان انجام این کار را در مقیاس شگفت‌آوری فراهم می‌کنند.

صفحه‌ی FYP نخستین صفحه‌ای است که کاربر در پلتفرم تیک‌تاک مشاهده می‌کند و مملؤ از محتوا و ویدیوهای پیشنهادی است که با صرف زمان در پلتفرم، دقیق‌تر می‌شوند. به گفته‌ی پژوهشگران، این صفحه به‌طور انکارناپذیری نحوه‌ی مصرف محتوا را تغییر داده است.

برخلاف الگوریتم‌های یوتیوب و اینستاگرام (اما مشابه لینکدین)، سیستم تیک‌تاک ترکیبی از محتوای باکیفیت فالوئینگ‌ها و افرادی که کاربر هنوز آن‌ها را نمی‌شناسد، به او پیشنهاد می‌دهد. ترکیبی از محتوای آشنا و جدید به‌دقت بر اساس ترجیحات کاربر انتخاب و ارائه می‌شوند و او را ترغیب می‌کنند وقت خود را بیشتر در این پلتفرم سپری کند.

جولیان مک‌آولی، استاد علوم کامپیوتر در دانشگاه کالیفرنیا سن‌دیگو می‌گوید:

به‌نظر می‌رسد تیک‌تاک به یک کد جادویی در زمینه‌ی محتوای پیشنهادی دست‌ یافته، اما آنچه این پلتفرم را متمایز می‌کند، حجم بسیار بالای داده، کاربران بسیار تعاملی و خلق محیطی است که کاربران به‌راحتی در آن محتوا را مصرف می‌کنند. هیچ‌یک از شبکه‌های اجتماعی دیگر، تمام این گزینه‌های طلایی را در کنار یکدیگر ندارند.

جریان مداوم محتوایی که در تیک‌تاک مشاهده می‌کنید، بیش از هرچیز تحت‌تأثیر فعالیت‌ها و رفتار آنلاین شما خواهد بود:

• ویدیوهایی که لایک کرده‌اید یا به اشتراک گذاشته‌اید
• ویدیوهایی که به موارد دلخواه یا Favorites خود اضافه کرده‌اید
• ویدیوهایی را که با عنوان «علاقه‌مند نیستم» یا Not Interested علامت‌گذاری کرده‌اید
• ویدیوهایی که به‌عنوان محتوای نامناسب گزارش کرده‌اید
• علایقی را که از طریق تعامل با محتوای ارگانیک و تبلیغات ابراز کرده‌اید
• اکانت‌هایی که دنبال می‌کنید
• نظراتی که ارسال می‌کنید
• خالقان ویدیوها و صداهایی که پنهان کرده‌اید
• اینکه آیا یک ویدیو را تا پایان تماشا می‌کنید یا خیر
• مدت‌زمانی که برای یک ویدیو خاص صرف می‌کنید
• محتوایی که در حساب شخصی خود پست می‌کنید

الگوریتم تیک‌تاک اطلاعات ویدیوهایی را که جست‌وجو می‌کنید، ذخیره می‌کند. سیگنال‌های اطلاعات ویدیویی عبارت‌اند از: کپشن‌ها، صداها، هشتگ‌ها، افکت‌ها و موضوعات داغ روز و ترندشده.

این گروه از سیگنال‌ها وزن کمتری نسبت به تعاملات کاربری و اطلاعات ویدیویی دارند، اما هنوز روی عملیات بهینه‌سازی تیک‌تاک تأثیرگذارند:

• اولویت زبان
• تنظیمات کشور (احتمال تماشای ویدیوی افرادی که در کشور شما هستند، بیشتر است)
• نوع دستگاه موبایل
• دسته‌بندی علاقه‌مندی‌هایی که به‌عنوان کاربر جدید انتخاب کرده‌اید

• فرکانس ارسال محتوا: برخلاف تصور رایج، پست کردن چندین ویدیو در روز تضمینی برای بیشتر دیده‌شدن ویدیوهای یک کاربر نیست. البته حجم بالای محتوا می‌تواند شانس کاربران را در این زمینه افزایش دهد، اما کیفیت محتوا نقش به‌مراتب حیاتی‌تری ایفا می‌کند.
• قدمت اکانت: اکانت‌های جدید هم به اندازه‌ی اکانت‌ها قدیمی‌تر از پتانسیل وایرال‌شدن برخوردارند. الگوریتم تیک‌تاک کیفیت و مرتبط بودن ویدیوها را نسبت به تاریخ اکانت در اولویت قرار می‌دهد.
• تعداد فالوورها: درحالی‌که داشتن فالوورهای زیاد می‌تواند تعامل اولیه‌ی بیشتری در پی داشته باشد، بارها دیده شده است که کاربران عادی یک‌شبه با ویدیوهای خاص وایرال شده‌اند.
• پروموشن‌های پولی: محتوای ارگانیک تیک‌تاک و پلتفرم تبلیغاتی آن جدا از یکدیگر عمل می‌کنند و سرمایه‌گذاری روی تبلیغات تیک‌تاک، تأثیری در عملکرد محتوای ارگانیک نخواهد داشت.

تیک‌تاک به‌منظور بهینه‌سازی مداوم تجربه‌ی کاربری، برخی از محتواها را از صفحه‌نمایش شما حذف می‌کند تا مطمئن شود ویدیوهای اسپم، تکراری و محتوایی را که به‌صراحت نسبت به آن‌ها اظهار بی‌علاقگی کرده‌اید، هرگز به شما نشان داده نشوند.

آگوست سال ۲۰۲۳ (مرداد سال ۱۴۰۳) اتحادیه‌ی اروپا از ۱۹ شرکت فناوری از جمله تیک‌تاک، ایکس، یوتیوب و اینستاگرام خواست به کاربران اجازه دهند در صورت تمایل، سیستم محتوای شخصی‌سازی‌شده‌ی شبکه‌های اجتماعی خود را غیرفعال کنند. هدف این بود که کنترل هر محتوایی که براساس ردیابی و نمایه‌سازی فعالیت مردم ارائه می‌شود، در دستان خود آن‌ها باشد.

با غیرفعال‌شدن الگوریتم‌های شخصی‌سازی ویدیوهای پیشنهادی، کاربران در صفحه‌ی FYP به‌جای محتوای مبتنی بر علایق شخصی، محبوب‌ترین و پرطرفدارترین ویدیوهایی را می‌بینند که در منطقه‌ی سکونت آن‌ها و در مرحله‌ی بعد در سراسر جهان تولید شده است. همچنین ویدیوهایی که در فید فالوئینگ‌ها و دوستان کاربر ارائه می‌شود، صرفاً به‌ترتیب تاریخ زمانی پست‌‌ها خواهد بود.

ستون اصلی تیک‌تاک بر اساس معماری میکروسرویس‌ها توسعه‌ یافته است که امکان توسعه‌ی سریع، پیاده‌سازی و مقیاس‌پذیری مستقل خدمات مجزا را فراهم می‌کند.

در این سبک معماری یک برنامه‌ی بزرگ به واحدهای کوچک‌تر و مستقل تقسیم می‌شود و هر میکروسرویس اجرای عملکردهای خاصی مانند نمایه‌سازی کاربران، پیشنهاددادن ویدیوها و تجزیه‌وتحلیل داده‌ها را در دست می‌گیرد. این سرویس‌های کوچک انعطاف‌پذیری سیستم و ایزوله‌سازی خطاها را تضمین می‌کنند.

معماری میکروسرویس‌ها یکی از ویژگی‌های کلیدی فناوری تیک‌تاک در زمینه‌ی مدیریت محتوای رسانه محسوب می‌شود. تصاویر و دارایی‌های ویدیویی در یک سیستم ذخیره‌سازی مبتنی بر اشیای مقیاس‌پذیر، بسیار کارآمدتر می‌شوند و به‌صورت منظم و پیوسته به رابط‌های کاربری پلتفرم راه می‌یابند.

در حوزه‌ی میکروسرویس‌ها، تیک‌تاک از فناوری کانتینرسازی کوبرنتس استفاده می‌کند. این سیستم مدیریتی عمدتاً به‌خاطر نقشی که در خصوص خودکارسازی چرخه‌ی عمر برنامه دارد، شناخته می‌شود. به‌علاوه این پلتفرم با بهره‌گیری از مش سرویس، اشتراک‌گذاری داینامیک داده‌ها را بین اجزای مختلف اپلیکیشن کنترل می‌کند.

تا این مرحله می‌دانیم که تیک‌تاک حجم عظیمی از محتوا و تعاملات تولیدشده توسط کاربر را مدیریت می‌کند. بخش اعظم داده‌ها از گوشی‌های همراه، سیستم‌عامل‌ها و مهم‌تر از همه گزارش‌های کاربران به‌دست می‌آید؛ مانند ردیابی مدت‌زمان تماشای هر ویدیو، لایک کردن، به‌اشتراک‌گذاری، نظر دادن و از روی ویدیوها عبورکردن.

پردازش و ذخیره‌سازی سریع کلان‌داده‌ها، به کمک ابزارهای مجموعه‌ی آپاچی انجام می‌شوند. همچنین این پلتفرم برای حفظ یکپارچگی داده‌ها و اطمینان از بازیابی سریع اطلاعات، از پایگاه‌های داده‌ی رابطه‌ای (مانند PostgreSQL) و پایگاه‌داده NoSQL مانند کاساندرا و ردیس استفاده می‌کند. این رویکرد ترکیبی، ذخیره‌سازی و بازیابی داده‌ها را برای موارد استفاده‌ی مختلف، مانند نمایه‌های کاربر و معیارهای تعاملات لایو، بهینه می‌کند.

بهینه‌سازی توزیع محتوا در تیک‌تاک با بهره‌گیری از یک شبکه‌ی جهانی صورت می‌گیرد. CDNها محتوای ویدیویی را در میان شبکه‌ای از سرورهای لبه (Edge Servers) توزیع و با حداقل تأخیر، بارگذاری سریع ویدیو را تضمین می‌کنند. این مسئله مشکلات بافر را به حداقل می‌رساند و تجربه‌ی کاربری را فارغ از موقعیت جغرافیایی او بهبود می‌دهد.

یکی از رموز موفقیت تیک‌تاک، توانایی آن در تنظیم فیدهای محتوای شخصی‌شده برای کاربران است. مدل‌های قدرتمند یادگیری ماشین می‌توانند رفتار کاربر، ترجیحات و الگوهای تعامل او را برای ارائه محتوای مرتبط تجزیه‌وتحلیل کنند. TensorFlow و PyTorch از جمله چارچوب‌های یادگیری ماشین هستند که در این فرایند نقش مؤثری دارند.

یکی از ویژگی‌های تیک‌تاک که همیشه با انتقاد تند کارشناسان مواجه می‌شود، این است که کاربران را در مدت بسیار کوتاهی معتاد خود می‌کند. تقریباً تمام شبکه‌های اجتماعی از این ویژگی به نفع خود استفاده می‌کنند: الگوریتم‌های اینستاگرام، فیسبوک و لینکدین به شیوه‌ای طراحی شده که شما را تا حد ممکن در این پلتفرم‌ها نگه دارد.

تیک‌تاک در رسیدن به این هدف موفق‌تر از سایر رقبا بوده است: اکثر کاربران تیک‌تاک حتی متوجه نمی‌شوند چقدر از زمان خود را در این برنامه سپری می‌کنند و چه حجم داده‌ای را به اشتراک می‌گذارند.

به همین ترتیب هرچه افراد بیشتری برای تیک‌تاک محتوا تولید کنند، افراد دیگری ترغیب می‌شوند از این برنامه استفاده کنند. در واقع ما با یک چرخه‌ی بی‌پایان مواجهیم که با تعاملات کاربران، درک بهتر الگوریتم‌ها از افراد و تولید ویدیوهای بیشتر ادامه پیدا می‌کند.

یکی از مهم‌ترین دلایل اعتیادآور بودن تیک‌تاک، سهولت استفاده از این پلتفرم است. کاربران بدون هیچ تجربه‌ی قبلی‌ای در زمینه‌ی ویرایش ویدیو یا سایر مهارت‌های فنی، از پست‌های خود بازخورد می‌گیرند و تنها چیزی که آن‌ها نیاز دارند یک گوشی هوشمند و یک ایده درمورد ویدیوی کوتاه است. بقیه‌ی کارها را برنامه انجام می‌دهد: ویدیو را ضبط، ویرایش و از طرف کاربر پست می‌کند.

از لحاظ تجربه‌ی کاربری، استفاده از تیک‌تاک بسیار آسان است:

• به‌محض باز کردن برنامه، ویدیوها شروع می‌شوند
• تعداد آیکون‌های بسیار کمی در صفحه‌ی اصلی ظاهر می‌شوند
• ویدیوها در کل صفحه‌نمایش گوشی پخش می‌شوند
• تمام تنظیمات و جزئیات برنامه به ساده‌ترین شکل ممکن طراحی شده‌اند

تیک‌تاک در طول زمان مسلماً پیشرفته‌تر خواهد شد و الگوریتم‌های آن نیز پیچیده‌تر و کامل‌تر می‌شوند. کارشناسان انتظار دارند فناوری این پلتفرم در حوزه‌های درک متن، عمق شخصی‌سازی و ملاحظات اخلاقی به جایگاه بالاتری ارتقا پیدا کند.

اینکه تیک‌تاک واقعاً تهدیدی برای امنیت ملی آمریکا و آینده‌ی تکنولوژی محسوب می‌شود یا خیر، مشخص نیست؛ اما آنچه مشخص است این است که الگوریتم‌های تیک‌تاک به‌حدی کارشان را خوب بلدند که کاربران را معتاد تماشای ویدیوها کرده‌اند و بازسازی فرهنگ کاربری قوی این پلتفرم برای شرکت‌های دیگر به‌شدت دشوار خواهد بود.