من خلال قراءة المقال "تقديم أفضل التعليقات في الشبكات الاجتماعية المهنية"على مدونة LinkedIn الهندسية ، عثرت على الإشارات التي تفيد بأن التعلم الآلي على LinkedIn نموذج ينظر إلى ترتيب أعلى التعليقات على المنصة. بينما يبدو أن هذا يقتصر على التعليقات - أجادل - فإن هذه الإشارات يمكن أن تعلمنا كيف يعمل فريق LinkedIn اعتقد حول أهمية المحتوى. وبالتالي ، بطريقة ما ، يجعلك أفضل في التواصل على LinkedIn.
باختصار ، حجتي هي: إذا قرر فريق LinkedIn استخدام الإشارات التالية لتعلم الآلة نموذج لترتيب أفضل التعليقات ، قد تكون هذه الإشارات ذات صلة أيضًا بأنواع أخرى من المحتويات على النظام الأساسي.
ومع ذلك ، أريد أن أكرر - هنا يجب أن أستخدم الشرطي - تلك "ربما" هي الإشارات التي تنظر إليها خوارزميات LinkedIn بشكل عام عند تصنيف المحتوى.
لدينا ميزات المعلق التي تميز سمعة كل معلق وشعبيته (على سبيل المثال ، عدد مرات مشاهدة ملفه الشخصي ، وحالة المؤثر ، وما إلى ذلك). نحن أيضًا نطابق المعلق والمشاهدين على أساس العالميةوالموقع والسمات المشتركة الأخرى. في LinkedIn ، لدينا إمكانية الوصول إلى العديد من إشارات التعلم الآلي الناضجة لتمثيل تقارب المشاركة بين عضوين. نحن نأخذ في الاعتبار علاقات الاتصال / المتابعة الخاصة بهم ، وتشابه ملفهم الشخصي ، والتفاعلات السابقة على الخلاصة. هذه الإشارات هي مدخلات مهمة تساعدنا في اختيار تعليقات عالية الجودة مخصصة لكل مشاهد.
المحتوى (هل هذا يتعلق بشيء مهتم به؟)
طول التعليق
لغة التعليق
الإشارات و # الهاشتاج
يذكرني ، اتصالاتي ، مؤثر
بقدر ما يتعلق الأمر بمحتوى التعليق الفعلي ، فإننا نستفيد من مكتبة معالجة اللغات الطبيعية (NLP) الخاصة بنا لتوصيف اللغة وطول التعليق والقواعد النحوية بناء، ووجود / عدم وجود علامات التصنيف ، وميزات المحتوى الأخرى. نحاول أيضًا استنتاج ما إذا كان التعليق يتضمن إشارات لأعضاء LinkedIn أو كيانات أخرى.
الشعبية (هل يعتقد المجتمع أن هذا أمر ذو قيمة؟)
إبداءات الإعجاب والردود بشكل عام
الإعجابات والردود من الأشخاص في العالمية، من قبل المؤثرين ، من قبل المؤلف
أجهزة رد فريدة في الخيط
يتم تقسيم ميزات المشاركة الاجتماعية التي تم إنشاؤها في الخلاصة حسب الصناعات للتعلم الآلي نموذج لالتقاط الوقت الذي قد يكون فيه تعليق معين شائعًا فقط لشريحة من الأعضاء.
الوقت (هل هو جديد؟)
تلتقط ميزات حداثة التعليقات الإجراءات الأخيرة في التعليق. نحن نلتقط الطابع الزمني لإنشاء التعليق والرد الأخير وآخر إعجاب. يميل المشاهدون إلى قراءة التعليقات الجديدة أو الموضوعات التي تمت مناقشتها مؤخرًا.
ينظر LinkedIn في أكثر من 100 ميزة للترتيب عبر الإنترنت
لقد خدشنا السطح هنا فقط. هناك ما يقرب من 100 ميزة نلتقطها ونستخدمها في التصنيف عبر الإنترنت.
قد تتحول هذه الميزات إلى آلاف الإشارات. في الواقع ، بمجرد وصولك إلى موجز LinkedIn الخاص بك ، تحدد خوارزمية التعلم الآلي في جزء من الثانية المنشورات الأكثر صلة بك. هذا يعني أن الخوارزمية يجب أن تكون قادرة على ترتيب عشرات الآلاف من المشاركات في جزء من الثانية.
تتدفق إلى هذه الخوارزمية آلاف الإشارات التي تساعدنا على فهم تفضيلات العضو وتمكننا من تخصيص الخلاصة لعضو معين. تنقسم هذه الإشارات إلى ثلاث فئات رئيسية:
الهوية:من أنت؟ أين تعمل؟ ما هي مهاراتك؟ مع من تتصل؟
المحتوى:كم مرة تم عرض التحديث؟ كم مرة كانت "محبوبة"؟ ما هو التحديث حول؟ كم عمرها؟ ما هي اللغة المكتوبة بها؟ ما الشركات أو الأشخاص أو الموضوعات التي تم ذكرها في التحديث؟
السلوك:ما الذي أعجبك وشاركته في الماضي؟ مع من تتفاعل بشكل متكرر؟ أين تقضي معظم الوقت في موجز الأخبار الخاص بك؟
وبالتالي ، استنادًا إلى ثلاث فئات رئيسية / واسعة ، تتعلق بهويتك (الشركة ، والمهارات ، والاتصالات) ، والمحتوى (الإعجابات ، والتعليقات ، والمشاركة في هذا التحديث) ، والسلوك (على سبيل المثال ، من تتفاعل معه بشكل متكرر) هذه هي الطريقة ينشئ LinkedIn خلاصتك.
ما هي الإشارات الأخرى؟
تتراوح هذه المقاييس من المقاييس المعروفة ، مثل الوقت الذي تقضيه في القراءة ، إلى رؤى من الرسم البياني الاجتماعي الخاص بك. نقوم أيضًا بتضمين مجموعة متنوعة من النتائج من مصادر أخرى في نماذجنا ، مثل أبحاث تجربة المستخدم.
تم تقديم إشارة واحدة من قبل فريق LinkedIn الهندسي فيما يتعلق بالخطوات التالية لخلاصة LinkedIn وأنه من بعض النواحي إجابات لأولئك الذين يؤكدون أن LinkedIn أصبح أكثر شبهاً فيسبوك هذا هو:
التحسين من جانب المنشئ:تركز العديد من أنظمة التوصيات على التحسين لتحقيق مكاسب سرية قصيرة المدى في أنشطة الأعضاء (انقر ، أعجبني ، شارك) كوكيل لمشاركة الأعضاء و القيمة. في المستقبل ، نستثمر في نماذج مُحسّنة خصيصًا للأعضاء الذين ينشئون محتوى عالي الجودة على LinkedIn بمرور الوقت.
إذا ظل المحتوى عالي الجودة هو محور التركيز طويل الأجل لـ LinkedIn ، فيمكنك توقع عائد استثمار مرتفع من استثمار الوقت والموارد على هذه المنصة.
الوجبات الجاهزة الرئيسية
في هذه المقالة ، ألقينا نظرة على بعض الإشارات التي يستخدمها التعلم الآلي على LinkedIn نموذج لترتيب أعلى التعليقات. إذا تم تطبيق هذه الإشارات لتصنيف أفضل التعليقات ، فقد يتم استخدامها أيضًا لتصنيف المحتوى عبر الإنترنت على LinkedIn - أنا أزعم.
بالطبع ، نظرًا لأن خوارزمية LinkedIn المدعومة بالذكاء الاصطناعي المبنية على رسم بياني معرفي واسع ، تصبح أكثر ذكاءً كلما زادت الإشارات التي قد تأخذها في الاعتبار. في الواقع ، كما أوضح فريق LinkedIn الهندسي ، هناك حتى الآن آلاف الإشارات التي يتم أخذها في الاعتبار لتخصيص الخلاصة ومئات الميزات المستخدمة للترتيب عبر الإنترنت.
بالنظر إلى الإشارات ، يأخذ الفريق الهندسي في LinkedIn في الاعتبار تصنيف أفضل التعليقات ويساعدك أيضًا على فهم الهدف من النظام الأساسي ، مما يجعلك أكثر فاعلية في التواصل على LinkedIn.
ترتبط بعض الجوانب والأسئلة الشيقة التي يجب طرحها عند النشر على LinkedIn بجودة المحتوى. في الواقع ، نظرًا لأن LinkedIn ستستثمر المزيد من الموارد في البحث عن جودة المحتوى بدلاً من الإشارات التقليدية المستخدمة على وسائل التواصل الاجتماعي (الإعجابات والمشاركات) ، يصبح من الضروري تقييم ما إذا كنت تنشر محتوى عالي الجودة.
كيف يمكن تحديد ذلك وفقًا لما رأيناه في هذه المقالة؟
هل هذا شيء مفيد لجمهوري؟
هل أذكر الأشخاص ذوي الصلة الذين أنشأت لهم ملفًا موثوقًا به صلة متأخر، بعد فوات الوقت؟
Gennaro هو منشئ FourWeekMBAالتي وصلت إلى حوالي أربعة ملايين رجل أعمال ، من المديرين التنفيذيين والمستثمرين والمحللين ومديري المنتجات ورواد الأعمال الرقمية الطموحين في عام 2022 وحده | وهو أيضًا مدير المبيعات لتوسيع نطاق التكنولوجيا الفائقة في صناعة الذكاء الاصطناعي | في عام 2012 ، حصل جينارو على ماجستير في إدارة الأعمال الدولية مع التركيز على تمويل الشركات واستراتيجية الأعمال.
