[Day 2] Facebook 如何排序推薦內容（上）- 使用者調查

14th鐵人賽 data science machine learning

Min

2022-09-17 00:17:50

1940 瀏覽

分享至

一個風和日麗的上午，Skylar 慵懶地躺在沙發上，滑著 Facebook，漫不經心地瀏覽動態。他看到 Toby 更新自己的衝浪影片、Wade 和自己的狗狗的自拍照。Skylar 不禁會心一笑，心想「這隻狗狗真可愛」，並按下愛心。他看到自己加入的攝影社團中，有人放上幾張自己的攝影作品。另外，他追蹤的新聞粉絲專頁轉貼一則新聞，告知日本的邊境似乎快要鬆綁了。他興奮地按下「Wow」，並點進新聞，暗自盤算可以規劃一趟日本旅遊了。再跳回 Facebook，竟然馬上出現機票廣告，Skylar 無奈地想著「Facebook 真的是會讀心術耶」，手指還是情不自禁地點進廣告。

以上情境可能發生在你我的日常，但是，我們每個人、每天看到的內容都截然不同，Facebook 是如何產生推薦及排序內容的呢？讓我們一起來窺視推薦系統（recommendation system）的秘密吧！

Facebook 的推薦系統會分成兩篇介紹：
(1) 上篇：推薦系統名詞介紹、Facebook 的使用者調查
(2) 下篇：Feed aggregator 的運作方式

Facebook 的用戶調查

調查方式

使用者調查

(1) 小型的質性研究：直接向使用者進行訪談，規模較小。研究人員會直接邀請民眾進行一對一訪談，或是請他們以寫日記的方式紀錄使用 app 的經驗。
(2) 大型的量化研究：邀請較大規模的民眾進行研究，直接使用 Facebook 的 app 本身進行調查
結合這兩個研究，可以了解使用者在乎的內容及原因，優化產品，使其更貼近使用者需求。

案例：

觀察用戶是否喜歡新上線的功能
觀察用戶比較喜歡使用按讚、留言還是分享的功能

不過，要如何集合大量使用者的回饋，並真正理解使用者的深層需求也是關鍵。

Facebook 在早期一直被使用者要求要新增「不喜歡」的按鈕，但是在深入瞭解後，研究者發現用戶並非單純只是想表達不喜歡，而是單單「喜歡」無法表達人們的想法。因此他們在 2016 年增加五個新功能：愛心、哈哈、哇、傷心和生氣。

five images

觀察用戶在 app 的使用行為

Facebook 非常早期時，用戶唯一能夠上傳照片之處只有頭像。研究人員觀察到用戶會非常頻繁地更換自己的頭像照片，甚至一小時就換一張。他們推論使用者希望能夠多分享自己的生活狀態，因此，Facebook 在 2005 年推出上傳照片並建立相簿的功能。

實際調查案例

為了更加了解用戶行為，Facebook 在 2019-2020 年間，分別進行幾種研究：

2020 年

目標：降低出現用戶不想看到的內容之可能性。
做法：觀察用戶在看到不同內容，例如文章、貼文、影片及照片時，是否會選擇隱藏貼文，或甚至檢舉貼文，以預測哪些內容是他們不想看的。
這是非常需要客製化的行為，因為對某些人來說可以接受的內容，對其他人來說可能不適合。

2019 年

關於粉專和社群

目標：如何排列朋友、社群和粉專發文的優先順序。
背景：用戶除了朋友發布的內容外，也會想關注社群或粉絲專頁的貼文。但是，並非直接增加許多社群和粉專的發文即可，而是排列優先順序。
作法
- 使用者調查：研究對於用戶而言，(1) 對於追蹤的粉絲專頁，他們多感到興趣，以及 (2) 他們加入的社團對他們而言有多重要。
- 觀察用戶行為的指標：追蹤此粉絲專頁的時長、多頻繁和此粉絲專頁或社團互動，以及此粉絲專頁和社團有的發文頻率。

關於朋友

目標：讓用戶看到他們想要看到的內容。
方法：了解用戶都對什麼內容按讚、留言和分享。
新的演算法：
- (1) 優先顯示用戶比較可能會想要接觸的朋友內容。
  - 特徵：較常互動的朋友、有較多共同好友的朋友、標記為緊密朋友的人。
  - 調查：直接請用戶列出他們視為親近好友的名單，再觀察這些族群的特徵，例如是否很常被標記在同一張照片中、頻繁地互動、對相同貼文留言和按讚、很常在同一個地方打卡。
  - 利用觀察到的結果訓練演算法，且會不斷地更新。不過，這並不代表只會看到這些朋友的內容，只是會放在比較前面。
- (2) 優先顯示對於一個用戶可能比較有價值的內容：詢問關於用戶哪些內容對他們比較重要。

最後，綜合以上調查，資料科學家會採用這些行為特徵，使用 feed aggregator 產出貼文順序。

今天的介紹先在這邊告一個段落，推薦系統 feed aggregator 是如何運作的？歡迎明天回來，一起一探究竟。