Jag har skrivit om hur du bör “bete” dig på Facebook för att öka din Facebooksidas popularitet och även om hur du snabbt kan åstadkomma detta. Återstår att prata om det matematiska receptet bakom dessa processer. Facebooks algoritm till popularitet heter EdgeRank och skulle kunna jämföras med Googles PageRank som jag skrivit om i artikeln “Exit PageRank! Enter FaceRank!“.

För ett år sedan kom Facebook ut med ett mätsystem som de döpt till EdgeRank. Formeln avslöjades, den grova utgåvan, utan att gå in på detaljerna för att inte avslöja dess mest intima hemlighet. EdgeRank skyddas ömt av Facebook och kan därmed inte avslöjas helt och hållet, dock har en hel del spekulationer, observationer och oberoende mätningar gjorts i hopp om att komma så nära den fullständiga formeln som möjligt. Så här ligger det till …

Flödet förändrades

Du kanske mins den dagen då ditt flöde plötsligt såg glesare ut än vanligt? Det var dagen då flödets publicering styrdes av EdgeRank. Beroende på vilket du väljer, “Toppnyheter” eller “Senaste”, så ser ditt flöde annorlunda ut.

Toppnyheter styrs av din EdgeRank nämligen.

Matematik?

Hur ser då denna formeln ut?

Bilden till höger visar formeln för hur din EdgeRank beräknas. Men vad betyder då alla dessa bokstäver?

Edge är när en användare interagerar med ett objekt (statusuppdatering eller publicering av en bild till exempel). Kort sagt när du gillar ett inlägg så har du skapat en Edge. Varje Edge har nu tre olika komponenter nämligen u, w och d. Summan av deras produkter blir din EdgeRank.

En EdgeRank på 0-6 är under medel, 7-13 är medel, 14-19 är över medel medan 20 och över anses vara utmärkt.

u som i Affinity

u-komponenten står för affinitet som betyder samhörighet, likhet, släktdrag med mera. Jaha! vad säger det då? Jo! Det betyder att om du ofta gillar inläggen från vår Facebooksida och/eller ofta kommenterar bilder och artiklar från sidan så får du en större samhörighet med vår Facebooksida. Därmed kommer ditt flöde att centrera sig mer runt vår sida. Tänk nu på att denna komponent är enkelriktad, det vill säga att den tar bara hänsyn till det du gör med en sida/profil. Ingen ömsesidighet här. Som i alla produkter (multiplikationer) så är varje variabel en koefficient. Att ha en dubbelt så stor affinitet ger dubbelt så hög EdgeRank (under förutsättning att formeln inte innehåller icke-linjära komponenter). Eftersom alla delar av formeln inte är avslöjade så skulle det kunna vara så att någon av de tre komponenterna i sig innehåller en divergerande eller konvergerande “klausul”.

w som i Weight

w-komponenten står för vikt som beskriver sig självt. Eller? vad är vikten i sammanhanget? Jo desto tyngre interaktion desto högre värde på komponenten således högre EdgeRank. Att kommentera en status väger betydlig mer än att “bara” gilla den. Facebook anser (med all rätt) att en användare som bemödar sig att lägga ner så pass mycket energi på en bild eller ett inlägg genom att kommentera det bör belönas med ett högre värde. Inlägget får även mer värde då det tydligen var bra nog för att engagera folk. Det visar sig (utan vetenskapligt belägg) att videor och bilder väger tyngst, länkar väger mindre medan statusuppdateringarna är lättast på skalan. Bra att veta om man vill höja sin EdgeRank.

d som i Time eller snarare Durability

d-komponenten verkar tala för sig själv mer än w-komponenten. Desto mer något har ett värde desto högre poäng får man. Låter vettigt med tanke på att en nyhet som håller länge genererar mer trafik och i synnerhet mer engagemang och belönas således med högre poäng.

Summan av kardemumman

Nu finns det säkert många åsikter om huruvida denna betygsskala är av vikt eller ens relevant för var och en, men en sak slår mig genast, ur marknadsföringssynpunkt är detta betyg lika bra som Googles PageRank. Oavsett dess innehåll, om det är känt av alla så blir det samma regler för alla. Då kan alla “tävla” med samma förutsättningar! Givetvis så är det bättre om en algoritm kunde ta hänsyn till allas olikheter som kanske inte går att jämföra med andras, men det förefaller omöjligt att genomföra. Inte nog med att det handlar mycket om tycken (vilka är ofta subjektiva) så kan inte en algoritm vara mer förfinad än till de minsta objektiva och mätbara beståndsdelarna. Personligen tycker jag att komponenterna är rimliga (idag), men jag tycker också att algoritmen ska utvecklas löpande, parallellt med tidens förändringar.

Du kan kolla din sidas EdgeRank på edgerankchecker.

Du då?

Vad tycker du? Är algoritmen ok?

Ska man över huvudet taget ha “betyg”? Kommentera gärna artikeln med dina åsikter och/eller erfarenheter! Vi uppskattar allt bemötande!