Bí mật giao thông: Mở khóa thuật toán đề xuất X và chiến lược vận hành hiệu quả

Bài viết này được dịch máy
Xem bản gốc
Dưới đây là bản dịch tiếng Việt của văn bản, với các từ và cụm từ được dịch theo yêu cầu:
Duy trì đầu ra ổn định và chất lượng, biết nắm bắt các điểm nóng ngắn hạn, vận dụng các kỹ thuật tương tác đa dạng.

Tác giả: murmurphy.eth

Trong lĩnh vực Web3, X (cũ là Twitter) là một địa bàn then chốt cho hoạt động vận hành và mở rộng thị trường của các dự án. Đối với những người hành nghề và nhà đầu tư, X không chỉ là một nền tảng tuyệt vời để nâng cao ảnh hưởng cá nhân, mà còn là cơ hội để khai thác những cơ hội mới. Bài viết này sẽ tiết lộ thuật toán đề xuất và chia sẻ các chiến lược vận hành thực tế, giúp bạn nhanh chóng tăng độ phơi bày nội dung và tương tác.

Bài viết này sẽ xuất phát từ góc độ của thuật toán đề xuất chính thức của X, phân tích logic của thuật toán và chia sẻ các chiến lược vận hành đơn giản và dễ thực hiện, giúp bạn mở rộng tầm ảnh hưởng một cách nhanh chóng.

Lưu ý: Nếu bạn không muốn xem chi tiết quy trình đề xuất, hãy nhảy thẳng đến phần "Chiến lược hướng dẫn Tweet và quản lý nhịp độ" và phần "Chiến lược thu hút người dùng hiệu quả và tạo đòn bẩy" để nhận được những bí quyết thực hành.

Quy trình thuật toán đề xuất X (Twitter)

Hệ thống đề xuất của dòng thời gian "Dành cho bạn" trên Twitter dựa trên việc dự đoán sự quan tâm của người dùng đối với mỗi Tweet dựa trên lượng lớn dữ liệu tương tác của người dùng, quy trình cụ thể như sau:

Bước 1. Thu thập dữ liệu (Data) Những dữ liệu này cùng nhau tạo thành "nguyên liệu thô" của hệ thống đề xuất, cung cấp nền tảng vững chắc cho việc trích xuất đặc trưng và huấn luyện mô hình, đảm bảo thuật toán có thể nắm bắt chính xác các đặc điểm sở thích và hành vi của người dùng.

  • Social Graph: Thu thập đồ thị xã hội về các mối quan hệ theo dõi và tương tác giữa người dùng, giúp xây dựng mạng lưới xã hội của người dùng, cung cấp cơ sở để sau này nhận dạng vòng xã hội và các mối quan hệ hoạt động của người dùng trong quá trình đề xuất.

  • Tweet Engagement: Theo dõi các hành vi tương tác của người dùng với các Tweet, chẳng hạn như nhấn thích, bình luận, chia sẻ, v.v. Phản ánh mức độ phổ biến của nội dung và cường độ sở thích của người dùng, cung cấp dữ liệu then chốt để thuật toán đánh giá chất lượng và độ phù hợp của các Tweet.

  • User Data: Thu thập thông tin về sở thích cá nhân, thói quen sử dụng, hành vi lịch sử của người dùng, giúp mô hình nhận dạng và dự đoán chính xác hơn các mẫu sở thích và hành vi của người dùng.

Bước 2. Trích xuất đặc trưng (Features) Sau khi thu thập dữ liệu gốc, hệ thống sẽ sử dụng một loạt "công cụ" để xử lý sâu các dữ liệu này, tạo ra các chỉ số đặc trưng có thể sử dụng cho mô hình học máy.

  • GraphJet: Động cơ đồ thị thời gian thực, dùng để phân tích tương tác hai chiều giữa người dùng và Tweet.

  • RealGraph: Bắt giữ các mối quan hệ xã hội và mẫu tương tác thực tế.

  • SimClusters: Sử dụng thuật toán nhóm để nhóm người dùng hoặc Tweet có sở thích tương tự, khám phá các mối liên kết tiềm ẩn.

  • TwtNN: Mô hình học sâu có thể trích xuất các đặc trưng đa chiều, do đó nắm bắt sở thích của người dùng chính xác hơn.

  • TweepCred: Đánh giá uy tín và ảnh hưởng của người dùng trên nền tảng, cung cấp tham chiếu cho đánh giá độ tin cậy.

  • Trust & Safety: Chịu trách nhiệm phát hiện và lọc nội dung vi phạm hoặc có hại, đảm bảo an toàn và tuân thủ của nội dung được đề xuất.

Thông qua những công cụ này, hệ thống có thể chuyển đổi dữ liệu gốc rối ren thành các đặc trưng có cấu trúc, tạo nền tảng vững chắc để thuật toán sau đó xác định chính xác những Tweet nào đáng được đề xuất.

Bước 3. Nguồn ứng cử viên (Candidate Source) Trong giai đoạn tạo ứng cử viên, hệ thống nhanh chóng lọc ra những nội dung có khả năng phù hợp với sở thích của người dùng từ hàng triệu Tweet, cung cấp dữ liệu cơ sở cho việc sắp xếp thứ tự sau này. Giai đoạn này chủ yếu được thực hiện thông qua bốn kênh:

  • Search Index: Trích xuất các Tweet liên quan đến xu hướng hiện tại thông qua từ khóa hoặc tìm kiếm phổ biến.

  • CR Mixer: Trộn, loại bỏ trùng lặp và lọc danh sách ứng cử viên, đưa ra cho bộ sắp xếp chính.

  • UTEG: Xây dựng đồ thị mối quan hệ giữa người dùng, Tweet và các thực thể từ khóa hoặc chủ đề trong đó, giúp thuật toán hiểu sâu hơn về mối liên kết giữa người dùng và nội dung.

  • FRS: Đề xuất theo dõi có thể nhận dạng những tài khoản mà bạn có thể quan tâm nhưng chưa theo dõi, và đưa các Tweet của họ vào danh sách ứng cử viên, tăng tính đa dạng của tài khoản, giúp bạn khám phá thêm nhiều nội dung chất lượng.

Nhìn chung, giai đoạn này thông qua việc lọc đa chiều và đa kênh, đảm bảo danh sách ứng cử viên bao gồm cả các chủ đề nóng hiện tại và phản ánh sở thích lâu dài của người dùng, tạo nền tảng vững chắc cho việc sắp xếp chính xác sau đó.

Bước 4. Động cơ sắp xếp (Heavy Ranker) Ở giai đoạn này, hệ thống sử dụng mạng neural sâu để đánh giá từng Tweet ứng cử viên. Trước tiên, nó tính toán xác suất dự đoán của người dùng đối với các loại tương tác khác nhau (như nhấn thích, bình luận, chia sẻ, v.v.), sau đó nhân với trọng số đã định sẵn và cộng lại, cuối cùng thu được điểm tổng hợp (score) cho mỗi Tweet. Điểm càng cao, Tweet càng có cơ hội xuất hiện trên dòng thời gian.

Dựa trên trọng số mặc định được công bố bởi Twitter vào ngày 5 tháng 4 năm 2023, trọng số và ý nghĩa của các tương tác khác nhau như sau:

Thông qua việc cho điểm các tương tác tích cực và tiêu cực, Heavy Ranker có thể nhanh chóng nhận dạng những nội dung có khả năng được người dùng ưa chuộng, đồng thời giảm đề xuất những nội dung không phù hợp.

Bước 5: Quy tắc và lọc (Heuristics & Filtering) Nội dung đã được sắp xếp sẽ tiếp tục trải qua một loạt các quy tắc điều chỉnh, để đảm bảo nội dung được đề xuất vừa đa dạng vừa phù hợp với yêu cầu của nền tảng. Quá trình này sẽ kiểm tra mức độ phổ biến và sự công nhận xã hội của Tweet, đồng thời chú ý đến sự đa dạng của tác giả, tránh tập trung quá nhiều vào cùng một nguồn. Ngoài ra, nếu Tweet có chứa nội dung vi phạm, nhạy cảm hoặc lặp lại quá nhiều, hệ thống cũng sẽ giảm độ hiển thị hoặc lọc ra để bảo vệ trải nghiệm người dùng và an toàn nội dung. Đây là bước "kiểm soát cuối cùng", giảm điểm hoặc lọc ra những nội dung có thể bị lặp lại, vi phạm hoặc không phù hợp.

Bước 6: Trộn đầu ra (Mixing) và tạo dòng thời gian Cuối cùng, hệ thống sẽ kết hợp các Tweet đã được sắp xếp và lọc ở các bước trước với nội dung quảng cáonhững tài khoản mới được đề xuất theo dõi cho bạn, nhằm mang lại cho bạn một dòng thời gian thông tin phong phú và cân bằng. Hệ thống sẽ liên tục điều chỉnh dựa trên dữ liệu hành vi mới của bạn, đảm bảo nội dung luôn phù hợp với sở thích của bạn.

Tóm lại một câu: Twitter thông qua quy trình thu thập dữ liệu, trích xuất đặc trưng, tạo nguồn ứng cử viên, sắp xếp và lọc, rồi trộn đầu ra, từng bước lọc và hiển thị nội dung phù hợp nhất với sở thích của người dùng.

Chiến lược hướng dẫn Tweet và quản lý nhịp độ

Để giúp các Tweet của bạn nhận được nhiều phơi bày hơn trên dòng thời gian của người dùng mục tiêu, cần tập trung vào hai giai đoạn then chốt là tạo nguồn ứng cử viênsắp xếp chính, đảm bảo nội dung vừa được hệ thống đưa vào danh sách ứng cử viên, vừa đạt điểm cao trong quá trình sắp xế

Sau đây là bản dịch tiếng Việt:

Tính năng "lăn cộng (50 ngày) + ngắn hạn (3 ngày hoặc 30 phút)" của Twitter, có nghĩa là nền tảng này không chỉ quan tâm đến hiệu suất của bạn trong thời gian dài, mà còn theo dõi sát sao diễn biến gần đây hoặc thời gian thực của bạn. Cụ thể:

  • Hiệu suất dài hạn: Đăng tải nội dung chất lượng cao định kỳ (như phân tích dữ liệu vĩ mô hàng ngày), liên tục tích lũy tương tác ổn định, xây dựng uy tín thương hiệu.

  • Bùng nổ ngắn hạn: Nắm bắt các sự kiện nóng và thời điểm người dùng hoạt động cao, nhanh chóng đăng tải các bài viết thời sự, cạnh tranh để đạt được tương tác cao trong thời gian ngắn.

Hơn nữa, dữ liệu dài hạn và ngắn hạn đều được cập nhật liên tục, nền tảng sẽ luôn "theo dõi" những biểu hiện mới của bạn. Do đó, bạn nên thường xuyên theo dõi dữ liệu tương tác và tăng trưởng người theo dõi, nếu phát hiện tương tác ngắn hạn giảm, hãy nhanh chóng điều chỉnh chủ đề hoặc thời gian đăng để tránh ảnh hưởng đến hiệu suất dài hạn.

4⃣Tương tác nhóm: Mở rộng bản đồ xã hội và kích hoạt thảo luận tự nhiên

Thông qua việc nhắc đến các tài khoản thực, "Bản đồ thực (RealGraph)" của nền tảng sẽ ghi nhận sự tương tác tự nhiên giữa người dùng, đồng thời "Động cơ Bản đồ thời gian thực (GraphJet)" sẽ cập nhật dữ liệu bản đồ xã hội của bạn theo thời gian thực. Điều này không chỉ giúp nhận diện người dùng hoạt động, mà còn giúp nhiều người dùng khác nhìn thấy mối liên kết giữa bạn và các đối tác, từ đó nhận được thêm lượt tiếp cận. Tương tác trong phần bình luận cũng rất có giá trị, ví dụ như nhấn like/trả lời bình luận, lưu lại hơn 2 phút, có trọng số lần lượt là 11.0 và 10.0.

💡Tất nhiên, kết hợp nhiều chiến lược sẽ mang lại hiệu quả lớn hơn. Ví dụ, xoay quanh cùng một chủ đề, viết một loạt bài đăng từ nhiều góc độ khác nhau. Sau đó, chọn một bài đăng chính làm "lối vào", đồng thời trong phần bình luận hoặc đăng trên trang chủ, thêm liên kết đến các nội dung liên quan khác, tạo thành một chuỗi nội dung liên kết chặt chẽ. Nội dung chuỗi và thông tin liên kết tăng tính liên quan của các bài đăng ứng cử viên, không chỉ mở rộng quá trình tạo ứng cử viên và bản đồ xã hội, mà còn có thể kích hoạt thêm các hành vi tương tác (ví dụ như truy cập trang chủ) để tăng tín hiệu tương tác. Chiến lược nội dung liên kết này cũng có thể tạo ra tương tác cao trong ngắn hạn, đồng thời hình thành một ma trận nội dung dài hạn, giúp bạn duy trì hiệu suất ổn định trong thống kê lăn cộng (50 ngày + ngắn hạn).

Chiến lược liên kết chuỗi này không chỉ làm phong phú hệ sinh thái nội dung, mà còn phù hợp với tiêu chí của nền tảng về tương tác và liên quan, từ đó giúp tăng tỷ lệ tiếp cận tổng thể.

Chiến lược thu hút người dùng và đòn bẩy hiệu quả

1⃣Đòn bẩy nhiệt độ: Phản ứng nhanh chóng và theo dõi các sự kiện nóng

Trong giai đoạn thu thập dữ liệu, hệ thống sẽ đưa tương tác cao tần và sự quan tâm của người dùng do các sự kiện nóng mang lại vào "Tương tác Bài đăng (Tweet Engagement)" và "Dữ liệu Người dùng (User Data)", và coi "tính mới" hoặc "tính thời sự" của chúng là đặc điểm then chốt. Vì những đặc điểm này giúp thuật toán đánh giá mức độ nóng và liên quan của nội dung, nên các bài đăng theo kịp các sự kiện nóng sẽ dễ được ưu tiên lựa chọn trong giai đoạn tạo ứng cử viên, và liên tục tăng điểm nhờ lượng tương tác tăng lên trong "Bộ xếp hạng chính (Heavy Ranker)", cuối cùng nhận được cơ hội tiếp cận cao hơn trong "Kết hợp đầu ra (Mixing)".

Phương pháp hiệu quả là nắm bắt tính thời sự của các sự kiện nóng, đăng tải bình luận hoặc nhận xét liên quan ngay lập tức để chiếm lĩnh ưu thế. Sau khi đăng, cần tiếp tục cập nhật quan điểm hoặc bổ sung thông tin theo diễn biến của sự kiện, để đảm bảo bài đăng duy trì độ hoạt động. Hệ thống sẽ kết hợp dữ liệu tương tác và bình luận để đánh giá tính mới của nội dung, từ đó cho điểm cao hơn trong quá trình chấm điểm và đề xuất tiếp theo, giúp nội dung của bạn duy trì lợi thế trong toàn bộ quy trình đề xuất.

2⃣Đòn bẩy tranh cãi: Tạo ra tranh cãi và điểm thảo luận

Đưa ra những nhận xét độc đáo hoặc chủ đề gây tranh cãi có thể nhanh chóng kích hoạt nhiều cuộc thảo luận và phản hồi, tạo ra tín hiệu tương tác mạnh. Đặc biệt khi chủ đề thu hút sự tham gia của nhiều KOL, bài đăng sẽ có cơ hội tiếp cận người dùng rộng hơn. Tuy nhiên, khi sử dụng đòn bẩy tranh cãi, cần đảm bảo cuộc thảo luận diễn ra trong phạm vi hợp lý và理性, tránh gây ra phản hồi tiêu cực (như ẩn, chặn, báo cáo, v.v.) do nội dung vi phạm hoặc nhạy cảm. Vì những hành động tiêu cực này có trọng số cao từ -74.0 đến -369.0, không chỉ có thể ảnh hưởng đến độ hiển thị của bài đăng đó, mà còn có thể gây tác động tiêu cực đến toàn bộ tài khoản.

3⃣Đòn bẩy danh tiếng: Tương tác với nhân vật hoặc tổ chức nóng

Tương tác với nhân vật hoặc tổ chức nóng, đặc biệt là từ các tài khoản có ảnh hưởng lớn, sẽ khiến hệ thống đánh giá tài khoản của bạn có "độ tin cậy (TweepCred)" và tiềm năng lan truyền cao hơn, tín hiệu này được thể hiện trực tiếp trong "Bản đồ xã hội (Social Graph)" của người dùng. Những tương tác này không chỉ nâng cao giá trị xã hội của nội dung, mà còn được mô hình học sâu khuếch đại thêm, từ đó nhận được tỷ lệ tiếp cận cao hơn trong "Kết hợp đầu ra (Mixing)" cuối cùng.

Do đó, bạn có thể nhắc đến hoặc @các nhân vật hoặc tổ chức nóng để tăng độ hiển thị, đồng thời tương tác kịp thời có thể thu hút phản hồi từ họ, thúc đẩy lan truyền thứ cấp. Chiến lược này giúp đưa nội dung của bạn đến với mạng xã hội rộng hơn, từ đó tăng độ tin cậy và hiệu quả lan truyền.

Tóm lại

Duy trì đầu ra ổn định và chất lượng, biết tận dụng các xu hướng nóng trong ngắn hạn, sử dụng các kỹ thuật tương tác đa dạng, cùng với việc liên tục theo dõi dữ liệu và điều chỉnh chiến lược kịp thời, bạn sẽ có thể ứng phó hoàn hảo bất kể thuật toán có thay đổi trọng số như thế nào. Nếu bạn có thêm kinh nghiệm quý báu, hãy chia sẻ trong phần bình luận.

Cảm ơn bạn đã đọc đến đây! Nếu thấy nội dung này hữu ích, hãy theo dõi tài khoản của tôi @0x_kuma, like, bình luận và chia sẻ sẽ là động lực lớn nhất dành cho tôi!

Nguồn
Tuyên bố từ chối trách nhiệm: Nội dung trên chỉ là ý kiến của tác giả, không đại diện cho bất kỳ lập trường nào của Followin, không nhằm mục đích và sẽ không được hiểu hay hiểu là lời khuyên đầu tư từ Followin.
Thích
Thêm vào Yêu thích
Bình luận