Czy da się „zobaczyć” algorytm TikToka?
Zanim zabrałam się do pracy, zapoznałam się z ogromną liczbą teorii na temat algorytmu TikTok.a. Przeczytałam artykuły, a także obejrzałam materiały ekspertów i przeanalizowałam popularne opinie użytkowników. Następnie porównałam je z własnymi doświadczeniami. Efekt był zaskakujący. Po raz kolejny zobaczyłam zderzenie dwóch zupełnie różnych światów – teorii krążących w internecie oraz rzeczywistych zachowań platformy.
Dla mnie podstawowym zadaniem każdego algorytmu mediów społecznościowych jest zatrzymanie użytkownika jak najdłużej. Już samo to stoi w sprzeczności z popularnym przekonaniem, że platformy zamykają nas wyłącznie w bezpiecznych bańkach tematycznych. Owszem, algorytm analizuje nasze reakcje, a także komentarze, czas oglądania czy polubienia, ale są to jedynie elementy znacznie większej układanki.
Sama konstrukcja aplikacji została stworzona w taki sposób, aby pochłaniać uwagę użytkownika. Dodatkowo regularnie dostarcza ona szybkich nagród w postaci wyświetleń, polubień czy nowych treści. TikTok wyjątkowo skutecznie pokazuje, jak dużą wartość zaczynamy przypisywać samym liczbom, nawet wtedy, kiedy nie niosą one za sobą realnych korzyści.
91 dni obserwacji
Pierwszy etap mojego eksperymentu trwał 91 dni. Przez trzy miesiące spędzałam od czterech do pięciu godzin dziennie w aplikacji, testując różne sposoby korzystania z niej. Chciałam sprawdzić między innymi popularną teorię według której, aby dowiedzieć się, kim naprawdę jest dana osoba, wystarczy spojrzeć na jej zakładkę „Dla Ciebie”.
Wyniki nie były dla mnie zaskoczeniem. Ta teoria w moim przypadku nie potwierdziła się ani razu.
Badanie podzieliłam na kilka etapów:
- zatrzymywanie się na losowo wybranych filmach,
- zatrzymywanie się na treściach twórców, których nie obserwowałam,
- zatrzymywanie się na treściach twórców, których obserwowałam,
- oglądanie do końca materiałów z wybranych kategorii tematycznych,
- świadome pomijanie określonych rodzajów treści.
Aby móc wykorzystać wyniki także w pracy z biznesem, analizowałam osobno dwie przestrzenie aplikacji: zakładkę „Dla Ciebie” oraz zakładkę „Obserwowani”.
Zakładka „Dla Ciebie” nie tworzy idealnej bańki
Za każdym razem, niezależnie od tego, jak wyraźnie sygnalizowałam swoje zainteresowania, w moim strumieniu pojawiały się również treści zupełnie niezwiązane z tymi preferencjami.
Szczególnie widoczne były różnice związane z porą korzystania z aplikacji. W godzinach późnowieczornych częściej pojawiały się materiały, które zawierały podteksty erotyczne, agresję albo kontrowersyjne treści, mimo że wcześniej nie wykazywałam nimi zainteresowania.
Interesujące były również moje doświadczenia związane z blokowaniem użytkowników. Mimo blokad niektóre osoby po pewnym czasie ponownie pojawiały się w przestrzeni „Dla Ciebie”. Czasami działo się to za pośrednictwem nowych kont, innym razem poprzez nagrania innych twórców, którzy odnosili się do zablokowanych wcześniej osób.
W praktyce oznaczało to, że całkowite usunięcie określonych treści z własnego środowiska informacyjnego było znacznie trudniejsze, niż sugerują ustawienia aplikacji.
Algorytm ciągle się zmienia
W trakcie obserwacji zauważyłam, że algorytm TikToka był wielokrotnie modyfikowany, a to wpływało na działania mechanizmów rekomendacji.
Przez kilka miesięcy materiały publikowane przez obserwowane przeze mnie konta praktycznie nie pojawiały się w zakładce „Dla Ciebie”. Dla firm i twórców oznaczało to konieczność docierania przede wszystkim do nowych odbiorców, a nie do własnej społeczności.
Później sytuacja ponownie się zmieniła i część treści obserwowanych twórców zaczęła wracać do głównego strumienia rekomendacji. Nadal jednak nie wszystkie publikowane materiały pojawiały się w zakładce „Obserwowani”, a to sugeruje, że również tam działają dodatkowe mechanizmy selekcji.
Drugi etap eksperymentu – publikowanie własnych materiałów
Po zakończeniu pierwszego etapu, po 4 latach postanowiłam sprawdzić kolejną popularną teorię. Według wielu użytkowników algorytm TikToka (pomijając tych, którzy mówią o tym tylko dla zasięgu) ogranicza zasięgi nowych nagrań do około 200–300 wyświetleń, a przebicie tego pułapu jest bardzo trudne.
Szczególnie interesujące było to, że wszystkie obserwacje pochodziły z jednego konta i dotyczyły tej samej tematyki. W trakcie eksperymentu zdarzały się nawet kilkumiesięczne przerwy w publikowaniu nowych materiałów. Mimo to kolejne nagrania nadal potrafiły osiągać bardzo wysokie zasięgi.
Niektóre filmy przekraczały kilkaset tysięcy wyświetleń, a część osiągnęła ponad 2 miliony odtworzeń. Z moich obserwacji nie wynika więc, aby samo ograniczenie aktywności lub dłuższa przerwa automatycznie skazywały konto na niskie zasięgi.
To oczywiście nie oznacza, że regularność publikacji nie ma znaczenia. Moje doświadczenia pokazują jednak, że algorytm wydaje się oceniać każdy materiał osobno, a jego działanie jest znacznie bardziej złożone niż popularne twierdzenie, że po przerwie konto zostaje trwale „ukarane” przez system.
Czy można zobaczyć algorytm?
Po kilkunastu miesiącach obserwacji coraz mniej interesowało mnie pytanie, jak działa algorytm TikToka. Znacznie ciekawsze stało się pytanie, dlaczego tak wielu użytkowników próbuje go rozszyfrować. Być może nie chodzi wyłącznie o zasięgi. Liczba wyświetleń, a także polubień i komentarzy stała się dla wielu osób formą cyfrowej gratyfikacji. W takim ujęciu algorytm nie jest jedynie narzędziem do dystrybucji treści. Staje się częścią mechanizmu, który skutecznie podtrzymuje uwagę, zaangażowanie i potrzebę ciągłego sprawdzania własnych wyników.
Mechanizmy działania systemów rekomendacyjnych nie są unikalne dla TikToka – podobne modele stosują również inne platformy, co potwierdzają oficjalne wyjaśnienia systemów rankingowych m.in. w materiałach TikToka oraz analizach Google dotyczących systemów rekomendacyjnych. W obu przypadkach kluczowe znaczenie mają nie deklaracje użytkownika, ale wzorce zachowań i mikrointerakcje, które algorytmy przetwarzają w czasie rzeczywistym.
W szerszym kontekście mechanizmów rekomendacyjnych i sposobu, w jaki użytkownicy próbują je interpretować, warto również odnieść się do analizy przedstawionej w artykule „Jak TikTok czyta w naszych myślach – tajemnice algorytmu”, który rozwija perspektywę tego, jak bardzo algorytm opiera się na subtelnych sygnałach behawioralnych, a nie na oczywistych deklaracjach użytkownika.
Bibliografia / Literatura przedmiotowa
Oficjalne dokumenty i komunikaty platform technologicznych
Google Search Central (2022–2024). Systemy rankingowe wyszukiwarki Google a mechanizmy rekomendacji treści w czasie rzeczywistym. Oficjalna dokumentacja Google.
TikTok Newsroom (2020). How TikTok recommends videos #ForYou. Oficjalny komunikat korporacyjny i specyfikacja techniczna systemu rekomendacji. TikTok Technology Limited.
TikTok Engineering (2021). Monolith: Real-Time Recommendation System With Collisionless Embedding Table. Dokumentacja techniczna algorytmu rekomendacji dynamicznych TikToka.
Publikacje naukowe i analizy behawioralne
Alter, A. (2018). Irresistible: The Rise of Addictive Technology and the Business of Keeping Us Hooked. New York: Penguin Books. (pozycja dotycząca psychologii uwagi, a także cyfrowej gratyfikacji).
Pariser, E. (2011). The Filter Bubble: How the New Personalized Web Is Changing What We Read and How We Think. New York: Penguin Press. (klasyczna pozycja o bańkach informacyjnych).
Smith, B., Linden, G., Jacobi, Y. (2017). Two Decades of Recommender Systems: From Item-to-Item Collaborative Filtering to Deep Learning. IEEE Computer Society. (analiza systemów rekomendacyjnych opartych na mikrointerakcjach).
