我們都知道，使用 Facebook 已經不是最酷的事情了，但是 Facebook 的受歡迎程度卻再創巔峰。
前陣子 Facebook 表示，不僅是這個社群網站的使用人數持續攀升，使用者瀏覽網站的頻率也不斷增加。Facebook 創辦人 Mark Zuckerberg 說，每一天，在 12.8 億的使用者之中，一半以上一個禮拜會至少登入六次。
- 到底是為什麼 Facebook 可以不斷的使人上癮，而不是逐漸退流行？
Facebook 的壓箱秘技就是它知道你喜歡什麼，而且它還不斷的再瞭解與吸收關於你的資訊。
在這麼龐大的資訊當中，Facebook 不僅花費了大量精力在瞭解你的喜好，還用了相同的力氣，去分析你每次打開 Facebook 會最想看到哪一位朋友的發文。這些資料蒐集也許會讓廣告商從中得利，但是，Facebook 最在意的是如何讓使用者不斷的想回來再使用。如果失敗了，Facebook 的廣告產業將會陷入危機。
但 Facebook 到底是如何辦到的呢？近期我拜訪了 Facebook 公司在 Menlo Park 的總部，並與掌控整個動態消息板 (News feed) 管理團隊的產品經理 Will Cathcart 提起了這件事。而他給的答案涵蓋了機器學習的未來前景、媒體和網際網路等課題。
絕招：設計「按讚 Like 」來搜集用戶資訊
Facebook 在 2006 年推出了動態消息板，但是又等了一年才增加「按讚」的功能，而有了這項功能之後，Facebook 才有辦法統計那一些發文是妳感興趣的。同時，Facebook 也可以透過朋友按讚的發文，推測你也會喜歡這個發文。
當「按讚」功能問世之後，Facebook 的動態消息板從以前按照時間順序的簡單列表，轉變為機器學習的產物，它是以你最有可能會感興趣的發文做為排名的依據。它的目的是為了保證你第一眼看到的發文是能夠吸引你的，舉例來說，排列系統會選擇將好朋友新生兒的照片放在第一位，而不是一個點頭之交玩 Facebook 遊戲的最新分數。
有一段時間，Facebook 的「按讚」、「分享」、「留言」和點擊量等指標，還能夠代表網站使用的狀況，但 Cathcart 也承認這些指標不可能做到完美。像是一個搞笑照片米姆 (meme) 可能就會很快速的得到上千萬個人按讚，相反的，一個分析烏克蘭衝突的精闢報導，則會成為 Facebook 演算系統的受害者，因為這樣的文章沒有辦法讓別人用一個簡單的讚就帶過的，導致大家的動態消息板充斥著沒有營養的垃圾訊息。
Facebook 變得只表彰大家「按讚」的故事，而不是大家真正覺得「讚」的文章。
每一次登入，Facebook 的演算系統就會選擇約 1,500 則發文放在你的動態消息板上供你瀏覽
更糟的是，許多上千萬人按讚的 Facebook 發文，竟然是其他上千萬人真心討厭的。這樣的發文包括一些標題聳動的文章，故意吸引你去點它以蒐集按讚數和點擊量，但實際上這些文章只會帶你去充斥著垃圾廣告的頁面，而跟它的標題毫無關聯。在 Facebook 沒有「討厭」這個按鈕，無法讓演算系統知道哪一些發文是使用者不喜歡的。
這樣的狀況層出不窮，大約在一年前，Facebook 終於承認它有「內容品管」的問題。
- Facebook 開始設計新的數據收集形式，來彌補無法取得的資訊
但不只有 Facebook 有這樣的問題，許多需要運用數據分析來驅動決策的公司或產品，都面臨這樣的窘境。那麼，要如何解決呢？對某些人來說，解決方法可能是將數據驅動的分析能力，調合適當比例的人性直覺，來達到平衡。
但 Facebook 的動態消息板是以相當龐大的規模在運作，同時還加入了使用者個人化的大量參數，使得人力無法直接干預。因此，對 Facebook 而言，它的答案是開始設計新的數據收集形式，以彌補按讚、分享、留言、點擊數這些舊系統無法取得的資訊。
三個數據來源幫助了 Facebook 重塑動態消息板的演算方法
其中，三個數據來源幫助了 Facebook 重塑動態消息板的演算方法，讓置頂的發文能夠增加使用者的黏著性。這三種方法分別是問卷調查、A/B 測試、和記錄使用者點擊文章後離開 Facebook 的時間數據，以及使用者回到 Facebook 後的行動。
問卷調查可以得到其他測量工具無法得知道問題。
而 A/B 測試，讓 Facebook 能夠將實驗性的預測放在顯微鏡下檢視，每當 Facebook 開發了新的演算法，它就會拿給一小部份的使用者測試。Cathcart 表示，現在無時無刻都有一千種不同的 Facebook 版本，在不同的用戶組中使用，而 Facebook 會蒐集所有的數據，看看使用者對哪些變化產生正面的回應，而哪些不受歡迎。
舉例來說，Facebook 最近測試了一系列的新系統，為了修正「按讚誘餌」的氾濫。有些文章或發文會明確要求用戶按讚，以提升它們在用戶動態消息板上的排名，增加以後文章的曝光率。
有些媒體擔心 Facebook 會因此對用戶的喜好做出錯誤或不合理的判斷，但事實上，Facebook 已經為此測試了一小群用戶才公布成果，Cathcart 解釋，我們其實很快就發現，接受測試的用戶實際上點文章的機率因此大增。
當用戶點擊了動態消息板上的連結時，Facebook 會很仔細的觀察後續的反應，如果你每次看到紐約時報周刊的文章就會點進去，並且離線一段時間再回來，就算你沒有按這些文章「讚」，我們還是可以推測你對紐約時報周刊的文章很感興趣。
Facebook 也開始仔細區別那些「讚」是在用戶點入文章之前按的，還是之後。
很多人只看文章標題，或迎合他們口味的預告就直接按讚，但如果大多數人讀完文章後，並沒有按讚或分享文章，對 Facebook 來說，這個文章並沒有引起共鳴。
有些人推測，Facebook 在動態消息板上所做的變化是專門針對某些網站，讓它們降級以提升其他人的排名。但 Cathcart 強調情況並非如此，Facebook 定義高品質內容的方式並不是用任何客觀的排名系統，而是根據每個用戶的喜好。如果你愛壹週刊，並覺得看商業週刊會打瞌睡的話，那麼 Facebook 的目標是多給你前者，而減少後者的出現。
為什麼 Facebook 使用者互動成長， Twitter 則是停滯不前
你每一次登入，Facebook 的演算系統平均會選擇 1,500 則發文，置頂在你的動態消息板上供你瀏覽。Cathcart 說，對我們來說，最好的測試就是能夠讓你在這 1500 則發文中，根據發文與你的關聯性，從 1 到 1500 親自排名，這將會是最完美的黃金標準。但是，這樣的測驗就太超過了，甚至對全球數一數二的社群網站 Facebook 而言，皆是如此。
對許多人來說，知道 Facebook 的系統能夠決定展示什麼發文，與選擇隱藏其他內容，這樣的訊息令人不快。
狂熱的 Twitter 用戶極度信賴該平台直接按照時間順序來排列的方式，但這樣的方式則須依賴用戶自己選擇要關注的人，這也是為什麼 Facebook 的互動參與測量系統能夠不斷成長，而 Twitter 則是停滯不前。
就算我們相信我們可以做的比機器演算系統還要好，事實上，我們大多數人都沒有時間每天篩選 1500 個發文，因此，及使我們痛恨 Facebook 像管東管西的父母般幫我們篩選內容的做法，我們還是無法抗拒的不斷使用它。
而也許，如果 Facebook 越來越聰明，能夠找出我們真正喜歡的內容，並排除那些只是按讚數多的發文，我們或許會比現在更喜歡 Facebook 本身也說不定。
（資料來源：Slate ; 圖片來源：pshab, CC Licensed）
Source: techorange.com
Category: 爆橘, Facebook, 商業策略, 雲端/海量數據
