ทำความเข้าใจหลักการ และการทำงานของ TikTok Algorithm

สวัสดีค่ะทุกท่าน,,,, ขอต้อนรับเข้าสู่บทความที่ 2 ของ Algorithm the Series ต่อจากบทความก่อนหน้าที่เราพูดถึงอัลกอ’ ของ Facebook กันไปแล้ว โดยในบทความนี้เราจะมาเจาะลึกถึงโซเชียลมีเดียแพลตฟอร์มที่ร้อนแรงไม่แพ้กัน โดยเฉพาะกับกลุ่มผู้ใช้งานที่เป็นชาว GenZ นั่นก็คือ TikTok Algorithm ค่ะ

โดยสิ่งที่เราจะมาอธิบายกันในวันนี้คือ ส่วนของ AI ที่อยู่เบื้องหลัง TikTok ในรูปแบบของ “Addictive Algorithm” ซึ่งจริงๆ แล้วคำนี้ก็ไม่ได้เป็นคำทางการหรือชื่อเฉพาะของอัลกอริทึมของ TikTok ค่ะ แต่เป็น Method ที่ใช้อธิบายถึงความสามารถของระบบคัดเลือกเนื้อหาของ TikTok ที่จะทำให้ผู้ใช้งานอย่างเราๆ ต้องการดูวิดีโอต่อไปเรื่อยๆ อย่างไม่สิ้นสุด

ซึ่งอัลกอริทึมนี้ ถือเป็นหัวใจสำคัญและมีความซับซ้อนมากๆ ในการเลือกแนะนำเนื้อหาที่เหมาะสมให้กับผู้ใช้งาน โดยใช้ AI ในการเรียนรู้จากข้อมูลการรับชมวิดีโอ, การกด “ถูกใจ”, กดแชร์ หรือแสดงความคิดเห็น และพฤติกรรมการตอบสนองมาแนะนำเนื้อหาที่เหมาะสม หรือน่าสนใจให้กับผู้ใช้งานมากยิ่งขึ้นๆ ในวิดีโอต่อไป

โดยหลักการของ TikTok Recommender Algorithm มีโครงสร้างการพิจารณาแบ่งเป็น Layers และแต่ละ Layers มีรายละเอียดดังต่อไปนี้

• Daily active use: ซึ่งจะทำการพิจารณาว่า Active User ในแต่ละวันมีจำนวนเท่าไร และในส่วนนี้จะทำการเจาะลึกลงไปอีกว่า ผู้ใช้งานแต่ละกลุ่มมีความสนในเนื้อหาประเภทใดบ้าง ผ่านการพิจารณาใน Layers ถัดไปดังนี้
• Time spent Retention: เป็นส่วนของการชี้วัดว่าผู้ใช้งาน ใช้เวลาเท่าไหร่ในการใช้งานแอปพลิเคชัน TikTok ซึ่งหมายความไปถึงความสามารถในการรักษาผู้ใช้งานให้ยังคงเข้ามารับชมเนื้อหาใน TikTok อย่างต่อเนื่อง 📈😉 ซึ่งในบริบทของ TikTok นั้น “time spent retention” เป็นสิ่งที่สามารถช่วยสรุปภาพรวมของความสนใจของผู้ใช้งานได้ นั่นคือ เราสามารถเห็นได้ว่าผู้ใช้งานใช้เวลามากน้อยขนาดไหน ในการดูวิดีโอต่างๆ และว่าพวกเขากลับมาใช้งานแอปพลิเคชันภายในระยะเวลาที่กำหนดหรือไม่ค่ะ โดยการมี “Time spent retention” สูง เป็นการแสดงว่าผู้ใช้งานใช้เวลากับแอปพลิเคชันมาก และยังคงกลับมาใช้งานอีกต่อไป ซึ่งเป็นสัญญาณที่ดีต่อความสำเร็จของแอปพลิเคชัน เนื่องจากแสดงถึงความสนใจและความผูกพันของผู้ใช้งาน 🎑✨ และนี่และค่ะ คือสิ่งที่ TikTok พยายามจะทำผ่านการวิเคราะห์ข้อมูลจาก 2 ส่วนต่อไปนี้ ที่เป็น Algorithm หลักเพื่อใช้คัดเลือกการนำเสนอเป็นวิดีโอต่อไปของ TikTok ให้ใช้ผู้ใช้งาน

ว่าแล้ว,,,, เราก็มาดูส่วนประกอบและรายละเอียดของ Algorithm ดังกล่าวไปพร้อมๆ กันเลยค่ะ ♪(^∇^*)

#1 Quality of videos in “For-you” feed:

รายละเอียดในเลเยอร์นี้จาก Recommender Algorithm จะหมายถึง คุณภาพหรือความน่าสนใจของวิดีโอที่ถูกแสดงในฟีด “For You” หรือ “FYP” ของผู้ใช้งาน TikTok

โดยหน้าฟีด “For You” เป็นหน้าหลักที่ผู้ใช้ TikTok จะเจอเมื่อเปิดแอป ซึ่งประกอบด้วยวิดีโอที่ TikTok Algorithm คิดว่าเหมาะสมหรือน่าสนใจสำหรับผู้ใช้งานแต่ละคน โดยอัลกอริทึมจะพิจารณาจากการตอบสนอง, ความสนใจ, และพฤติกรรมการใช้งานของผู้ใช้งาน รวมถึงคุณภาพของเนื้อหาเอง

ซึ่งจากคำว่า “Quality of videos” อาจทำให้ทุกท่านเข้าใจถึงคุณภาพของวิดีโอ แต่สำหรับใน TikTok นั้นไม่ได้หมายถึงเฉพาะความคมชัดหรือระดับของวิดีโอเท่านั้นนะคะ แต่ยังรวมถึงความเป็นมาของวิดีโอ, ความสร้างสรรค์ (Creativity), ความเป็นที่นิยม และความเหมาะสมกับผู้ใช้งานแบบ Personalized (คล้ายกับอัลกอริทึมของ Facebook เลยใช่ไหมคะ^^)

และเมื่อวิดีโอมีคุณภาพสูง จะส่งผลให้ผู้ใช้งานมีโอกาสที่จะสนใจและมี Engagement ที่มากขึ้น ซึ่งส่วนนี้ชี้วัดจากการกด “ถูกใจ”, การแชร์ รวมถึงการแสดงความคิดเห็น ซึ่งทำให้วิดีโอนั้นได้รับความนิยม และเผยแพร่อย่างรวดเร็วใน TikTok => ซึ่งจุดนี้เองค่ะเป็นสิ่งที่พวกเราต้องพยายามทำให้วิดีโอของเรามี “Quality” ตามนิยามดังกล่าวข้างต้นของ TikTok ให้ได้^^

ซึ่งจากที่อธิบายมาทั้งหมดข้างต้น นิกขอสรุปเป็น Bullet เพื่อให้เห็นภาพชัดเจนกันมากขึ้นในส่วนของ Algorithm สำหรับฟีด “For you” ในสิ่งที่ชาว TikTok Creator ต้องพิจารณาดังนี้ค่ะ

• User Interaction หรือการตอบสนองของผู้ใช้งาน ประกอบด้วย 2 องค์ประกอบที่อัลกอริทึมพิจารณาได้แก่
  • Likes, Comments: จำนวนการกดถูกใจ และการคอมเมนต์
  • Play time: ผู้เล่นดูคลิปเรานานขนาดไหน, ดูจนจบไหม, ดูหลายรอบไหม
• Creation Quality ประกอบด้วย
  • Publish rate: อัตราการสร้างเนื้อหาของเรา ว่าสร้างบ่อยขนาดไหน ซึ่งยิ่งสม่ำเสมอยิ่งดีค่ะ
  • Creation retention: อัตราการสร้างและแชร์เนื้อหา หรือมีส่วนร่วมในแพลตฟอร์ม
  • Creator monetization: ขออธิบายด้วยภาพด้านล่างนี้ค่ะ^^

#2 ฟีเจอร์อื่นๆ สำหรับ TikTok Algorithm ได้แก่ Live streaming, social และ POI:

โดยแต่ะละฟีเจอร์มีรายละเอียดที่จะต้องพิจารณาดังนี้ค่ะ

1. Live streaming: ในส่วนนี้ TikTok จะมีฟีเจอร์ที่เรียกว่า “Live” ซึ่งให้ผู้ใช้สามารถสตรีมวิดีโอสดไปยังผู้ติดตามของตนเองหรือผู้ใช้งาน TikTok ทั่วไปได้ โดยที่ผู้รับชมสามารถตอบสนองต่อผู้สตรีมในขณะที่กำลังสตรีมสด ซึ่งส่วนนี้เองค่ะ ที่อัลกอริทึมจะพิจารณาว่ามีอัตราการตอบสนองในรูปแบบใดบ้าง และมีอัตราการตอบสนอง เยอะมากแค่ไหน
2. Social: เนื่องจาก TikTok เป็นแอปพลิเคชันที่เน้นความสัมพันธ์แบบ “Social” ซึ่งนั่นหมายความว่า แพลตฟอร์มนี้ต้องการให้ผู้ใช้งานสามารถติดตามผู้ใช้อื่น หรือกด “ถูกใจ”, แชร์, แสดงความคิดเห็น, และมีการสื่อสารระหว่างกัน ซึ่งในอัลกอริทึมนี้จะทำการเผยแพร่เนื้อหา ที่มีค่าการประเมินในฟีเจอร์นี้สูงไปอย่างรวดเร็ว เป็นวงกว้าง เพื่อสร้างความผูกพันในรูปแบบของคำว่า “Social” ที่เป็น Community ให้กับผู้ใช้
3. POI หรือ Point of Interest: ในบริบทของ TikTok นั้น “POI” จะหมายถึง “จุดที่น่าสนใจ” (ซึ่งก็ตามแปลได้ตามชื่อของภาษาอังกฤษเลยค่ะ) โดย POI เป็นข้อมูลสถานที่ หรือ “Situations” ที่ผู้ใช้งานอาจสนใจ เช่น ร้านค้า, สถานที่ท่องเที่ยว, หรือกิจกรรมต่างๆ โดย POI สามารถเป็นได้ทั้งเนื้อหาที่นำเสนอเกี่ยวกับสถานที่ หรือกิจกรรมน่าสนใจนั่นเองค่ะ

TikTok Recommendation System: Feedback loop

นอกจาก TikTok จะมีอัลกอริทึมที่เอาไว้เลือกสิ่งที่จะแสดงในฟีด “For you” ดังกล่าวข้างต้นแล้ว ความเท่อีกอย่างหนึ่งของ TikTok ก็คือการมี “Feedback loop” ซึ่งก็คือกระบวนการในการติดตามผลลัพธ์ว่า สิ่งที่ Algorithm นั้น Provide ให้กับผู้ใช้งานนั้นได้รับการตอบสนองเป็นอย่างไรบ้าง เหมาะสม หรือไม่เหมาะสม ตามหลักการแบบ Personalized โดยส่วนนี้นิกแอบกระซิบเลยค่ะว่าถือเป็นหัวใจสำคัญของ AI Algorithm ในทุกโมเดล ในการประเมินความสามารถของโมเดลของเรา (*/ω＼*)

โดยต่อเนื่องจากการที่ TikTok มีระบบ “Feed” ให้เนื้อหาที่ถูกออกแบบมาเพื่อรองรับความชอบของแต่ละผู้ใช้งาน (Personalized) ซึ่งจะแสดงเนื้อหาที่ถูกปรับแต่งให้เหมาะสม

ซึ่งกระบวนการนี้เป็น AI ในรูปแบบ Deep learning ที่แทรก Feedback Loop ที่ชื่อว่า “Monolith” ซึ่งใช้เทคนิคที่เรียกว่า “Collisionless embedding” ที่เป็นวิธีการแทรกข้อมูลแบบไม่มีการชนกัน และการประมวลผลข้อมูลที่เกิดขึ้นตลอดเวลา,,,, อ่านแล้วงงไหมค่ะ 55+

สรุปง่ายๆ คือ TikTok มี “Monolith” ซึ่งเป็นเครื่องมือที่ช่วยให้สามารถเรียนรู้ และเข้าใจความชอบของผู้ใช้งานได้อย่างต่อเนื่องเป็น Loop ของฟีดแบคต่อกันไปไม่รู้จบ จากการตอบสนองของผู้ใช้งานเอง เพื่อนำไปสู่การแนะนำเนื้อหาที่ตรงกับความต้องการที่เปลี่ยนแปลงไปได้ตลอดเวลาการใช้งานแพลตฟอร์ม

แล้วเราจะต้องทำอย่างไร?

ด้วยการทำความเข้าใจ AI ที่อยู่เบื้องหลังอัลกอริทึมของ TikTok นี่เองค่ะ ทำให้เราสามารถใช้ประโยชน์จากระบบที่มีความซับซ้อนนี้ เพื่อประโยชน์ของเราได้ ซึ่งมีส่วนทำให้ยอดผู้ติดตาม หรือยอดชมวิดีโอของเรามีเพิ่มสูงขึ้นโดยไม่จำเป็นต้องใช้ #อย่าปิดการมองเห็น เพราะเราจะเข้าไปเป็นส่วนหนึ่งในการเปิดประสบการณ์ของผู้ใช้ที่น่าติดตามของแพลตฟอร์มนี้ แบบ Real-time (เพราะ TikTok มี Feedback Loop)

โดยหลักนิกขอสรุปหลักสำคัญในการสร้างคอนเทนต์บน TikTok ให้ได้รับ Engagement และมียอดการมองเห็นที่สูง เพื่อความยั่งยืนของคอนเทนต์ของเราเป็นหลักการจำนวน 4 ข้อดังนี้ค่ะ

1. เนื้อหาต้องเป็นที่น่าสนใจและเป็นที่ชื่นชอบ: โดยเน้นไปที่วิดีโอที่ทันสมัย วิดีโอที่มีความสนุกสนาน (จากสถิติวิดีโอประเภทนี้มีการเข้าถึง และชมซ้ำค่อนข้างสูง), สร้างสรรค์ และตอบสนองต่อกระแสที่เกิดขึ้นในสังคม ณ ขณะนั้น =>> เพราะฉะนั้น ท่ามกลางคอนเทนต์ที่เป็นเนื้อหาหลักของช่องเรา เราต้องทำวิดีโอที่อยู่ในกระแสสังคมออกมาแทรกบ้าง เพื่อเพิ่มค่าประเมินให้ AI ในส่วนนี้นั่นเองค่ะ
2. คุณภาพของวิดีโอ: การมีความชัดในวิดีโอ, การเปลี่ยนมุมกล้องที่ไม่สะดุดตา, หรือมีเสียงที่ดี สามารถเพิ่มความน่าสนใจของผู้ชมได้ และเพิ่มอัตราการชมซ้ำได้
3. การมีส่วนร่วมของผู้ชม: ส่วนนี้เป็นการเพิ่ม Encourages ของผู้ชมให้มีการมีส่วนร่วมด้วยการทำ “Challenge” ใหม่ๆ หรือสร้างเนื้อหาที่เป็นลักษณะที่ต้องมมีการตอบสนองต่อเนื้อหา เช่น “คำถาม” หรือ “โพล” ตามหัวข้อที่กำลังเป็นที่นิยมสามารถช่วยเพิ่ม Engagement ได้อีกช่องทางหนึ่ง
4. ใช้งาน #hashtag และเพลงที่กำลังเป็นกระแส: การใช้ #hashtag ที่เกี่ยวข้องกับเนื้อหาวิดีโอ หรือการใช้เพลงที่กำลังเป็นที่นิยมใน TikTok จะช่วยให้วิดีโอของเราสามารถอยู่ใน Trends และถูกเสนอแนะไปยังกลุ่มคนที่สนใจ และขึ้นฟีด “For You” ได้ในวงกว้าง

Last but not Least…

บทความนี้ก็เป็นบทความที่ 2 ในส่วนของแพลตฟอร์ม Algorithm the series ค่ะ ซึ่งนิกคิดว่าน่าจะทำให้ทุกท่านมีความเข้าใจ และเห็นภาพที่ชัดเจนขึ้นของกระบวนการที่อยู่ภายในการคัดเลือกเนื้อหาใหม่ๆ มานำเสนอให้กับผู้ใช้งานของแพลตฟอร์มต่างๆ ได้อย่างชัดเจนขึ้น โดยแต่ละแพลตฟอร์มก็จะมีความเหมือนและความแตกต่างของอัลกอริทึมที่ไม่เหมือนกัน

ทั้งนี้สำหรับเพื่อนๆ ที่สนใจในส่วนของบทความก่อนหน้าที่เป็นเรื่องของ Facebook สามารถเข้าไปติดตามอ่านได้ที่ Link ด้านล่างนี้นะคะ,,,, แล้วก็ถ้าลองแล้วได้ผลลัพธ์เป็นอย่างไร ก็สามารถมาแชร์ให้นิกและเพื่อนๆ อ่านได้ในคอมเมนต์ค่ะ,,,, (❁´◡`❁)