TikTok: como os vídeos são recomendados para cada feed

O TikTok já é um dos aplicativos mais populares da atualidade, o que naturalmente gera desconfianças sobre como o conteúdo chega até o usuário. Para isto, a rede social de vídeos detalhou como o conteúdo do feed #ParaVocê é recomendado.

Em contas novas, o usuário seleciona categorias de interesse que ajudam a adaptar as recomendações. Assim, um feed inicial com vídeos é construído, e é adaptado de acordo com os interesses de cada um. Mas, e depois?

Como o TikTok recomenda conteúdo?

Se usuários novos não selecionam categorias, o feed é criado com vídeos populares. A partir das primeiras curtidas, comentários, replays e pessoas que seguem, as recomendações podem mudar e se tornar mais relevantes.

"O feed #ParaVocê é um dos recursos que definem a plataforma TikTok, mas sabemos que há perguntas sobre como as recomendações são fornecidas ao seu feed", disse a rede social em um comunicado.

Ela diz que o sistema "recomenda o conteúdo classificando os vídeos com base em uma combinação de fatores". Mas quais fatores são analisados para "ensinar" o sistema de recomendações?

• Interações do usuário: vídeos que assiste, curte e compartilha, contas que segue, comentários e vídeos publicados

• Informações de vídeo: legendas, sons, hashtags

• Configurações e conta: idioma, país, tipo de dispositivo

Segundo o TikTok, estes fatores são registrados para obter "melhor performance", porém "recebem um peso menor no sistema de recomendação em relação a outros pontos de dados medidos". Quais são esses pontos?

Ela diz que assistir um vídeo longo do começo ao fim recebe peso maior na recomendação do que métricas como o mesmo país do visualizador e do criador do vídeo. A empresa também cita que ter mais ou menos seguidores – ou vídeos anteriores com alto desempenho – não é um fator determinante para o sistema de recomendação.

Sistema variado

O TikTok destaca que o usuário pode, ainda, usar a opção de "Não estou interessado" ou denunciar (e ocultar) vídeos ou contas. As ações contribuem para as próximas recomendações.

Em outro ponto, é citado que o sistema intercala o conteúdo, mesmo que seja de interesse. Como exemplo, vídeos duplicados não são recomendados, nem vídeos seguidos de um único criador.