Algoritmo Edgerank- #RevistaTino

Autor: Judiel Reyes Aguilar* / supervc@cenit.cult.cu

Algorithm Edgerank: the visibility in Facebook

Resumen: En el presente artículo se hace una revisión bibliográfica de los fundamentos teóricos del algoritmo Edgerank. Además, se brindan consejos para lograr una mayor visibilidad de los contenidos generados en Facebook. Así como los elementos para responder ante publicaciones con la que no se está de acuerdo.

Palabras claves: Edgerank, Algoritmo, Facebook,Redes sociales

Abstract: This article does a bibliographic revision of the theoretic foundations of the algorithm itself Edgerank. Besides, they offer pieces of advice to achieve a bigger visibility of the contents generated in Facebook. The same as the elements to respond in front of publications with the one that is not itself in accord.

Key words: Edgerank, Algorithm, Facebook, Social networks

La visibilidad en Facebook

Cada red social cuenta con sus propios algoritmos matemáticos, que determinan los contenidos que se hacen visibles para cada usuario en su fuente de noticias. Para ello, se tienen en cuenta criterios que revelan las preferencias de los usuarios. Entre ellos los últimos contenidos visitados, el tiempo de visualización de las publicaciones o el tipo de interacción con estas.

La información que buscamos en la Red pasa por una serie de filtros y clasificaciones. Esto se hace para que los resultados de la búsqueda sean los más cercanos a lo que se está buscando.

Según (Chakrabati et al., 1999) los algoritmos «deben ser capaces de ordenar una búsqueda realizada por una sola palabra que arroje millones de registros».

Los buscadores en la web ordenan los resultados con base en la «cantidad de veces que aparece la palabra clave» (Torres Pombert, 2003). En ocasiones, este método no resulta útil, ya que los resultados pueden estar alejados de la información buscada y carecen de relevancia.

Uno de los algoritmos más influyentes para la visibilidad en Facebook es EdgeRank. El mismo fue presentado en 2010 por los ingenieros de la red social, Suchi Sanghvi y Ari Steinberg (Kincaid, 2010). Este algoritmo establece la prioridad de aparición las publicaciones en su Línea de Tiempo. Así, cada usuario verá una fuente de noticias diferente acorde con sus intereses.

El algoritmo Edgerank y la visibilidad en Facebook

Edgerank es un algoritmo que compone la secuencia de publicaciones en la Línea del Tiempo del usuario de Facebook. El objetivo de este algoritmo es clasificar las relaciones (‘bordes’) entre el contenido y los usuarios. Así, se puede decidir qué publicaciones deben aparecer en las noticias de los usuarios.

Cuando un usuario se une por primera vez a Facebook, tiene pocos amigos y no está suscrito a ninguna página y grupo. En su Línea del Tiempo se van a visualizar los contenidos que publican los pocos amigos que este tiene. Pero al ir incrementando las solicitudes de amistad, va tener asociado un número muy grande de contenidos. De ahí, la necesidad de que estos sean organizados en correspondencia con la relevancia que puedan tener para el usuario.

En 2010, los ingenieros de Facebook presentaron el algoritmo Edgerank, que estima un orden en la Línea del Tiempo de cada usuario. Así, Edgerank organizará la visibilidad en Facebook en correspondencia con los intereses del usuario.

Tipos de entidades en el algoritmo Edgerank

Hay tres tipos principales de entidades que son tenidas en cuenta en el algoritmo Edgerank: usuarios (temas), publicaciones (objetos) y relaciones (calificadores).

Las relaciones funcionan como calificadores para determinar, en qué medida los objetos presentados por los temas, deben estar visibles en el servicio de noticias.

A partir de esta definición hay algunas características a destacar:

  • Primero, los sujetos y objetos nacen a través de sus relaciones entre sí. Una publicación de un usuario de Facebook sin amigos no existe en el mundo de Edgerank.
  • Un usuario sin relaciones con cualquier publicación no puede aparecer en el servicio de noticias (es decir en la Líneas de tiempo de otros usuarios), ya que se basa en las relaciones.
  • Esto quiere decir, que el hecho solo de ser amigo de otro usuario no da criterio para que este vea nuestras publicaciones.
  • Solo si constantemente interactuamos con este usuario, este podrá visualizar nuestras publicaciones.

Características del algoritmo Edgerank y la visibilidad en Facebook

La composición de las publicaciones en la Línea del Tiempo del usuario de Facebook se hace mediante el algoritmo Edgerank, a través de la siguiente fórmula:

Donde:

ue:  es la afinidad entre el usuario que visualiza la información (borde) y el que la crea.

we:  es el peso definido para este borde (qué es lo creado; cantidad de comentarios, me gustas, etiquetas, etc.).

de:  el factor de deterioro en el tiempo basado en el tiempo que ha pasado desde que se creó la publicación (borde).

Análisis de la fórmula del algoritmo Edgerank para la visibilidad en Facebook

El análisis de esta fórmula muestra que:

  • Un objeto se considera más valioso si tiene el potencial de conectarse con los usuarios que mayor relación tiene con el que creo dicho objeto. Mientras mayor sea la relación entre los dos usuarios, mayor probabilidad existe que el contenido de ambos sea visualizado entre sí (Birkbak y Carlsen, 2016).
  • El segundo elemento de la fórmula es el «peso» definido para cada contenido. Este peso dependerá de en qué consiste el contenido en sí y del impacto que logre general en la red. Así, se considera que el contenido visual es más atractivo que el texto, por tanto, el algoritmo Edgerank da una mayor puntación a las publicaciones que incluye audiovisuales (fotos y videos) que los que solo contengan textos.
  • Por otra parte, el impacto de la publicación se mide a partir de la cantidad de me gustas, comentarios y las veces que se han compartido la publicación. Se destaca que para Facebook el comentario de los usuarios tiene un mayor valor que la cantidad de me gusta, ya que requiere de un mayor esfuerzo por parte del usuario
  • Finalmente, Edgerank valora la novedad. Desde el momento en que se establece un borde, este comienza a ‘decaer’, y cuanto más tiempo pasa, es menos relevante para aparecer en las noticias de Facebook (Birkbak y Carlsen, 2016). Sin embrago, después de la creación de una publicación, un me gustas o un comentar, por ejemplo, puede renovar la ‘frescura’ del objeto.

Evolución y tendencias actuales del algoritmo Edgerank en la visibilidad en Facebook

En 2012, Facebook creó un nuevo muro, Pages feed, en el que aparecen exclusivamente las publicaciones de las páginas que seguimos (Núñez, 2012). Asimismo, esta actualización modificó EdgeRank, haciendo que las páginas vieran cómo su alcance disminuía.

Los continuos reclamos de los usuarios hicieron que en el 2014 Facebook actualiza su algoritmo para luchar contra el clickbaiting (Montells, 2017). Así, si el usuario permanece fuera de la plataforma durante un tiempo prolongado, el contenido será de su interés. También, esa actualización de EdgeRank estudia el tiempo que pasa un usuario fuera de la red social.

Otras tendencias que se analizaron con esa actualización del algoritmo fueron las interacciones. Si la noticia cuenta con numerosas visitas, pero las interacciones son escasas (comentarios, me gusta o comparticiones), esta se considera un clickbait.

El mostrar las noticias más relevantes para las personas que utilizan Facebook fue la prioridad de la actualización de EdgeRank en 2016 (Peysakhovich y Hendrix, 2016). Con esta modificación, las noticias clickbait continúan apareciendo en el muro. Pero no en las primeras posiciones, ya que son las publicaciones de amigos y familiares las que se colocan en estos puestos.

En enero de 2018, EdgeRank realizó una nueva actualización. En ella se prioriza el contenido de contactos en lugar de las publicaciones de páginas de empresas o medios de comunicación.

También, se premia la interacción entre usuarios, donde las comparticiones consiguen la mayor puntuación, seguidas de los comentarios y los me gusta. Aquellas publicaciones que contienen vídeos de más de 60 segundos o las transmisiones en directo se posicionan mejor y consiguen un mayor alcance. Sin embargo, se penalizan las publicaciones que redirigen a páginas fuera de la red social. Así, Facebook intenta eliminar el clickbait de la red social.

¿Cómo lograr mayor visibilidad de las publicaciones en Facebook?

  • Como vemos en el algoritmo Edgerank, para lograr la visibilidad en Facebook es necesario crear compromiso con otros usuarios. También, esto se alcanza interactuando con otros usuarios.
  • El algoritmo Edgerank puntúa de forma positiva los elementos audiovisuales. Por ello se recomienda, siempre que sea posible, incorporar imágenes al mismo.
  • Actualmente Facebook da mayor peso a las publicaciones que contienen videos, sobre todo si este tiene más de 60 segundos. Por lo que incluir videos, en la medida de los posible, también es una buena estrategia para que alcanzar visibilidad.
  • Facebook ha establecido mecanismos para combatir los clickbait (Palomares y Gomes-Franco, 2019) y las fakenews. Por lo que siempre que se comparta un enlace, es importante verificar que el título corresponde realmente con la noticia que brinda el mismo.
  • Los comentarios muy puntuados en el algoritmo Edgerank. es por ello que muchos usuarios piden comentar sus contenidos. Otros solicitan que le regalen un hola para saber que vieron el contenido. Y algunos finalizan haciendo preguntas del tipo y tú qué crees o qué opinas de este tema.

¿Qué hacer ante una publicación con la que no se está de acuerdo?

Algunos especialistas han definido a Facebook como un campo de batalla. Que genera un grupo de criterios adversos y muchas veces que desinforman a la población. Pero ¿qué hacer cuando no estamos de acuerdo con este tipo de publicaciones?

Muchos simplemente dejan su comentario, expresando su desacuerdo. Pero este comentario le da, sin querer, un mayor puntaje a ese contenido y por tanto una mayor trascendencia y visibilidad en Facebook. Esto es algo que precisamente no es lo que queremos.

Por tanto, el comentario directo en este tipo de publicaciones, no resulta una buena solución en su enfrentamiento. Tampoco lo es compartir la publicación con un comentario.

La solución que han encontrado algunos usuarios es tomar una captura de pantalla (print-screen)de la publicación y subirla como imagen. Luego hacer una nueva publicación rebatiendo lo que consideramos en desacuerdo.

Además, si etiquetamos o citamos al usuario que genero la publicación primaria, estamos retándolo a que comente nuestra publicación. Así, que sea la nuestra la que adquiera trascendencia en la red.

¿Por qué Facebook no incluye un botón de «No me gusta»?

De esta forma, Facebook no incluye un botón de «No me gusta». Para ello, la empresa advierte que, al no tener interacción con un contenido, este no logra alcanzar trascendencia ni visibilidad. Así, el mejor «no me gusta» que podemos dar es no interactuar directamente con contenido (Gurevich, 2016).

Igualmente, cuando estamos dentro de un grupo, podemos reportar a los administradores que no estamos de acuerdo con estos contenidos y las razones de ello. Ante la notificación de este reporte, el administrador del grupo puede eliminar dicha publicación. También podemos bloquear al usuario que genero este contenido en el grupo, de esta manera estamos dándole un puntaje negativo a sus contenidos.

El algoritmo EdgeRank es una pieza clave en la visibilidad en Facebook. El mismo organiza, regula y controla los contenidos que los usuarios van a visualizar en su Línea del Tiempo. Así, a partir del conocimiento del funcionamiento de este algoritmo se pueden establecer estrategias comunicacionales para optimizar el posicionamiento de los contenidos en Facebook. Asimismo, estas estrategias se centran en conocer a los usuarios, en tener una relación más directa y estar en contacto con ellos.

Referencias Bibliográficas

  • Chakrabati, S., Dom, B., Gibson, D., Kleinberg, J., Kumar, S., Raghavan, P. y Tomkins, A. (1999). Mining the link structure of the World Wide Web. IEEE Computer, 32(8), 60-67. Disponible en: https://www.cs.cornell.edu/home/kleinber/ieee99-web.pdf
  • Torres Pombert, A. (2003). El uso de los buscadores en Internet. ACIMED, 11(3), 7-8. Disponible  en: http://scielo.sld.cu/scielo.php?pid=S1024-94352003000300004&script=sci_arttext&tlng=pt
  • Kincaid, J. (2010). EdgeRank: The secret sauce that makes Facebook’s news feed tick. TechCrunch, April
  • Birkbak, A. y Carlsen, H. (2016). The world of Edgerank: Rhetorical justifications of Facebook’s News Feed algorithm. Computational Culture (5), Special Issue on Rhetoric and Computation. Disponible en: http://static-curis.ku.dk/portal/files/185069826/Computational_Culture.pdf
  • Montells, L. (2017). Qué es EdgeRank o cómo funciona el algoritmo de Facebook. Metricool: Metricool. Disponible en: https://metricool.com/es/que-es-edgerank-o-como-funciona-el-algoritmo-de-facebook/
  • Núñez, V. (2012). Descubre por qué tus publicaciones en Facebook ya no consiguen el mismo impacto. Problema & Solución.
  • Palomares, P. J. y Gomes-Franco, F. (2019). Visibilidad de la información en redes sociales: los algoritmos de Facebook y su influencia en el clickbait. Caleidoscopio-Revista Semestral de Ciencias Sociales y Humanidades(41), 173-211. Disponiblen en: https://revistas.uaa.mx/index.php/caleidoscopio/article/view/1772
  • Peysakhovich, A., & Hendrix, K. (2016). Further Reducing Clickbait in Feed. Facebook Newsroom. Disponible en: https://about.fb.com/news/2016/08/news-feed-fyi-further-reducing-clickbait-in-feed/
  • Gurevich, A. (2016). El tiempo todo en Facebook. Aposta. Revista de Ciencias Sociales(69), 217-238. Disponible en: http://www.apostadigital.com/revistav3/hemeroteca/gurevich.pdf

*Judiel Reyes Aguilar: Graduado de Ingeniero de Telecomunicaciones y Electrónica en la Universidad Central de Las Villas (UCLV) en 2012. Recibió el grado de Master en Ciencias Telemáticas en el 2017 en la UCLV. Tiene la Categoría de Profesor Instructor de la UCLV y Profesor Investigador del Centro Provincial de Superación para la Cultura de Villa Clara. Es miembro de la Unión de Informáticos de Cuba.

Enlaces relacionados

Historial de búsqueda de Facebook en la Revista Tino Número 68

Facebook: estadística y stickers en la Revista Tino Número 68

Deja una respuesta

Tu dirección de correo electrónico no será publicada.