Arsitektur Algoritma Media Sosial
Catatan teknis oleh Alindra Setya Ardana tentang bagaimana algoritma media sosial modern bekerja dalam mengatur feed pengguna.
1. Candidate Generation (Penyaringan Awal)
Tahap seleksi dari jutaan konten menjadi ~1.500 kandidat relevan.
In-Network vs Out-of-Network:
- In-Network: Konten dari akun yang Anda ikuti (prioritas kedekatan)
- Out-of-Network: Konten luar berdasarkan:
- Social Graph: Interaksi orang-orang di lingkaran Anda
- Embedding Spaces: Kesamaan minat/topik (misal: komunitas IT)
2. Scoring / Ranking (Pemberian Skor)
Prediksi probabilitas interaksi menggunakan Machine Learning.
Jenis Sinyal:
- High-Value Signals: Share, Save, & Detailed Reply
- Low-Value Signals: Like (bobotnya kini lebih rendah dibandingkan Share)
- Prediction: Model menghitung skor berdasarkan kemungkinan Anda akan menghabiskan waktu pada konten tersebut
3. Re-ranking & Filtering (Penyaringan Akhir)
Pembersihan daftar sebelum ditampilkan di layar.
Filter yang Diterapkan:
- Diversity: Memastikan konten dari penulis yang sama tidak muncul berturut-turut
- Integrity: Filter otomatis terhadap spam, konten sensitif, atau informasi palsu
- Fatigue Filter: Menghapus konten yang sudah pernah Anda lihat agar feed tetap segar
4. Feedback Loop (Sinyal Perilaku)
Sistem pembelajaran terus-menerus berdasarkan respon real-time.
Metrik Utama:
- Dwell Time: Durasi perhatian (berapa detik Anda berhenti men-scroll)
- Negative Signals: Mute, Not Interested, atau Fast Scrolling (melewati konten dengan cepat)
Core Logic: Algoritma modern telah bergeser dari “Clicks” menuju “Attention”. Fokus utama sistem adalah mempertahankan pengguna di dalam aplikasi selama mungkin melalui analisis Dwell Time dan Shareability.