نقش هوش مصنوعی متا در افزایش زمان حضور کاربران در اینستاگرام
پشت پرده اینستاگرام؛ متا چگونه با هوش مصنوعی زمان حضور کاربران را افزایش میدهد؟
اگر این روزها احساس میکنید بستن اینستاگرام از همیشه سختتر شده، شاید دلیل آن فقط جذابتر شدن ویدئوها نباشد. متا میگوید نسل جدید هوش مصنوعی این شرکت توانسته کیفیت پیشنهاد محتوای اینستاگرام را به شکل محسوسی افزایش دهد. اما این بهبود، یک هدف تجاری روشن را هم دنبال میکند: نگه داشتن کاربران برای مدت طولانیتر در این پلتفرم.
تا چند سال پیش، اینستاگرام تلاش میکرد محتوایی را به شما نشان دهد که احتمالاً دوستش داشته باشید. اما حالا هدف الگوریتمهای این شبکه اجتماعی یک گام فراتر رفته است. متا میگوید نسل جدید هوش مصنوعی این شرکت توانسته کیفیت پیشنهاد محتوا را به شکل محسوسی افزایش دهد. اما نتیجه این پیشرفت تنها نمایش پستهای مرتبطتر نیست. بلکه افزایش مدت زمانی است که کاربران در اینستاگرام سپری میکنند.
بنابر گزارش Digital Trends، اظهارات مدیران متا در جریان ارائه گزارش مالی سهماهه دوم ۲۰۲۶ نشان میدهد مدلهای هوش مصنوعی جدید این شرکت، بهویژه مدلهای زبانی بزرگ (LLM)، اکنون به بخش جداییناپذیر موتور پیشنهاددهنده (Recommendation Engine) اینستاگرام تبدیل شدهاند.
اینستاگرام دیگر فقط سلیقه شما را یاد نمیگیرد
سالها الگوریتم اینستاگرام بر پایه سیگنالهای نسبتاً سادهای مانند لایک، کامنت، دنبال کردن صفحات و سابقه تعامل کاربران کار میکرد. اما متا اکنون از نسلی جدید از مدلهای هوش مصنوعی استفاده میکند که به جای تکیه صرف بر این دادهها، خود محتوا را نیز درک و تحلیل میکنند.
به گفته مدیران متا، مدلهای زبانی بزرگ تنها متن یک پست را نمیخوانند. بلکه موضوع، مفهوم، ارتباط میان موضوعات، کیفیت محتوا، روندهای نوظهور و حتی تغییرات تدریجی سلیقه کاربران را نیز تحلیل میکنند. این تحلیل به سیستم کمک میکند پیشبینی کند نمایش کدام محتوا بیشترین احتمال تعامل را خواهد داشت.
به بیان ساده، اگر الگوریتمهای قدیمی پاسخ این سؤال را جستوجو میکردند که «کاربر چه چیزی را دوست دارد؟»، الگوریتمهای جدید بیشتر به دنبال پاسخ این سؤال هستند که «چه محتوایی باعث میشود کاربر چند دقیقه بیشتر در اینستاگرام بماند؟»
هوش مصنوعی چگونه رفتار کاربران را پیشبینی میکند؟
قدرت الگوریتم جدید تنها به تحلیل خود محتوا محدود نمیشود. این سیستم به طور همزمان مجموعه بزرگی از رفتارهای کاربران را نیز زیر نظر میگیرد؛ از جمله:
مدت زمانی که روی هر پست مکث میکنید.
اینکه یک ویدئو را تا انتها میبینید یا در چند ثانیه رد میکنید.
بازگشت دوباره به یک پست یا Reel.
ذخیره یا ارسال محتوا برای دیگران.
سرعت اسکرول میان پستها.
الگوهای کلی تعامل با موضوعات مختلف.
این اطلاعات در کنار تحلیل معنایی محتوا، تصویری بسیار دقیقتر از علایق و الگوهای رفتاری کاربران در اختیار سیستم قرار میدهد. موضوعی که به الگوریتم کمک میکند پیشنهاد بعدی را با احتمال بیشتری انتخاب کند.
هدف نهایی؛ افزایش زمان حضور کاربران
متا در گزارش مالی خود صراحتاً اعلام کرده که استفاده گستردهتر از هوش مصنوعی باعث افزایش دو رقمی زمان حضور کاربران در اینستاگرام شده است. این موضوع از نگاه فنی تنها یک شاخص عملکرد نیست. بلکه مستقیماً با مدل درآمدی این شرکت ارتباط دارد.
بخش عمده درآمد متا همچنان از تبلیغات تأمین میشود. هرچه کاربران زمان بیشتری را در اینستاگرام سپری کنند، فرصت بیشتری برای نمایش تبلیغات ایجاد خواهد شد. به همین دلیل، سرمایهگذاری چند ده میلیارد دلاری این شرکت در توسعه مراکز داده، تراشهها و مدلهای هوش مصنوعی، تنها یک پروژه فناورانه نیست. بلکه بخشی از راهبرد اقتصادی متا برای افزایش تعامل کاربران و رشد درآمد تبلیغاتی محسوب میشود.
اینستاگرام امروز با گذشته تفاوت دارد
شاید مهمترین تغییری که بسیاری از کاربران متوجه آن نشدهاند، تحول نقش الگوریتم در اینستاگرام باشد.
در سالهای ابتدایی، Feed اینستاگرام عمدتاً از محتوای دوستان و صفحاتی تشکیل میشد که کاربر آنها را دنبال کرده بود. اما امروز بخش بزرگی از محتوایی که در Feed و بهویژه Reels مشاهده میکنید، توسط هوش مصنوعی انتخاب میشود. حتی اگر پیش از این هیچ ارتباط مستقیمی با سازنده آن محتوا نداشته باشید.
به عبارت دیگر، اینستاگرام بیش از آنکه یک شبکه اجتماعی مبتنی بر دنبال کردن افراد باشد، به یک سیستم پیشنهاد محتوای مبتنی بر هوش مصنوعی تبدیل شده است. رویکردی که شباهت زیادی به مدل موفق TikTok دارد.
LLMها فقط چتبات نیستند
با شنیدن عبارت «مدل زبانی بزرگ»، بسیاری از کاربران به یاد ChatGPT میافتند. اما نقش این فناوری در اینستاگرام کاملاً متفاوت است.
در اینجا LLMها وظیفه گفتوگو با کاربر را بر عهده ندارند. بلکه مانند یک موتور تحلیل محتوا عمل میکنند. این مدلها میتوانند مفهوم یک پست، ارتباط آن با سایر موضوعات، کیفیت متن و حتی زمینه کلی محتوا را درک کنند. این درک به سیستم پیشنهاددهنده کمک میکند تصمیمهای دقیقتری بگیرد.
همین درک عمیقتر از محتوا باعث شده متا بتواند پیشنهادهایی ارائه دهد که صرفاً بر اساس هشتگ یا لایکهای قبلی کاربران شکل نگرفتهاند.
آیا متا کاربران را «معتاد» میکند؟
استفاده از چنین واژهای از نظر علمی و حقوقی دقیق نیست و خود متا نیز هرگز چنین ادعایی مطرح نکرده است. آنچه این شرکت رسماً اعلام کرده، افزایش زمان حضور کاربران و بهبود تعامل آنها با محتوا به کمک هوش مصنوعی است.
با این حال، این موضوع بار دیگر بحث قدیمی «اقتصاد توجه» را زنده کرده است. مدلی که در آن، توجه کاربر به ارزشمندترین دارایی یک پلتفرم تبدیل میشود. در چنین مدلی، موفقیت یک الگوریتم تنها به نمایش محتوای جذاب محدود نیست. بلکه به توانایی آن در حفظ توجه کاربر برای مدت طولانیتر نیز بستگی دارد.
رقابت جدید؛ جنگ بر سر توجه کاربران
رقابت امروز شرکتهای فناوری دیگر تنها بر سر ساخت هوش مصنوعی قدرتمندتر نیست. بلکه بر سر این است که کدام پلتفرم بهتر میتواند رفتار کاربران را درک و پیشبینی کند.
اظهارات اخیر متا نشان میدهد این شرکت هوش مصنوعی را از یک ابزار جانبی به هسته اصلی اینستاگرام تبدیل کرده است. تغییری که احتمالاً در سالهای آینده بیش از پیش بر نحوه کشف محتوا، تعامل کاربران و حتی مدت زمانی که روزانه در شبکههای اجتماعی سپری میکنیم تأثیر خواهد گذاشت.
شاید به همین دلیل باشد که این روزها بارها تصمیم میگیرید «فقط یک ویدئوی دیگر» ببینید، اما دقایقی بعد متوجه میشوید زمان بسیار بیشتری از آنچه تصور میکردید در اینستاگرام گذشته است. این الزاماً به معنای وجود یک «الگوریتم اعتیاد» نیست. اما نشان میدهد موتورهای توصیهگر مبتنی بر هوش مصنوعی بیش از هر زمان دیگری در جلب و حفظ توجه کاربران موفق شدهاند. توجهی که امروز ارزشمندترین سرمایه برای غولهای شبکههای اجتماعی به شمار میرود.










اولین دیدگاه را ثبت کنید