Twitter'ın algoritma sıralama faktörleri: Kesin bir rehber

Twitter patentleri ve diğer yayınlar, kullanıcıların zaman çizelgesi beslemelerinde tweet'lerin nasıl tanıtıldığının olası yönlerini ortaya koymaktadır.

Twitter'ın zaman çizelgesi sıralama faktörlerinden bazıları çok şaşırtıcıdır ve Tweetleme yaklaşımınızı ayarlamak, Tweetlerinizin daha fazla görünürlüğünü elde etmenize yardımcı olabilir.

Bir dizi önemli patente ve diğer kaynaklara dayanarak, burada Twitter'ın algoritması için bir dizi olası sıralama faktörünü özetledim.

Twitter zaman çizelgesi

Twitter, algoritma tabanlı bir zaman çizelgesi kullanmaya ilk kez 2016 yılında, takip edilen tüm hesaplardan gelen tamamen kronolojik bir Tweet beslemesinden geçtiğinde başladı. Değişiklik, kullanıcıların zaman çizelgelerini "önce en iyi Tweetleri" görmelerini sağlayacak şekilde sıraladı. Twitter o zamandan beri bunun varyasyonlarını bugüne kadar denedi.

Sosyal medya için besleme tabanlı bir algoritma olağandışı değildir. Facebook ve diğer sosyal medya platformları da aynısını yaptı.

Algoritmik bir zaman çizelgesi Tweetleri karışımındaki bu değişikliğin nedenleri oldukça açık. Yalnızca takip edilen hesaplardan oluşan tamamen kişisel, kronolojik bir zaman çizelgesi çok sessizdir ve bu nedenle sınırlıdır - kişinin doğrudan bağlantılarının ötesindeki hesaplardan gönderileri tanıtması, kişinin platformda harcadığı zamanı artırma potansiyeline sahiptir ve bu da genel yapışkanlığı artırır, bu da hizmetin reklamcılara ve veri ortaklarına değerini artırır.

Kullanıcıların çeşitli ilgi alanı sınıflandırmaları ve hesapları ve tweet'leriyle ilişkili ilgi konuları, ayrıca kullanıcı demografisi ve içerik konularına dayalı olarak reklam hedefleme potansiyeli sağlar.

Twitter uzman kullanıcıları, algoritma içinde daha fazla görünürlük ile sonuçlanabilecek çeşitli Tweet faktörleri hakkında bazı sezgiler geliştirmiş olabilir.

Patentler hakkında bir hatırlatma

Şirketler, canlı hizmette fiilen kullanmadıkları buluşlar için her zaman patent kaydederler. Verizon'da çalışırken, iş arkadaşlarımla birlikte çalışmamız sırasında geliştirdiğimiz çeşitli icatlar için kişisel olarak bir dizi patent taslağı yazdım - üretimde kullanmadığımız şeyler de dahil.

Dolayısıyla, Twitter'ın işlerin nasıl yürüyeceğine dair fikirlerden bahseden patentlere sahip olması, işlerin böyle yürüdüğünü hiçbir şekilde garanti etmez.

Ayrıca, patentler tipik olarak, bir buluşun uygulanabileceği çeşitli yollar olan birden fazla düzenleme içerir - patentler, ona atfedilebilecek olası herhangi bir kullanımı talep etmek için bir buluşun temel unsurlarını mümkün olduğunca geniş bir şekilde tanımlamaya çalışır.

Son olarak, tıpkı Google'ın arama motorunun temeli olan ünlü PageRank algoritması patentinde olduğu gibi, Twitter'ın patentlerinden birinin somut örneğini kullandığı durumlarda, açıklanan basit, geniş buluşları değiştirmiş ve iyileştirmiş olmaları kuvvetle muhtemeldir. ve yapmaya devam edecektir.

Tüm bu tipik muğlaklık ve belirsizliğe rağmen, Twitter patent açıklamalarında, birçoğunun sistemlerine dahil edilme olasılığı yüksek olan bir dizi çok ilginç kavram buldum.

Twitter ve Derin Öğrenme

Devam etmeden önce ek bir uyarı, Twitter'ın zaman çizelgesi algoritmasının Derin Öğrenmeyi DNA'sına nasıl dahil ettiğini, çeşitli insan denetimi seviyeleriyle birleştiğini ve onu sürekli olmasa da sıklıkla kendi kendini geliştiren bir canavar haline getirdiğini içeriyor.

Bu, hem büyük değişikliklerin hem de küçük, artımlı değişikliklerin içerik sıralamasını gerçekleştirme biçiminde gerçekleşebileceği ve olacağı anlamına gelir. Ayrıca, bu makine öğrenimi yaklaşımı, Twitter'ın kendi insan mühendislerinin, Google tarafından üretilen modeller hakkında yazarken anlattığıma benzer şekilde, üretilen sıralama modellerinin soyutlanması nedeniyle bazı içeriğin neden görüntülendiğini veya diğer içeriğin neden diğer içerikleri geride bıraktığını doğrudan bilemeyebileceği koşullara yol açabilir. makine öğrenimi yoluyla kalite sıralaması.

Twitter'ın algoritmasının işleyişinin karmaşıklığına ve karmaşıklığına rağmen, kara kutuya girmesi muhtemel faktörleri anlamak, sıralamaları neyin etkilediğini hala ortaya çıkarabilir.

Twitter'ın orijinal zaman çizelgesi, kişinin son ziyaretinden bu yana takip ettiği hesaplardaki tüm Tweetlerden oluşuyordu; bunlar, toplanan ve en son Tweetler ilk olarak gösterilecek şekilde ters kronolojik sırada görüntülendi ve önceki her Tweet, kaydırılarak birbiri ardına gösterildi. aşağı.

Mevcut algoritma hala büyük ölçüde aynı ters kronolojik Tweet listesinden oluşuyor, ancak Twitter, en son Tweetlerden en ilginç Tweetleri görüntülemeye çalışmak için yeniden sıralama yapıyor.

Arka planda, Tweetlere, her bir Tweetin sizin için ne kadar ilginç olabileceğini tahmin eden bir alaka modeli tarafından bir sıralama puanı atanmıştır ve bu puan değeri, sıralama sırasını belirler.

En yüksek puanlara sahip Tweetler, zaman çizelgesi listenizde ilk sırada gösterilir ve en son Tweetlerin geri kalanı daha aşağıda gösterilir. Zaman çizelgenize serpiştirilmiş olarak, birkaç reklam Tweetinin yanı sıra, artık takip etmediğiniz hesaplardan gelen Tweetler de dikkat çekicidir.

Twitter'ın bağlantı grafiği

Her şeyden önce, Twitter zaman çizelgesinin en etkili yönlerinden biri, Twitter'ın şu anda yalnızca bu noktada doğrudan bağlantılarınıza değil, aynı zamanda Twitter'ın patentlerde " bağlantı grafiği”.

Bağlantı grafiği, hesapları düğümler ve ilişkileri bir veya daha fazla düğümü birbirine bağlayan çizgiler (“kenarlar”) olarak temsil eder. Bir ilişki, Twitter hesapları arasındaki ilişkilere atıfta bulunabilir.

Örneğin, takip etme, abone olma (Twitter'ın Süper Takip programı aracılığıyla veya potansiyel olarak Twitter'ın anahtar kelime sorguları için duyurulan abonelik özelliği için), beğenme, etiketleme vb. – bunların tümü ilişkiler yaratır.

Birinin bağlantı grafiğindeki ilişkiler tek yönlü (örneğin seni takip ediyorum) veya çift yönlü (örneğin ikimiz de birbirimizi takip ediyoruz) olabilir. Seni takip edersem ama sen beni takip etmezsen, senin Tweetlerini ve Retweetlerini zaman tünelimde görmeyi daha çok beklerdim ama sen benimkini görmeyi ummazdın.

Basitçe bağlantı grafiğine dayanarak, takip ettiğiniz kişilerin Tweetlerini ve Retweetlerini ve ayrıca bağlantılarınızın Beğendiği veya Yanıtladığı Tweetleri görmeniz olasıdır.

Twitter algoritması, doğrudan etkileşimde bulunduğunuz hesapların ötesinde görebileceğiniz Tweetleri genişletti. Zaman çizelgenizde görebileceğiniz Tweetler, artık takip ettiğiniz konular hakkında paylaşımda bulunan diğer kişilerin Tweetlerini, daha önce Beğendiğiniz Tweetlere bazı yönlerden benzer Tweetleri ve algoritmanın beğenebileceğinizi tahmin ettiği konulara dayalı Tweetleri de içeriyor.

Alabileceğiniz bu genişletilmiş Tweet türleri arasında bile, algoritmanın sıralama sistemi geçerlidir - konularınıza, beğenilerinize ve tahmini ilgi alanlarınıza uyan tüm Tweetleri almıyorsunuz - Twitter'ın algoritması aracılığıyla küratörlüğünde bir liste alıyorsunuz.

ilginçlik sıralaması

Twitter'ın birçok patentinin ve Tweetleri sıralama algoritmasının DNA'sında "ilginçlik" kavramı yer alır.

Bu, büyük olasılıkla 2006'da Yahoo'ya verilen ve Flickr (daha sonra Instagram tarafından gölgede bırakılan baskın sosyal medya fotoğraf paylaşım hizmeti) algoritmasında kullanılan sıralama yöntemlerini tanımlayan “Medya nesnelerinin ilginçlik sıralaması” adlı bir patentten esinlenmiştir. Pinterest'te).

Flickr için daha önceki algoritma, Twitter'ın çağdaş patentleriyle pek çok benzerlik taşıyor. İlginçliği hesaplamak için benzer ve hatta aynı faktörleri kullandı. Bunlar dahil:

• Konum bilgisi.
• İçerik meta verileri.
• Kronoloji.
• Kullanıcı erişim kalıpları.
• İlgi sinyalleri (etiketleme, yorum yapma, favorilere ekleme gibi).

Twitter'ın algoritması, Flickr ilginçlik algoritmasını almak, ilgili faktörlerin bazılarını genişletmek, daha karmaşık bir makine öğrenme süreci ile hesaplamak, içeriği doğal dil işlemeye (NLP) dayalı olarak yorumlamak ve bir dizi ek varyasyonu dahil etmek olarak kolayca tanımlanabilir. Eşzamanlı olarak çok sayıda kullanıcı için neredeyse gerçek zamanlı sunum için hız sağlar.

Twitter sıralaması ve spam

Ayrıca, spam, spam kullanıcı hesaplarını algılamak ve spam Tweet'leri görünümden düşürmek veya bastırmak için Twitter tarafından kullanılan yöntemlere odaklanmak da ilgi çekicidir.

Dezenformasyon, politikayı ihlal eden diğer içerikler ve tacize yönelik denetim de aynı şekilde yoğundur, ancak bu, sıralama değerlendirmeleriyle her zaman örtüşmez.

İstenmeyen e-posta algılama patentlerinden bazıları ilginç, çünkü kullanıcıların sık sık Twitter'ın istenmeyen e-posta bastırma süreçleriyle oldukça kasıtsız olarak karaya oturduklarını görüyorum ve Twitter'ın hedef kitlesini tanıtmak ve onlarla etkileşim kurmak için kum torbası çabalarıyla sonuçlanan bir dizi şey yapılabilir. Twitter, istenmeyen postaları denetlemek ve kaldırmak için agresif izleme süreçleri oluşturmak zorunda kaldı ve en önde gelen kullanıcılar bile zaman zaman bu süreçlerden rahatsız olabilir.

Bu nedenle, Twitter'ın spam faktörlerini anlamak, bir kişinin Tweetlerinin normalde sahip olacağı ilginçlikten kesintiler almasına neden olabileceğinden önemli olabilir ve alaka puanlarındaki bu kayıp, Tweetlerinizin görünürlüğünü ve dağıtım gücünü azaltabilir.

Twitter sıralama faktörleri

Peki, Twitter'ın "ilgiyi" değerlendirmek için aldığı patentlerde bahsedilen faktörler nelerdir ve Twitter'ın Tweetleri sıralamada nasıl puanladığını etkileyen faktörler nelerdir?

Tweet gönderisinin yeniliği

Daha yeni olmakla birlikte, genellikle çok daha fazla tercih edilmektedir. Belirli anahtar kelime ve diğer arama türlerinin yanı sıra, Tweetlerin çoğu son birkaç saate aittir. Öncelikle son bir veya iki güne yayılmış gibi görünen bazı "kaçırmanız durumunda" Tweetler de dahil edilebilir.

Resimler veya Video

Genel olarak, Google ve diğer platformlar, kullanıcıların görselleri ve video medyayı daha fazla tercih etme eğiliminde olduğunu, bu nedenle, herhangi birini içeren bir Tweet'in daha yüksek puan alabileceğini belirtti.

Twitter özellikle, Twitter Kartlarını uygulayan web sitelerine atıfta bulunan resim ve video kartlarından alıntı yapar; bu, Tweetler kart işaretlemeli web sayfalarına bağlantılar içerdiğinde Twitter'ın daha zengin önizleme parçacıklarını kolayca görüntülemesini sağlar.

Resim ve video gösteren bağlantılara sahip Tweetler genellikle kullanıcılar için daha ilgi çekicidir, ancak kart içeriğini görüntülemek için kart işaretlemesine sahip sayfalara bağlanan Tweetlerin ek bir avantajı olabilir.

Tweet ile etkileşimler

Twitter, Beğeniler ve Retweetler'den bahseder, ancak Tweet ile ilgili ek ölçümler de burada potansiyel olarak geçerli olacaktır. Etkileşimler şunları içerir:

• Seviyor
• Retweetler
• Tweette olabilecek bağlantılara yapılan tıklamalar
• Tweet'teki hashtag'lere yapılan tıklamalar
• Tweette bahsedilen Twitter hesaplarına yapılan tıklamalar
• Ayrıntı Genişler – Tweeti kimin Beğendiğini veya Retweetlediğini görmek gibi Tweetle ilgili ayrıntıları görüntülemek için tıklar.
• Yeni Takipler – kaç kişinin kullanıcı adının üzerine gelip ardından hesabı takip etmek için tıkladığı.
• Profil ziyaretleri – gönderenin profilini ziyaret etmek için avatarı veya kullanıcı adını tıklayan kişi sayısı.
• Paylaşımlar – Tweetin paylaş düğmesi aracılığıyla kaç kez paylaşıldığı.
• Tweet'e verilen yanıtlar

Gösterimler

Çoğu gösterim, Tweet'in zaman çizelgelerinde görüntülenmesinden gelirken, Tweetler web sayfalarına gömülerek paylaşıldığında bazı gösterimler elde edilir. Bu gösterim sayılarının Tweet'in ilgi çekicilik puanını da etkilemesi mümkündür.

Etkileşim olasılığı

Bir Twitter patenti, Tweet'in Yazarının sosyal mesajlaşma sistemindeki takipçilerinin mesajla etkileşime girme olasılığını temsil eden bir Tweet için bir puan hesaplamayı açıklar; Yazar ve Takipçilerin beklenen etkileşim düzeyi.

Tweet uzunluğu

Bir sınıflandırma türü, Tweet'te yer alan ve sayısal bir değer olarak sınıflandırılabilen (örn. 103 karakter) veya birkaç kategoriden biri olarak belirlenebilen (örn. kısa, orta veya uzun) metnin uzunluğudur. .

Bir Tweetle ilgili konulara göre, az çok ilginç olduğu değerlendirilebilir - bazı konular için kısa daha faydalı olabilir ve diğer bazı konular için orta veya uzun uzunluk Tweeti daha ilginç hale getirebilir.

Önceki Yazar Etkileşimleri

Bir Tweetin yazarıyla geçmişteki etkileşimler, kişinin aynı yazara ait diğer Tweetleri görme olasılığını (ve kişinin zaman çizelgesindeki sıralama puanını) artıracaktır.

Bu sosyal grafik etkileşim metrikleri, ilişkinin kaynağına göre puanlamayı içerebilir.

Bu nedenle, bir yazarın Tweetlerini yanıtlama, beğenme veya Retweetleme geçmişi, o hesabı takip etmese bile kişinin en son Tweetlerini görme olasılığını artırabilir.

Bir kişinin bir Tweet yazarıyla son etkileşimlerinin de bunu etkileme olasılığı vardır, bu nedenle Tweetlerinden biriyle uzun süredir etkileşimde bulunmadıysanız, yeni Tweetlerinin potansiyel görünürlüğü sizin için azalabilir.

Algoritma bağlamında, "yazar" ve "hesap" aslında aynı şeyi ifade etmek için kullanılır, bu nedenle kurumsal bir hesaptan gelen Tweetler, bir kişiden gelen Tweetler ile aynı şekilde değerlendirilir.

Yazar Güvenilirlik Derecelendirmesi

Bu puan, bir yazarın diğer kullanıcılarla olan ilişkileri ve etkileşimleri ile hesaplanabilir.

Patentte verilen örnek, birden fazla yüksek profilli veya üretken hesap tarafından takip edilen bir yazarın yüksek güvenilirlik puanına sahip olacağıdır.

Belirtilen bir derecelendirme değeri "düşük", "orta" ve "yüksek" iken, patent ayrıca 1'den 10'a kadar bir derecelendirme değerleri ölçeği önerir ve nitel ve/veya nicel bir faktör içerebilir.

1 ila 10 gibi bir aralığın çok daha olası olduğunu tahmin ediyorum. Bazı spam değerlendirme değerlerinin, Yazar Güvenilirlik Derecelendirmesinden çıkarmak için kullanılması muhtemel görünüyor. Bu makalenin ikinci bölümünde potansiyel spam değerlendirme faktörleri hakkında daha fazla bilgi.

Yazar alaka düzeyi

Belirli bir konuyla daha alakalı olduğu değerlendirilen yazarların daha yüksek Yazar İlgi değerine sahip olması mümkündür. Ayrıca, bir Yazardan bahsedilmesi, kendisinden bahseden Tweetler bağlamında onları daha alakalı hale getirebilir.

Patentler ayrıca Yazarları konularla ilişkilendirmekten bahseder, bu nedenle iyi katılım oranlarıyla birlikte belirli konuları sık sık içeren Tweetleyen Yazarların Tweetleri bu konuyu içerdiğinde daha yüksek alaka düzeyine sahip olarak kabul edilebilir.

Yazar Metrikleri

Tweetler, Yazarın özelliklerine göre sınıflandırılabilir. Bu ölçütler, Yazarın mesajlarının göreceli ilginçliğini etkileyebilir. Bu Yazar Metrikleri şunları içerir:

• Yazarın Yeri (Şehir veya Ülke gibi)
• Yaş (hesap detaylarında verilebilecek doğum tarihine göre)
• Takipçi Sayısı
• Yazarın Takip Ettiği Hesap Sayısı
• Takipçi Sayısının Takip Edilen Hesaplara Oranı Takip edilene göre Takipçi sayısının daha fazla olması, ham Takipçi sayısı ile birlikte daha fazla popülerlik kazandırdığı için. 1'e daha yakın bir oran, Yazarın felsefeyi takip ettiğini ve popülerlik çıkarımını daha az mümkün kılarak ve yapay bir popülerlik görünümü kazandırdığını gösterir.
• Yazar Tarafından Zaman Periyodu Başına Gönderilen Tweet Sayısı (örneğin: günlük veya haftalık).
• Hesabın Yaşı ( örneğin, hesabın açılmasından bu yana geçen aylar) – çok yakın zamanda kurulan hesaplara çok daha düşük ağırlık verilir.
• Güven.

Konular

Tweetler, içerdikleri konulara göre sınıflandırılır. Tweetlerin sınıflandırılmasıyla ilgili bazı çok karmaşık algoritmalar vardır.

Twitter kullanıcıları genellikle hesaplarıyla ilişkilendirilecek konuları seçerler ve açıkçası, seçtiğiniz konulardan popüler Tweetler size gösterilecektir. Ancak Twitter, Tweetlerde bulunan anahtar kelimelere dayalı olarak otomatik olarak konular oluşturur.

Tweet'lerle etkileşimlerinize ve takip ettiğiniz hesaplara dayanarak, Twitter ayrıca ilginizi çekebilecek konuları tahmin ediyor ve konulara resmi olarak abone olmamanıza rağmen size bu konulardan bazı Tweetler gösteriyor.

Cümle Sınıflandırması

Twitter'ın sistemi oldukça karmaşıktır ve özel sıralama modellerinin belirli konular için ve belirli ifadeler mevcut olduğunda Tweetlere potansiyel olarak uygulanmasına izin verir.

Twitter, belirli "müşteri yolculukları" için modeller geliştirmek için çalışan geniş bir kadroya sahiptir ve bu, editörlerin konu odaklı gönderiler ve gönderilerdeki anahtar kelimeler veya kelime öbekleri üzerinde nasıl kurallar koyabileceğine ilişkin patent açıklamalarıyla örtüşmektedir.

Örneğin, bir konu için "şimdi işe alınıyor" veya "TV'de olacak" ile ilgili metinler içeren gönderiler sıkıcı olarak kabul edilebilirken, "yeni", "satışta" veya "yalnızca bugün" gibi ifadelere daha fazla ağırlık verilebilir. daha ilginç olacağı tahmin edilebilir.

Uygulanabilecek çok büyük bir potansiyel konu alanı ve özel ağırlıklar olduğundan, bunu karşılamak oldukça zor olabilir.

Yakın zamanda Twitter'da bir Personel Ürün Tasarımcısı için iş ilanı veren Customer Journey, pozisyonun nasıl yardımcı olacağını açıkladı:

“İster Ariana Grande fanart, ister #herpetology, isterse de aşırı tek tekerlekli bisiklet arıyor olun, bunların hepsi Twitter'da oluyor. Ekibimiz, yeni üyelerin Twitter'da gerçekleşen çok çeşitli herkese açık sohbetlerde gezinmesine ve hızla bir aidiyet duygusu bulmasına yardımcı olmaktan sorumludur…”

"Verilerden ve nitel araştırmalardan içgörüler toplayın, hipotezler geliştirin, prototiplerle çözümler çizin ve araştırma ekibimizle ve deneylerde fikirleri test edin."

"Ayrıntılı etkileşim modellerini ve kullanıcı arabirimi özelliklerini belgeleyin."

“Makine öğrenimi, zengin taksonomiler ve / veya ilgi grafikleri için tasarım deneyimi yaşayın.”

Bu açıklama, Twitter'ın "Sosyal içeriğin alaka düzeyini belirlemeye yönelik sistem ve yöntem" patentinde açıklananlara çok benziyor:

“Editörler, belirli ifadeleri az çok ilginç olarak sınıflandırmak için kurallar koyabilir…”

“…bir editör, içeriği yazan yer kategorisinden bağımsız olarak, bazı ifadelerin ve niteliklerin tüm içerikte ilginç olduğuna karar verebilir. Örneğin, 'satışta' veya 'etkinlik' ifadesi her durumda ilgi çekici olabilir ve pozitif bir ağırlık uygulanabilir.”

Bir patent, ticari dili olduğu tespit edilen Tweetlere, ticari dili olmayan Tweetlere göre nasıl daha düşük bir puan verilebileceğini açıklar. (Aksine, kullanıcı bir şey satın almakla ilgilendiğini belirten aramalar yapıyorsa, bu tür ağırlıklar ters çevrilebilir, böylece ticari dil içeren Tweetlere daha fazla ağırlık verilebilir.)

Günün zamanı

Alaka düzeyini etkilemek için günün saati kullanılabilir. Örneğin, 08:00-10:00 saatleri arasında “Kahve”den bahseden Tweetlere ve/veya kafeler tarafından gönderilen Tweetlere daha fazla ağırlık vermek için bir kural uygulanabilir.

Konumlar

Patentler, Tweetlerdeki "yer referanslarının", bir yer hakkındaki Tweetlere ve/veya yer referansıyla ilişkili hesaplara, yalnızca yerden bahseden diğer hesaplara kıyasla nasıl daha fazla ağırlık verebileceğini açıklar. Ayrıca, bir kullanıcının cihazının konumu ile içerik öğeleriyle (Tweet metni, resim, video ve/veya Yazar) ilişkili konum arasındaki coğrafi yakınlık, potansiyel alaka düzeyini artırabilir veya azaltabilir.

Dil

Tweetin dili sınıflandırılabilir (örn. İngilizce, Fransızca vb.).

Dil, çeşitli otomatikleştirilmiş dil değerlendirme araçları kullanılarak otomatik olarak belirlenebilir.

Belirli bir dilde bir Tweet, o dili konuşanlar için daha fazla, diğerlerinin ise daha az ilgisini çekecektir.

Tweetleri Yanıtla

Tweetler, önceki Tweetlere yanıt olup olmadığına göre sınıflandırılabilir. Önceki bir Tweete yanıt olan bir Tweet, yeni bir konuyla ilgili bir Tweetten daha az ilgi çekici sayılabilir.

Bir patent açıklamasında, Tweet'in konusu, Tweet'in başka bir hesaba gösterilmek üzere mi yoksa diğer hesapların mesaj akışlarına dahil edilmek üzere mi belirleneceğini belirleyebilir.

Zaman çizelgenizi görüntülerken, Tweet'in bazı yanıtlarının ana Tweetle birlikte görüntülendiği durumlar da vardır - örneğin Yanıt Tweet'lerinin takip ettiğiniz hesaplar tarafından gönderildiği durumlar. Çoğu durumda, Yanıt Tweetleri, yalnızca ileti dizisini görüntülemek için tıklandığında veya tüm Yanıtları görüntülemek için Tweete tıklandığında görüntülenebilir.

“Kutsanmış” Hesaplar

Bu, üretimde olmayabileceğine inandığım garip bir kavram.

Twitter, Kutsanmış Hesapları, bir sohbetteki orijinal Yazarın “kutsanmış” olarak kabul edileceği belirli bir sohbetin grafiğinde tanımlı olarak tanımlar ve orijinal gönderiye verilen müteakip yanıtlardan, daha sonra yanıtlanan Yanıtlardan herhangi biri. mübarek hesap da “mübarek” olur.

Kutsanmış Hesaplar tarafından konuşmada gönderilen Tweetlere artan alaka puanları verilecek.

Web Sitesi Profili

Twitter patentlerinde bundan bahsedilmiyor, ancak bahsettikleri diğer tüm faktörler bağlamında geçmek için çok mantıklı.

Birçok büyük içerik web sitesinin bağlantılarını sık sık Twitter'da paylaşır ve Twitter, web sitelerindeki içeriğe bağlantılar gönderildiğinde Tweetlerin sıralamasını da etkileyebilecek bir web sitesi profili itibar/popülerlik puanı oluşturabilir.

Haber siteleri, bilgi kaynakları, eğlence siteleri - bunların tümü, Twitter hesaplarını değerlendirmek için kullanılan aynı faktörlerden geliştirilmiş puanlara sahip olabilir. Daha çok beğenilen ve daha çok etkileşime giren web sitelerinden gelen tweetlere, nispeten bilinmeyen ve daha az etkileşimli web sitelerinden daha fazla ağırlık verilebilir.

Twitter Doğrulandı

Evet, kullanıcı adlarının yanındaki mavi rozetin ayrıcalıklı muamele içerdiğinden şüpheleniyorsanız, Twitter'ın patentlerinden birinde, en azından bunu düşündüklerini doğrulayan özel bir laf vardır.

Doğrulanmış hesaplar genellikle kendileriyle ilişkili çeşitli diğer popülerlik göstergelerine sahip olduğundan, bu faktörün kullanımda olup olmadığı kolayca anlaşılamaz. Doğrulanmış bir hesap tarafından gönderilen Tweetlere daha yüksek bir alaka puanı verilebilir, bu da bunların doğrulanmamış hesapların Tweetlerinden daha fazla görünmesine olanak tanır.

İşte patent açıklaması:

"Buluşun bir veya daha fazla düzenlemesinde, konuşma modülü (120), doğrulanmış hesapların bir beyaz listesinde tanımlanan konuşma grafiğinin bir veya daha fazla yazma hesabının alaka puanlarını artırmak için bir uygunluk filtresi uygulamak için işlevsellik içerir. Örneğin, doğrulanmış hesapların beyaz listesi, kimliğe bürünmeye açık olan yüksek profilli hesapların bir listesi olabilir. Bu örnekte, mesajlaşma platformu (100) kullanıcılarına hesapların gerçek olduğunu bildirmek için ünlü ve ticari hesaplar mesajlaşma platformu (100) tarafından doğrulanacaktır. Buluşun bir veya daha fazla düzenlemesinde, konuşma modülü (120), doğrulanmış yazma hesaplarının alaka puanlarını önceden tanımlanmış bir miktar/yüzde ile artırmak için yapılandırılır.

Trend Var

Bu, Tweetin, mesajın yayınlandığı sırada trend olan bir konuyu içerip içermediğini gösteren ikili bir işarettir.

Uygulama Algılanan Cinsiyet, Cinsel Yönelim ve İlgi Alanları

Twitter, hesap sahibinin Cinsiyetini çıkarmak veya Haberler, Spor, Ağırlık Çalışması ve diğer konular gibi konularda ilgi alanları çıkarmak için bir hesap sahibinin mobil cihaz bilgilerini kullanabilir.

Bazı mobil cihazlar, olası uygulama programlama çakışmalarını teşhis etmek amacıyla telefona yüklenen diğer uygulamalar hakkında bilgi sağlar. Böylece, Cinsiyetiniz, Cinsel Yöneliminiz ve Konuyla İlgili İlgi Alanlarınızla eşleşen bazı Tweetlere, yalnızca telefonunuzun uygulamalarından yapılan çıkarımlara dayalı olarak daha fazla ilgi çekici nokta verilebilir. (Bakınız: https://screenrant.com/android-apps-collecting-app-data/ )

Ve daha fazla sıralama faktörü

Twitter şunları belirtir:

"Değerlendirilen özellikler listemiz ve bunların çeşitli etkileşimleri, modellerimizi her zamankinden daha incelikli davranış kalıpları hakkında bilgilendirerek büyümeye devam ediyor."

Bu nedenle, bu faktör listesi, muhtemelen kullandıkları faktörlerin yeterince temsil edilmediği bir şeydir ve listeleri genişliyor olabilir.

Ayrıca, yukarıdaki faktörlerin bazılarının özel bir kombinasyonunun, belirli konularla ilişkili Tweetler için model olarak uygulanabileceğini ve makine öğrenimi yöntemleri aracılığıyla sıralamalara büyük bir potansiyel karmaşıklık kazandırabileceğini hayal edin. (Yine, belirli sorgulara veya konulara özel sıralama ağırlıklandırma modelleri oluşturmak için uygulanan makine öğrenimi, Google ile kullanılması muhtemel yöntemlere çok benzer.)

Twitter, Tweetlerin puanlanmasının, Twitter'ı her ziyaret ettiğinizde ve zaman çizelgesini her yenilediğinizde gerçekleştiğini belirtti. İlgili bazı karmaşık faktörler göz önüne alındığında, bu çok hızlı!

Twitter, sıralama faktörlerinin ağırlıklarının A/B testini ve diğer algoritma değişikliklerini kullanır ve önerilen bir değişikliğin etkileşime ve bir Tweetle zaman görüntüleme/etkileşime dayalı bir iyileştirme olup olmadığını belirler. Bu, sıralama modellerini eğitmek için kullanılır.

Makine öğreniminin bu sürece dahil olması, sıralama modellerinin birçok özel senaryo için üretilebileceğini ve potansiyel olarak belirli konulara ve kullanıcı türlerine özel olabileceğini düşündürmektedir. Model geliştirildikten sonra test edilebilir ve etkileşimi artırırsa hızla tüm kullanıcılara sunulabilir.

Pazarlamacılar bu bilgileri nasıl kullanabilir?

Potansiyel sıralama faktörleri listesinden çıkarılabilecek ve pazarlamacılar tarafından Tweetleme taktiklerini geliştirmek için kullanılabilecek birçok çıkarım var.

Yalnızca ürünleriyle ilgili duyuruları ve şirketiyle ilgili tanıtım bilgilerini yayınlayan bir Twitter hesabı, topluluklarıyla daha etkileşimli hesaplar kadar görünürlüğe sahip olmayacaktır, çünkü etkileşimler daha fazla sıralama sinyali ve potansiyel fayda sağlar.

Sosyal medya uzmanları, uzun süredir, yalnızca kendine referans veren tanıtım yayınlamak yerine, gönderi türlerini harmanlama yaklaşımını önermektedir - bu stratejiler arasında “Üçler Kuralı”, “80/20 Kuralı” ve diğerleri yer almaktadır.

Twitter kullanıcılarının sayısıyla daha fazla etkileşimin ortaya çıkması, bir hesabın görünürlüğünü artırma olasılığı daha yüksek olduğundan, Twitter sıralama faktörleri muhtemelen bu teorileri desteklemektedir.

Örneğin, çok sayıda takipçisi olan büyük bir şirket hesabı, ürününe hangi özelliklerin eklenebileceği konusunda tavsiye almak için ilginç bir anket yayınlayabilir. Kullanıcılar tarafından gönderilen oylar ve yorumlar, katılımcıların son etkileşimler nedeniyle şirketin bir sonraki gönderisini görme olasılığının çok daha yüksek olmasını sağlayacak ve bir sonraki gönderi yeni bir şeyin tanıtımını veya duyurusunu yapıyor olabilir. Ayrıca, Twitter benzer ilgi alanlarına sahip kullanıcıların kendi ilgi alanlarıyla eşleşen içeriği görmeye daha açık olabileceğini hesaba kattığı için, yanıtlayanların takipçilerinin şirketin bir sonraki gönderisini görme olasılığı daha yüksek olabilir.

Ayrıca, faktörler bir dizi potansiyel olarak faydalı yaklaşım önermektedir.

Bir ürünü tanıtan bir Tweet gönderirken veya bir duyuru yaparken, bir kişinin takipçilerinden bir yanıt almak için bir şeyi birleştirmek, her bir yanıtlayanın Tweetinize verdiği yanıtlar, doğrudan takipçilerinin orijinal Tweeti ve kendi takipçilerini görme ihtimalini artırabileceğinden, platformdaki görünürlüğü kolayca artırabilir. bağlantının yanıtı Tweet.

Twitter algoritmasının sosyal grafik yönünden yararlanmak, Tweetlerinizin ilgi çekiciliğini artırmaya yardımcı olabilir ve Tweetlerinizin diğer kullanıcılar tarafından görülmesini artırabilir.

Spam faktörleri tweet sıralamalarını olumsuz etkileyebilir

İstenmeyen posta algılama algoritmaları, Tweet sıralama yeteneğini olumsuz etkileyebilir.

Birincisi, Twitter bariz bir şekilde spam yapan hesapları askıya almakta çok hızlıdır ve bunun açık ve net olduğu durumlarda, hesabın aniden feshedilmesi ve tüm Tweetlerinin konuşma grafiklerinden ve zaman çizelgelerinden kaybolmasına neden olması beklenebilir ve hesap profilinin artık görüntülenememesine neden oluyor.

Bir hesabın spam gönderip göndermediğinin net olmadığı diğer durumlarda, hesabın Tweetleri, negatif sıralama ağırlık puanları uygulanarak basitçe indirgenebilir veya hesap sahibi düzeltici bir eylemde bulunana veya düzeltici bir eylemde bulunana kadar Tweetler kilitlenebilir veya askıya alınabilir. kimliklerini doğrular.

Örneğin, uzun bir geçmişe sahip iyi Tweetler içeren bir Twitter hesabı, aniden Viagra reklamları veya kötü amaçlı yazılımlara bağlantılar yayınlamaya başlayabilir, örneğin kurulu bir hesap saldırıya uğramış gibi. Twitter, bir CAPTCHA doğrulamasını geçmek veya cep telefonu aracılığıyla bir doğrulama kodu almak ve şifreleri değiştirmek gibi düzeltici önlemler alınana kadar hesabı geçici olarak askıya alabilir. Başka bir örnek, yanlışlıkla kısa bir zaman dilimi içinde çok fazla hesabı takip etme veya biraz fazla sık paylaşım yapma eşiğini geçen yeni bir kullanıcı olabilir.

Twitter, istenmeyen e-postaları tespit etmek ve kullanıcıların daha az görmesi için onu bir kenara bırakmak için çeşitli yöntemler kullanır.

Otomatik algılamanın çoğu, hesap profili özelliklerinin, hesap Tweetleme davranışlarının ve hesabın Tweetlerinde bulunan içeriğin bir kombinasyonunu algılamaya dayanır.

Twitter, hızlı örüntü tespiti gerçekleştirmek için çok sayıda karakteristik spam "parmak izi" geliştirmiştir. Bir Twitter patenti nasıl olduğunu açıklar:

"Spam, tanımlanan spam hesaplarının özelliklerini karşılaştırarak ve spam olduğundan şüphelenilen diğer hesaplarla karşılaştırılabilecek bir 'benzerlik grafiği' oluşturarak belirlenir."

Potansiyel olarak spam içerdiği belirlenen Tweetler, "evet" veya "hayır" gibi ikili bir değerle işaretlenebilir ve ardından işaretlenen Tweetler, zaman çizelgelerinden filtrelenebilir.

Birden fazla faktöre göre hesaplanan bir spam ölçeği olması da aynı derecede mümkündür ve bir Tweet veya hesap bir eşiği aştığında, daha sonra indirgemeye maruz kalır. Twitter kullanıcıları platformun nasıl kullanıldığının sonuçlarını anlamayabileceğinden, bunlardan bahsetmenin faydalı olduğunu düşünüyorum. Örneğin, aşırı agresif bir Tweet göndermek, bir hesabın sonraki Tweetlerini belirli bir süre olumsuz etkileyebilir. Tekrarlanan sinirli davranışlar, kurtarma fırsatı olmadan hesabın tamamen silinmesi gibi daha kötü sonuçlara neden olabilir.

Twitter patentlerinde veya blog gönderilerinde özellikle belirtilmeyen birkaç faktör ekleyeceğim çünkü Twitter, bariz nedenlerle tüm spam tanımlama faktörlerini açıklamamaktadır. Ancak, bazı spam ve spam hesabı özellikleri o kadar açık görünüyor ki, nelerin spam indirgemelerine neden olabileceğine dair daha geniş bir anlayış sağlamak için kişisel gözlemlerimden veya saygın araştırma kaynaklarından birkaçını ekliyorum.

Spam faktörleri ve diğer olumsuz sıralama faktörleri

• Takipçi/takipçi ilişkisi olmadan veya tek yönlü bir ilişki içinde (Tweet'in Yazarı bahsettiği hesabı takip ediyor, ancak alan hesap Yazarı takip etmiyor), ancak daha önce etkileşimi olmayan ticari bir mesaj içeren Tweetler, görünmeye başlıyor şüpheli. Bu, benzer veya aynı metinle birçok kez yapılırsa, özellikle yeni hesaplar için bunun spam etkinliği olarak kabul edilmesi uzun sürmez.
• Hesap Yaşı – yaşın hesabın çok yakın zamanda kurulduğunu gösterdiği yer. (SparkToro'nun Twitter spam'ı hakkındaki son araştırması, hesap yaşının 90 gün veya daha az olduğunu gösteriyor.)
• Hesap NSFW Bayrağı – hesabın, potansiyel olarak saldırgan sitelerin (porno, müstehcen materyaller, kan vb. içeren siteler gibi) kara listesinde belgelenen web sitelerine bağlantı vermek için tanımlandığını belirten bir bayrağı vardır.
• Saldırgan Bayrak – Tweet'in, saldırgan terimlerden oluşan bir kara listeden bir veya daha fazla terim içerdiği tespit edildi.
• Potentially Fake Account – the account is suspected of impersonating a real person or organization, and has not been verified.
• Account Posting Frequent Copyright Infringement
• Blacklisting – One patent suggests use of a blacklist that will apply a relevance filter to decrease the relevance scores of accounts that can include but are not limited to: spammers, potentially fake accounts, accounts with a potential or history of posting adult content, accounts with a potential or history of posting illegal content, accounts flagged by other users, and/or meeting any other criteria for flagging accounts.
• Account Bot Flag – identifying that the account broadcasting the Tweet has been IDed as potentially being operated by a software application instead of by a human. This particular criteria has a number of implications involved, particularly for those accounts that have used types of scheduling applications for posting Tweets, or other software that generates automated Tweets. For instance, scheduling too many Tweets to be posted per time period through an app like Hootsuite or Sprout Social can result in the user account getting suspended, or its app access via the Twitter API to get suspended. This can be particularly galling, as if the same number of Tweets per time period were posted manually, the account would not run into issues. There has long been a believe among marketers on Facebook as well as Twitter that the respective algorithms might dumb-down visibility for posts published through software versus via manually, and this component suggests that that very well could be the case with Twitter.
• Tweets containing offensive language might be allowed to erode their interestingness score.
• Tweets posted via Twitter's APIs, such as through social media management tools that rely upon Twitter's API, are generally subject to greater scrutiny as Twitter has described “The problem may be exacerbated when a content sharing service opens its application programming interface (API) to developers.” My observation is that accounts that rely solely upon third-party posting applications and APIs – particularly newer accounts – may see their distribution ability somewhat sandbagged. Newer accounts should work to become established through human usage for an initial period before relying more upon scheduling and posting applications, and even established accounts may see greater distribution potential if they mix some human manual posting in combination with their scheduled/automated/third-party-application posts.
• Accounts Dormant for a Long Period – Accounts that have not posted for a long time, and then suddenly spring to life do not immediately have the ranking ability they otherwise might. The reason for this is that spammers sometimes may successfully hijack inactive accounts in order to subvert a previously bona fide account into posting spam.
• Device Profile Associated With Spammer or Other Policy Violator – Essentially, patents suggest that Twitter is using Browser Fingerprinting and Device Fingerprinting to detect spammers and other bad players. Fingerprinting enables tech services to generate profiles of a combo of data that would include things like IP address, device ID, user agent, browser plugins, device platform model and version, and app downloads to create unique “fingerprints” to identify specific devices. A major takeaway from this is that if you have two or more Twitter accounts you use with your phone or browser, if you perform abusive Tweeting through one of those accounts, there is the very real possibility that it could impair rankings in a more “professional” account you operate on the same device. In a worst-case scenario, it could even get you locked-out of both accounts for what you may do on one. This has pretty serious implications for companies and agencies that have employees conducting professional Tweets, while they may switch on their device to posting personal Tweets as well. Some types of Tweets that could cause issues would include: Spam, Harassment, False or Misleading Info, Threats, repeated Copyright Infringement, posting Malware links, and likely more. While I theorize that a personal account could also get a professional account suspended on the same device, I would hazard a guess that it might only suspend the professional account for that particular device holder, and the professional account could be subsequently accessed through a different device.
• Lack of other app usage data – It is very possible that Twitter may be able to receive data from mobile devices that indicates if the device operator has downloaded or recently used other apps on the device beyond just the Twitter app. (See: https://screenrant.com/android-apps-collecting-app-data/ ) A common spam account characteristic is that they do not reflect other app usage because the device is primarily dedicated to spamming Twitter and is not showing human usage characteristics. Or, the account is hosted on a webserver instead of a mobile device, and is attempting to imitate the usage profile of a human user.
• Blocks – accounts that other users have blocked numerous times, or accounts that have been blocked over a particular time frame can be indicative of a spam account.
• Frequency of Tweets – if a number of Tweets sent from the same account in a given time frame exceeds a threshold amount, then that account may be flagged as spam and denied from sending subsequent Tweets. This is not a hard-and-fast rule, or it is variable in application, because there are larger, corporate accounts with many staff members handling posting of Tweets to a large customer base, such as in the case of American Airlines. There are accounts such as this which are added to whitelists to avoid automatic suspension due to the large volumes of Tweets they may post within short time frames.
• High Volume of Tweets with the Same Hashtag or Mentions of the Same @Username – Obviously, high-volume Tweets are risky, and increasing your volume within short timeframes will inch your account closer and closer to being deemed to be that of a spammer. Thus, attempting to overwhelm the timeline of a particular Hashtag will be deemed to be annoying and potentially spammy. Likewise, insisting upon gaining the attention of a particular account by mentioning them repeatedly will begin to appear annoying, unnecessary, abusive harassment, and/or spammy.
• CAPTCHA – If suspected of spam, the service may prevent a Tweet from being written-to or published, requiring the user account to first pass a CAPTCHA challenge to establish that the account is operated by a human. (My agency has encountered this as we have set up new accounts on behalf of clients. This is more likely to happen when the computer that is used to set up the account has been used recently to set up other accounts, and the account is set up using free email service accounts instead of through mobile phones. Twitter also often requires sending a mobile text message to confirm a phone number before unblocking the account.)
• Account Signup Reflects Anomoly – New accounts are exposed to greater scrutiny and suspicion within Twitter's systems, and one way of critiquing new accounts is based upon data associated with the initial account signup, since spammers have used automation to try to create large volumes of new accounts for bot usage. Twitter usage can reflect real account setups, or false ones, so Twitter has analyzed many false accounts and has developed fingerprint types of patterns to detect likely spam/bot accounts. For instance, when a human user accesses Twitter's account signup page in a browser window, to submit registration info, the browser will rapidly make calls back to Twitter's servers for dozens of elements that are used in composing the page in the browser – such as for Javascripts, cascading stylesheets, and images. Bots are more likely to submit registration info without first calling all the registration page elements. So, image requests and other filetype requests preceding a registration submission can be used to determine whether a new signup reflects an anomaly indicating a bot-generated signup has occurred. Thus, accounts signed-up with anomalous characteristics may have their Tweets deducted some in relevancy.
• Bulk-Follow of Verified Accounts – Spam accounts will often bulk-follow prominent and/or Verified accounts in order to establish a foothold in the social graph. When setting up a Twitter account for a real, human user before, we used to follow a handful of the Verified accounts suggested by Twitter during the signup process. Oddly enough, this behavior alone can cause an account to get suspended until a CAPTCHA or other verification is passed. So, the takeaway here is do not follow all that many accounts suggested to you in the signup process if you are setting up a new account. Definitely do not use one of those automated follow services that people used to use a lot years ago, or your account could get downgraded in relevancy or suspended.
• Few Followers – Spam accounts are often newer, and because they often do not promote themselves in ways beneficial to the community they inspire very few followers. So, a low follower account can be one factor in combination with others to identify a potentially spammy user.
• Irrelevant Hashtags in Reply Tweets – Hashtags in Tweets that do not involve the original Tweet's topic.
• Tweets Containing Affiliate Links – self explanatory.
• Frequent Requests to Befriend Users in a Short Time Frame
• Reposting Duplicate Content Across Multiple Accounts – Especially duplicate content posted close in time.
• Accounts that Tweet Only URLs
• Posting Irrelevant or Misleading Content to Trending Topics/Hashtags
• Erroneous or Fictitious Profile Location – For example, a profile location showing “Poughkeepsie, NY”, but the user's IP is China, would produce an apparent mismatch indicating a potential scammer or spammer account.
• Account IP Address Matching Abuser Account Ranges, or Country Locations that Originate Greater Amounts of Abuse – For example, Russia. Likewise, commonly known proxied IP addresses are easily detectable by Twitter, and are flagged as suspect.
• Default Profile Image – Human users are more likely to set up customized account images (“avatars”), so not setting one up and continued use of Twitter's default profile image is a red flag.
• Duplicated Profile Image – A profile image duplicated across many accounts is a red flag.
• Default Cover Image – Failure to set up a custom cover image in the profile's masthead is not as suspicious as continued use of a default profile image, but use of a different masthead image is more representative of a real account.
• Nonresolving URL in Profile – SparkToro suggests this, and it does align with many spam accounts. Sometimes this is because spammers may be more likely to set up websites that are likely to be suspended, or typosquatting domains intended to create Trojan horse websites which can also get suspended.
• Profile Descriptions Matching Spammer Keywords/Patterns
• Display Usernames Conform To Spam Patterns – Usernames that are meaningless alphanumeric sequences, or proper names followed by multiple numeric digits reflect a lack of imagination upon the part of spammers who may be attempting to register hundreds of accounts in bulk, with each name generated randomly, or each username generated by adding the next number in a sequence. Example: John32168762 is the sort of username that most humans find undesirable.
• Patterns – Profile and Tweet patterns used by spammers often reveal spammer accounts. For instance, if numbers of accounts with default Twitter profile pics and similar patterned display usernames all Tweet out links to a particular page or domain, those accounts all become extremely easy to identify and sideline.

Simply listing out spam identification factors sharply understates Twitter's sophisticated systems used for spam identification and spam management.

Major Silicon Valley tech companies have often fought spam for years now, and it has been described as a sort of arms race.

The tech company will create a method to detect the spam, and the spammers then evolve their processes to elude detection, and then the cycle repeats again, and again.

Sonuç olarak

Twitter's patents illustrate a huge sophistication in terms of employing components of Artificial Intelligence, social graph analysis, and methods that combine synchronous and asynchronous processing in order to deliver content extremely rapidly.

The AI components include:

• Neural networks.
• Natural language processing.
• Circumflex calculation.
• Markov modeling.
• Logistic regression.
• Decision tree analysis.
• Random forest analysis.
• Supervised and unsupervised machine learning.

As the ranking determinations can be based upon unique, abstracted, machine learning models according to specific phrases, topics, and interest profiling, what works for one area of interest may work a little differently for other areas of interest.

Even so, I think that looking at these many potential ranking factors that have been described in Twitter patents can be useful for marketers who want to attain greater exposure on Twitter's platform.

Author's disclosure

I served this year as an expert witness in arbitration between a company that sued Twitter for unfair trade practices, and the case was amicably settled recently.

As an expert witness, I am often privy to secret information, including private communications such as employee emails within major corporations, as well as other key documents that can include data, reports, presentations, employee depositions and other information.

In such cases, I am bound by legal protective orders and agreements not to disclose information that was revealed to me in order to be sufficiently informed on the matters I am asked to opine upon, and this was no exception.

I have not disclosed any information covered by the protective order in this article from my recently-resolved case.

I have gained a greater understanding and insights into some aspects of how Twitter functions from context, observations of Twitter in public use, logical projections based on their various algorithm descriptions and from reading Twitter's patents and other public disclosures subsequent to the resolution of the case I served upon, including the following sources:

• Bir konuşma grafiğinde ilgili mesajları belirleme
• Bir mesajlaşma platformu tarafından yayın için içerik sağlama
• İçeriği gerçek zamanlı bir mesajlaşma platformunda tanıtma
• Sosyal içeriğin uygunluğunu belirlemek için sistem ve yöntem
• Kişiselleştirilmiş bir güvenilir sosyal ağ kurmak veya sürdürmek için sistemler ve yöntemler
• Bir konuşma grafiğinin ilgili mesajlarını görüntüleme
• Arama altyapısı
• Görünürlük filtreleme
• Bir Mesaj Ağı İçinde Mesajlara Öncelik Verme
• Uygulama grafiği oluşturucu
• Derin Öğrenmeyi Twitter'ın Zaman Çizelgelerinde Ölçekte Kullanma
• Çok katmanlı istenmeyen posta önleme sistemleri ve yöntemleri
• Sosyal medya platformuyla yazılı veya başka şekilde anormal etkileşimleri algılama
• Twitter spam ve kötü amaçlı otomasyonla nasıl mücadele ediyor?
• Geriye Dönük Askıya Alınan Hesaplar: Twitter Spam Analizi
• Twitter Analizi: Aktif Hesapların %19,42'si Sahte veya Spam

Bu makalede ifade edilen görüşler konuk yazara aittir ve mutlaka Search Engine Land değildir. Personel yazarları burada listelenir.