Meta「機器學習」改進IG每日通知用戶體驗

在過去，Meta使用點擊率（CTR）模型的機器學習模型，來預測用戶點擊通知的可能性。現在，Meta進一步改進Instagram每日通知的用戶體驗，藉由因果推斷和機器學習，來辨識本來就會自動瀏覽Instagram內容的高度活躍使用者，透過減少向這些使用者發送通知的數量，改善整體使用體驗。

Instagram通知是和使用者溝通的管道，其實Meta在過去Meta是使用點擊率模型的機器學習模型，來預測使用者點擊通知的可能性，CTR模型已經被大量用於社交媒體產業，預測點擊機率可以看作是通知品質，不過，當模型預測點擊機率太低，該通知就會在發送流程中被捨棄，使用者也不會真正收到通知，因為模型認為該通知屬於低品質資訊。

其實，點擊率模型在每日摘要通知上很有用，使用點擊率模型的實際平均點擊，明顯高於不使用該模型的平均點擊率。但是Meta也提到，他們有注意到使用CTR模型，代表大部分的每日摘要通知都是發送給相對活躍的IG使用者，但是對部分活躍使用者來說，即使沒有這些通知，本來就還是會看到這些內容。

因此Meta認為，反而應該提供更好的用戶體驗，但問題是該如何正確辨識出這些用戶的方法，他們希望選擇合適的用戶群組，來最大程度提高發送通知的效率，他們將用戶選擇問題轉變成為預算分配問題，計算發送以及不發送每日摘要通知之間的增量價值，當沒收到通知但用戶依然活躍，則代表該則通知增量價值小。

Meta透過將通知按增量價值排序，選擇增量價值高的通知發送，就可以在有限的通知發送量，最大化整體增量價值，但要在通知發送和丟棄之前，估算增量價值是一件困難的事，因此他們開發出神經網路模型，以用戶的層級來預測發送與不發送通知的增量影響，並設定了一個閾值，當線上生成的通知分數高於特定閾值才會發送。

在採用因果推斷和機器學習改善通知後，Meta大幅減少了IG通知量且用戶參與度並沒有下降，達到同時改善用戶體驗，並減少資源使用的目的。（記者／竹二）

瀏覽 438 次