Vad vi har lärt oss om Twitter-algoritmen

Förra veckan släppte Twitter en del av sin kod, så att vi kan se vad som fungerar och inte fungerar med Twitter-algoritmen.

Steve Nouri nyligen twittrade lite bra information om hur det du twittrar och hur människor interagerar med dina tweets spelar roll.

Saker som hjälper dig att bli viral:

• Bilder/videor får en 2x boost.
• Gillar (30x) får mer av en boost än en retweet (20x) – like-shares blir mycket mindre.
• Twitter Blue (verifierad) får 2-4 gånger en ökning.

Några saker som kommer att skada din räckvidd:

• externa länkar
• Bilder/video utan text
• Använda mer än en hashtag (botliknande beteenden)
• Din tweet ledde till att den ”stängdes av”, blockerades, följdes av och rapporterades.

Det ser ut som att Twitter Blue-prenumeranter får ett uppsving i algoritmen.

Så ja, pay-to-play gör skillnad.

När det gäller att få dina tweets att få exponering, dess likes, sedan retweets och sedan svar. Här är rankningsparametrarna:

• Varje like får en 30x boost
• Varje retweet en 20x
• Varje svar endast 1x

Med andra ord, en like ger din tweet en 30 gångers boost, medan ett svar bara ger den en 1x boost. Det är galet hur mycket mer effektfullt att få likes och retweets än svar.

Både bilder och videor leder till en fin 2x boost. En bild och en video behandlas för närvarande på samma sätt, men det kan ändras.

Vad betyder ”selftweetboost”?

Det är inte säkert, men James Bachini säger, ”selfTweetBoost är en parameter som tilldelar en vikt av 2 till tweets som kanske svarar på din egen tweet som trådar.”

Det finns några faktorer som avgör om din tweet kommer att visas på någons ”För dig”-flik, främst sannolikheten för att användaren kommer:

• gilla/RT:a din tweet
• klicka på din tweet och svara/stanna där i >2 minuter
• kolla in din profil

Länkar gör i allmänhet ont om du inte har tillräckligt med engagemang. Vanligtvis markerar externa länkar dig som skräppost. Om du inte har tillräckligt med engagemang.

Tysta och sluta följa gör också ont. Det här är de saker som skadar ditt engagemang:

• Dämpar
• Block
• Slutar följa
• Spam rapporterar
• Missbruk anmäler

Återigen ett stort tack till Steve Nouri (@Steve Nouri) för att du delar denna fantastiska information med alla.

Här är hela listan över rankningsmått från James Bachini.

• favCountParams (vikt 30) räknar antalet gånger en tweet har gillats.
• retweetCountParams (vikt 20) räknar antalet gånger en tweet har retweetats.
• inDirectFollowBoost (vikt 4) tweets från användare som följs indirekt av tittaren. dvs om du följer någon som följer författaren blir det förstärkt.
• inTrustedCircleBoost (vikt 3) tweets från användare som är i tittarens betrodda cirkel enligt deras sociala graf.
• urlParams (vikt 2) funktion som räknar antalet webbadresser som ingår i tweeten som negativt påverkar poängen eftersom den leder användarna bort från applikationen för sociala medier. Twitter vill behålla användare på appen så att externa länkar vägs negativt.
• luceneScoreParams (vikt 2) Det är oklart vad lucen betyder. Det kanske inte heller är live eftersom längre ner i koden finns ”getLuceneScore = false” i alternativen.
• selfTweetBoost En parameter som tilldelar en vikt av 2 till tweets som kanske svarar på din egen tweet, till exempel trådar.
• tweetHasImageUrlBoost (vikt 2) till tweets som innehåller minst en bildadress.
• tweetHasVideoUrlBoost (vikt 2) tweets som innehåller minst en video-URL.
• tweetHasTrendBoost (vikt 1,1) tweets som innehåller ett trendämne.
• isReplyParams En parameter som tilldelar en vikt på 1 till funktionen som indikerar om tweeten är ett svar på en annan tweet.
• replyCountParams (vikt 1) funktion som räknar antalet gånger en tweet har besvarats.
• flera hashtagsEllerTrendsBoost (vikt 0,6) tweets som innehåller flera hashtags eller trender. Detta är sannolikt en negativ faktor för att förhindra att människor spammar hashtaggar.
• langEnglishUIBoost (vikt 0,5) tweets skrivna på engelska, som bestäms av användargränssnittets språk.
• rykteParams (vikt 0,2) funktion som mäter ryktet för användaren som twittrade.
• langEnglishTweetBoost (vikt 0,2) kanske prioriterar tweets skrivna på engelska, beroende på användarens språk eller själva tweeten.
• textScoreParams (vikt 0,18) funktion som mäter relevansen av tweetens text.
• offensivBoost (vikt 0,1) tweets som har markerats som stötande av användare. Jag är förvånad över att detta inte har en högre viktning men kanske filtreras det mer effektivt i heuristik- och filtreringsmodulen.
• unknownLanguageBoost (vikt 0,05) tweets skrivna på ett okänt språk.
• langDefaultBoost (vikt 0,02) till tweets skrivna på ett annat språk än engelska.