Facebook mindert Beiträge, die um Likes bitten

Nachdem Facebook bereits das Problem der gefälschten Nachrichten angegangen hat, erhöht es seine Bemühungen, den Verlockungsköder zu zügeln. Dies sind Beiträge, die nach Likes, Shares oder Kommentaren fragen.

Nachdem Facebook bereits das Problem der gefälschten Nachrichten angegangen hat, erhöht es seine Bemühungen, den Verlockungsköder zu zügeln.  Dies sind Beiträge, die nach Likes, Shares oder Kommentaren fragen.
Werbung

Das Problem der gefälschten Nachrichten bereits bekämpft Facebook-Angebote Tipps, die Ihnen helfen, gefälschte Nachrichten zu finden Facebook-Angebote Tipps, die Ihnen helfen gefälschte Nachrichten zu finden Während Facebook keine gefälschten Nachrichten produziert, ist es zumindest teilweise für seine Verbreitung verantwortlich. Deshalb gibt es jetzt Tipps, mit denen Sie gefälschte Nachrichten erkennen können, bevor sie sich verbreiten. Lesen Sie weiter, Facebook verstärkt seine Bemühungen, Engagement Köder zu zügeln. Dies sind Beiträge, die nach Likes, Shares oder Kommentaren fragen. Genau wie Clickbait ist der Verlobungsköder dazu gedacht, die Benutzer von passiven Beobachtern zu aktiven Teilnehmern zu machen.

Anfangs werden einzelne Beiträge aus dem Nachrichten-Feed zurückgestuft, aber Facebook beginnt dann, die Personen, Seiten und Gruppen zu bestrafen, die diese Taktiken anwenden. Die Idee ist, die Leute davon abzuhalten, das System zu spielen, indem sie ein hohes Maß an Engagement nutzen, um ihr Ansehen auf Facebook zu verbessern.

Gaming Facebook Newsfeed-Algorithmus

"Verlobungs-Köder" ist ein Beitrag, der dazu dient, Interaktionslevels künstlich aufzublähen, unabhängig davon, ob es sich um Likes, Kommentare, Freigaben, Tags oder Abstimmungen handelt. Die Idee ist es, den Facebook-Algorithmus zu spielen, der Beiträge fördert, von denen er glaubt, dass sie populär sind. Mehr Engagement bedeutet also mehr Augäpfel.

Um das Problem des Verlobungs-Köders anzugehen, hat Facebook menschliche Redakteure kategorisieren lassen "Hunderttausende von Beiträgen, um ein maschinelles Lernmodell zu informieren". Und jetzt wird das maschinelle Lernen in der Lage sein, Verlobungs-Köder zu erkennen und die Post herabzustufen. So wird es tatsächlich weniger Leuten gezeigt.

Aus dem "Es ist Zeit!" Datei ... .Facebook wird anfangen, diese albernen, nervigen Posts zu demontieren, die ...

Gepostet von Dwight Silverman am Montag, 18. Dezember 2017

In den nächsten Wochen wird sich Facebook auf einzelne Beiträge konzentrieren. Danach werden die Seiten, die "systematisch und wiederholt den Verlockungsköder verwenden, um die Reichweite künstlich zu erreichen", ebenfalls degradiert. Mit anderen Worten, Publisher, die diese Warnung ignorieren, werden die Konsequenzen tragen.

Es sollte angemerkt werden, dass Beiträge, die "Hilfe, Ratschläge oder Empfehlungen, wie die Verbreitung eines vermissten Kindes, die Beschaffung von Geld für eine Sache oder die Frage nach Reisetipps" verlangen, nicht in dieses Vorgehen gegen Verlobungsköder aufgenommen werden. Das setzt voraus, dass das maschinelle Lernen auf dem neuesten Stand ist. 4 Machine Learning Algorithmen, die Ihr Leben formen 4 Machine Learning Algorithmen, die Ihr Leben formen Sie mögen es nicht erkennen, aber maschinelles Lernen ist bereits überall und kann einen überraschenden Grad an Einfluss ausüben über dein Leben. Glaub mir nicht? Sie könnten überrascht sein. Weiterlesen .

Verlobungsköder macht Facebook weniger Spaß

Ich vermute, dass jeder, der dies gelesen hat, einen Verlobungsköder auf Facebook gesehen hat. Denn, um es klar zu sagen, es funktioniert. Genau wie Clickbait und gefälschte Nachrichten macht Facebook jedoch weniger Spaß und weniger nützlich als es sein sollte. Es ist also gut zu sehen, dass Facebook hartnäckig dagegen ankämpft.

Wie oft siehst du, dass der Verlobungsköder auf Facebook verwendet wird? Geben Sie den Verantwortlichen die Likes, Kommentare oder Aktien, die sie wollen? Oder meiden Sie absichtlich solche Taktiken? Unterstützen Sie den Facebook-Stand dagegen? Bitte lassen Sie uns in den Kommentaren unten wissen!

In this article