לפני מספר שבועות פורסמה באתר משרד הפטנטים וסימני המסחר של ארצות הברית בקשה לפטנט שחברת Meta הגישה בחודש נובמבר אשתקד. הפטנט יאפשר ליוצרי תוכן לדעת האם סרטון שהם מעלים יהיה ויראלי ויצור מעורבות (Engagment) טרם העלאת הסרטון בפועל.
בדיוני ככל שישמע, מניסוח הפטנט עולה כי ניתן יהיה לחזות את איכות הסרטון לפני פרסומו, באמצעות מודל למידת מכונה (ML) המאומן על סרטונים מ”מערכת רשת חברתית” (Social Networking System). על ידי ניתוח איכות הווידאו והשמע, מטא-נתונים של וידאו ונתוני קהל ומשתמשים, המערכת יכולה לחזות את “זמן השימור״ (Retention Rate) של המשתמש שיתרחש לאורך הסרטון, או כמה זמן סביר שמשתמש יצפה בפיסת תוכן, ולתת לו דירוג המתחיל מ-“גרוע” ועד “מצוין”, כך עולה מניסוח הפטנט.
הקרב על השליטה בוידאו הקצר עולה מדרגה
בהגשת הפטנט צוין כי לעתים קרובות יוצרי תוכן אינם מקבלים הדרכה באשר לכיצד יש ליצור תוכן שיעניין את המשתמשים, מה שמוביל, גם עבור המשתמשים לעומס יתר של תוכן “זבל” – כלומר תוכן שלא מעניין את המשתמשים וכזה שיכול לתסכל את הגולשים ולהוביל לחווית משתמש גרועה.
בעזרת הפטנט החדש, מטא מקווה לטפל בבעיה הזו ולשפר את חוויית המשתמש בפלטפורמות שלה, במיוחד בסרטוני ה”רילס” – השייך לסוג ה”וידאו הקצר” שתופס תאוצה בשנים האחרונות (Short Form Videos).
מטא מתחרה בטיקטוק כבר לא מעט זמן, ששלטה במרחב הווידאו הקצר, עם פלטפורמת רילס משלה. כדי למשוך יוצרים, מטא השיקה קרן יוצרים בסך מיליארד דולר בשנה שעברה, ובשיחת הרווחים האחרונה שלה, המנכ”ל מארק צוקרברג אמר שהחברה רואה בסרטוני ה”רילס” כמקור הכנסה עיקרי עבור החברה, בין היתר משום שמדובר בטרנד שהתחילה טיקטוק.
עם זאת, בטיקטוק עדיין רוב הנתונים מצביעים על כך שהתוכן מקבל כמות כפולה של צופים מאשר ה”רילס” באינסטגרם, ובשיעור מעורבות גבוה פי שישה – לפי הניתוח של Social Insider.
עם הפטנט הזה, מטא מקווה לתת ליוצרים את הכלים שהם צריכים כדי ליצור תוכן מרתק יותר, ובסופו של דבר להשאיר את המשתמשים בפלטפורמות שלה.
כיצד זה עובד בפועל?
חיזוי איכות הוידאו בבסיסו מתבסס על מודלים של למידת מכונה.
כדי להבין טוב יותר כיצד הציונים ניתנים, בואו ניתן דוגמה: ניקח מודל למידת מכונה שמטרתו חיזוי זמן הצפייה בסרטון.
אז כדי למקסם את זמן שימור הצופים, ניתן ליצור קטגוריית איכות וידאו בעלת ציון הסבירות לשימור הצופים המתחלק כך: גרוע, הוגן, טוב או מצוין, כאשר כל קטגוריית איכות וידאו עשויה להיות משויכת לקבוצת דרישות המשמשת לתיוג הנתונים של למידת המכונה.
סיווג של סרטון לקטגוריה “גרוע” על ידי מודל למידת המכונה עשוי להצביע על כך שלסרטון יש את הסבירות הגבוהה ביותר לזמן שמירה ממוצע של פחות מ-20 שניות, בעוד שסיווג של סרטון לקטגוריה “הוגן” עשוי להצביע על כך שסביר ביותר שלסרטון יש זמן שימור ממוצע של בין 20 ל -40 שניות, וכן הלאה.
המכונה למעשה לומדת את המאפיינים של כל אחת מן הקבוצות האלה ובודקת האם בסרטון שהעליתם יש יותר מאפיינים מהקבוצה הראשונה, השניה, השלישית או הרביעית.
ככל שטווחי הקשב של בני האדם, ובפרט של הדור הצעיר ממשיכים להצטמצם, סרטונים קצרים הופכים לצורה הפופולרית ביותר של צריכת תוכן. עם פטנט זה, מטא מבינה כבר שהיא חייבת לתעל את מאמציה להצגת יותר סרטונים מסוג זה בפלטפורמות שלה ובסופו של דבר להתחרות בטיקטוק בתחום זה בצורה הרבה יותר מעניינת ומפתיעה.
