Misi TikTok adalah untuk menginspirasi kreativitas dan membawa sukacita. Kami sedang membangun komunitas global tempat Anda dapat membuat dan berbagi secara otentik, menemukan dunia, dan terhubung dengan orang lain. Feed For You adalah bagian dari apa yang memungkinkan koneksi dan penemuan itu. Ini merupakan pusat pengalaman TikTok dan tempat sebagian besar pengguna kami menghabiskan waktu mereka.

Saat Anda membuka TikTok dan mendarat di feed For You, Anda disuguhi berbagai video yang disesuaikan dengan minat Anda, membuatnya mudah untuk menemukan konten dan kreator yang Anda sukai. Feed ini diberdayakan oleh sistem rekomendasi yang mengirimkan konten ke setiap pengguna yang mungkin menarik bagi pengguna tertentu. Bagian dari keajaiban TikTok adalah tidak ada feed untuk Anda - sementara orang yang berbeda dapat melihat beberapa video menonjol yang sama, feed setiap orang unik dan disesuaikan dengan individu tertentu.

Feed For You adalah salah satu fitur penentu platform TikTok, tetapi kami tahu ada pertanyaan tentang bagaimana beberapa rekomendasi disampaikan di feed Anda. Dalam posting ini kami akan menjelaskan sistem rekomendasi di balik feed For You, mendiskusikan bagaimana kami bekerja untuk mengatasi beberapa hal yang ditemui layanan rekomendasi, dan membagikan tips bagaimana Anda dapat mempersonalisasi pengalaman penemuan Anda di TikTok.

Dasar-dasar tentang sistem rekomendasi

Sistem rekomendasi ada di sekitar kita. Mereka memberi daya pada banyak layanan yang kami gunakan dan cintai setiap hari. Dari berbelanja hingga streaming ke search engine, sistem rekomendasi dirancang untuk membantu orang memiliki pengalaman yang lebih personal.

Secara umum, sistem ini menyarankan konten setelah mempertimbangkan preferensi pengguna akun seperti yang diungkapkan melalui interaksi dengan aplikasi, seperti memposting komentar atau mengikuti akun. Sinyal-sinyal ini membantu sistem rekomendasi mengukur konten yang Anda sukai serta konten yang Anda inginkan untuk dilewati.

Faktor-faktor apa yang berkontribusi bagi Anda?

Di TikTok, feed For You mencerminkan preferensi yang unik untuk setiap pengguna. Sistem merekomendasikan konten dengan memberi peringkat pada video berdasarkan kombinasi faktor - mulai dari minat yang Anda ungkapkan sebagai pengguna baru dan menyesuaikan hal-hal yang Anda anggap tidak menarik juga - untuk membentuk umpan personalisasi Untuk Anda.

Rekomendasi didasarkan pada sejumlah faktor, termasuk hal-hal seperti:

  • Interaksi pengguna, seperti video yang Anda sukai atau bagikan, akun yang Anda ikuti, komentar yang Anda posting, dan konten yang Anda buat.
  • Informasi video, yang mungkin menyertakan detail seperti teks, suara, dan tagar.
  • Pengaturan perangkat dan akun, seperti preferensi bahasa Anda, pengaturan negara, dan jenis perangkat. Faktor-faktor ini dimasukkan untuk memastikan sistem dioptimalkan untuk kinerja, tetapi mereka menerima bobot lebih rendah dalam sistem rekomendasi relatif terhadap poin data lain yang kami ukur karena pengguna tidak secara aktif menyatakan ini sebagai preferensi.

Semua faktor-faktor ini diproses oleh sistem rekomendasi kami dan diberi bobot berdasarkan nilainya bagi pengguna. Indikator minat yang kuat, seperti apakah pengguna selesai menonton video yang lebih panjang dari awal hingga akhir, akan menerima bobot lebih besar daripada indikator yang lemah, seperti apakah Anda dan penampil dan pembuat video keduanya berada di negara yang sama. Kemudian video diberi peringkat untuk menentukan kemungkinan minat pengguna terhadap suatu konten, dan dikirimkan ke setiap umpan unik untuk Anda.

Ketika sebuah video cenderung mendapat banyak penonton jika diunggah oleh akun dengan banyak pengikut, hal ini dikarenakan akun tersebut sudah memiliki basis pengikut yang lebih besar, bukan karena perhitungan pengikut atau akun tersebut sudah memiliki performa video yang tinggi, menjadi faktor langsung dalam sistem rekomendasi.


Mengkurasi feed personalisasi For You

Langkah awal

Bagaimana Anda bisa tahu apa yang Anda suka di TikTok ketika Anda baru saja memulai aplikasi? Untuk membantu memulai, kami mengundang pengguna baru untuk memilih kategori yang diminati, seperti hewan peliharaan atau wisata, untuk membantu menyesuaikan rekomendasi sesuai preferensi mereka. Ini memungkinkan aplikasi mengembangkan feed awal, dan akan mulai memoles rekomendasi berdasarkan interaksi Anda dengan pengaturan video di awal.

Untuk pengguna yang tidak memilih kategori, kami mulai dengan menawarkan feed umum dari video populer untuk membuat bola bergulir. Video pertama yang Anda suka, komentar, dan diputar ulang akan memulai putaran awal rekomendasi saat sistem mulai mempelajari lebih lanjut tentang selera konten Anda.

Menemukan lebih banyak dari apa yang Anda minati

Setiap interaksi baru membantu sistem mempelajari minat Anda dan menyarankan konten - jadi cara terbaik untuk mengkurasi feed Anda adalah dengan menggunakan dan menikmati aplikasi. Seiring berjalannya waktu, feed For You Anda akan meningkat dalam menyajikan rekomendasi yang sesuai dengan ketertarikan Anda.

Feed For You Anda tidak hanya dibentuk oleh keterlibatan Anda melalui feed itu sendiri. Ketika Anda memutuskan untuk mengikuti akun baru, misalnya, tindakan itu akan membantu memperbaiki rekomendasi Anda juga, seperti juga akan mengeksplorasi tagar, suara, efek, dan topik yang sedang tren di tab Temukan. Semua ini adalah cara untuk menyesuaikan pengalaman Anda dan mengundang kategori konten baru ke dalam feed Anda.

Cara mengurangi video yang tidak Anda sukai di For You

TikTok adalah rumah bagi kreator dengan banyak minat dan perspektif berbeda, dan kadang-kadang Anda mungkin menemukan video yang tidak sesuai dengan selera Anda. Sama seperti Anda bisa menekan lama suatu video untuk menunjukkan ekspresi Suka, Anda juga dapat menekan lama di video dan memilih “Tidak Tertarik” untuk menunjukkan bahwa Anda tidak suka dengan video tertentu. Anda juga dapat memilih untuk menyembunyikan video dari kreator yang diberikan atau dibuat dengan suara tertentu, atau melaporkan video yang tampaknya tidak sesuai dengan pedoman kami. Semua tindakan ini berkontribusi pada rekomendasi di masa depan dalam feed Anda.

Mengatasi Tantangan dari Sistem Rekomendasi

Salah satu tantangan yang melekat dalam sistem rekomendasi adalah mereka dapat tidak sengaja membatasi pengalaman menjelajah Anda, yang kadang disebut “filter buble”. Dengan mengoptimalkan personalisasi dan relevansi, ada risiko menghadirkan tontonan video yang semakin homogen. Ini adalah sebuah masalah yang kami anggap serius karena kami menjaga sistem rekomendasi kami. 


Menginterupsi pola berulang

Agar feed For You Anda tetap menarik dan bervariasi, sistem rekomendasi kami bekerja dengan menyelingi beragam jenis konten bersama dengan konten yang sudah Anda tahu Anda sukai. Misalnya, feed For You Anda umumnya tidak akan menampilkan dua video berturut-turut yang dibuat dengan suara yang sama atau oleh pencipta yang sama. Kami juga tidak merekomendasikan konten duplikat, konten yang sudah Anda lihat sebelumnya, atau konten apa pun yang dianggap sebagai spam. Namun, Anda mungkin disarankan video yang diterima dengan baik oleh pengguna lain yang memiliki minat yang sama.

Mendiversifikasi rekomendasi

Diversifikasi sangat penting untuk mempertahankan komunitas  global yang sedang berkembang, dan hal ini menyatukan berbagai sudut-sudut di TikTok. Sampai akhirnya, terkadang Anda menemukan video di umpan Anda yang tampaknya tidak relevan dengan minat Anda yang diungkapkan atau telah mengumpulkan banyak suka. Ini adalah komponen penting dan disengaja dari pendekatan kami terhadap rekomendasi: membawa beragam video ke feed For You Anda memberi Anda peluang tambahan untuk menemukan kategori konten baru, menemukan pembuat baru, dan mengalami perspektif dan ide baru saat Anda menelusuri umpan Anda. 

Dengan menawarkan video yang berbeda dari waktu ke waktu, sistem ini juga bisa mendapatkan pemahaman yang lebih baik tentang apa yang populer di antara audiens yang lebih luas untuk membantu memberikan pengalaman hebat bagi pengguna TikTok lainnya. Tujuan kami adalah menemukan keseimbangan antara menyaranan konten yang relevan dengan Anda, sekaligus membantu Anda menemukan konten dan kreator yang dapat mendorong Anda menjelajahi pengalaman yang mungkin tidak Anda lihat.

Menjaga Pengalaman saat Menonton

Sistem rekomendasi kami juga dirancang dengan mempertimbangkan keamanan. Konten yang ditinjau ditemukan untuk menggambarkan hal-hal seperti prosedur medis grafik atau konsumsi legal barang yang diatur, misalnya, yang mungkin mengejutkan jika ditampilkan sebagai video yang disarankan untuk khalayak umum yang belum memilih konten tersebut, mungkin tidak memenuhi syarat untuk direkomendasikan. Demikian pula, video yang baru saja diunggah atau sedang ditinjau, dan konten spam seperti video yang diciptakan hanya untuk meningkatkan traffic, juga mungkin tidak memenuhi syarat untuk direkomendasikan ke dalam feed For You siapa pun.

Meningkatkan Pengalaman For You

Mengembangkan dan memelihara sistem rekomendasi TikTok adalah proses yang berkelanjutan saat kami berupaya memperbaiki akurasi, menyesuaikan model, dan menilai kembali faktor dan bobot yang berkontribusi pada rekomendasi berdasarkan umpan balik dari pengguna, penelitian, dan data. Kami berkomitmen pada riset lebih lanjut dan investasi karena kami berupaya membangun lebih banyak perlindungan terhadap bias keterlibatan yang dapat mempengaruhi sistem rekomendasi apapun.

Pekerjaan ini mencakup banyak tim - termasuk produk, keselamatan, dan kebijakan keamanan - yang pekerjaannya membantu meningkatkan relevansi sistem rekomendasi dan keakuratannya dalam menyarankan konten dan kategori yang lebih mungkin Anda nikmati.

Pada akhirnya, feed For You Anda didukung oleh feed balik Anda: sistem ini dirancang untuk terus meningkatkan, memperbaiki, dan belajar dari keterlibatan Anda sendiri dengan platform untuk menghasilkan rekomendasi yang dipersonalisasi yang kami harap dapat menginspirasi kreativitas dan membawa kegembiraan dengan setiap penyegaran di feed For You Anda.


Catatan: Di Pusat Transparansi TikTok di Los Angeles, para pakar yang diundang akan memiliki kesempatan untuk mempelajari bagaimana algoritma kami beroperasi bersama dengan meninjau kode sumber TikTok, yang akan tersedia di pusat pengujian dan evaluasi.