ਮੈਟਾ ਦਾ ਰੀਲਜ਼ ਧਮਾਕਾ: ਸ਼ੁਰੂ ਤੋਂ ਬਣਾਈ $50 ਬਿਲੀਅਨ ਦੀ ਰੈਵੇਨਿਊ ਮਸ਼ੀਨ!
Overview
ਮੈਟਾ ਪਲੇਟਫਾਰਮ ਦਾ ਰੀਲਜ਼, ਜੋ ਇੱਕ ਸਮੇਂ ਟਿਕਟੌਕ ਦੀ ਨਕਲ ਸੀ ਅਤੇ ਕੋਈ ਰੈਵੇਨਿਊ ਨਹੀਂ ਦਿੰਦਾ ਸੀ, ਹੁਣ ਇੱਕ ਵੱਡੀ ਸਫਲਤਾ ਬਣ ਗਿਆ ਹੈ, ਜਿਸ ਤੋਂ ਸਾਲਾਨਾ $50 ਬਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦੀ ਕਮਾਈ ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਇਸ ਵਾਧੇ ਦਾ ਸਿਹਰਾ ਐਡਵਾਂਸਡ AI ਰੈਕਮੈਂਡੇਸ਼ਨ ਸਿਸਟਮ (AI recommendation systems) ਅਤੇ ਇੰਸਟਾਗ੍ਰਾਮ ਅਤੇ ਫੇਸਬੁੱਕ 'ਤੇ ਵੀਡੀਓ ਦੇਖਣ ਦੇ ਵੱਧਦੇ ਰੁਝਾਨ ਨੂੰ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ। ਰੀਲਜ਼ ਹੁਣ ਯੂਟਿਊਬ ਸ਼ਾਰਟਸ (YouTube Shorts) ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨੂੰ ਯੂਜ਼ਰ ਐਂਗੇਜਮੈਂਟ ਟਾਈਮ (user engagement time) ਵਿੱਚ ਕਾਫੀ ਪਿੱਛੇ ਛੱਡ ਰਿਹਾ ਹੈ ਅਤੇ Amazon Fire TV ਸਮੇਤ ਨਵੇਂ ਪਲੇਟਫਾਰਮਾਂ 'ਤੇ ਵੀ ਫੈਲ ਰਿਹਾ ਹੈ।
ਮੈਟਾ ਦਾ ਰੀਲਜ਼ $50 ਬਿਲੀਅਨ ਦੇ ਰੈਵੇਨਿਊ ਮੀਲਸਟੋਨ 'ਤੇ ਪਹੁੰਚਿਆ
ਪੰਜ ਸਾਲ ਪਹਿਲਾਂ, ਮੈਟਾ ਪਲੇਟਫਾਰਮ ਦਾ ਸ਼ਾਰਟ-ਫਾਰਮ ਵੀਡੀਓ ਫੀਚਰ, ਰੀਲਜ਼, ਸਿਰਫ ਟਿਕਟੌਕ ਦੀ ਸਫਲਤਾ ਦੀ ਨਕਲ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਸੀ, ਜਿਸ ਤੋਂ ਕੋਈ ਰੈਵੇਨਿਊ ਨਹੀਂ ਮਿਲਦਾ ਸੀ। ਅੱਜ, ਇਹ $50 ਬਿਲੀਅਨ ਦੀ ਸਾਲਾਨਾ ਰਨ ਰੇਟ (annual run rate) ਹਾਸਲ ਕਰਨ ਦੀ ਤਿਆਰੀ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਰੈਵੇਨਿਊ-ਜਨਰੇਟਿੰਗ ਇੰਜਣ ਵਜੋਂ ਖੜ੍ਹਾ ਹੈ। ਇਸ ਮਹੱਤਵਪੂਰਨ ਵਿੱਤੀ ਮੀਲਸਟੋਨ ਦਾ ਐਲਾਨ ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਦੇ ਚੀਫ ਐਗਜ਼ੀਕਿਊਟਿਵ ਮਾਰਕ ਜ਼ਕਰਬਰਗ ਨੇ ਕੰਪਨੀ ਦੀ ਅਕਤੂਬਰ ਦੀ ਕਮਾਈ ਕਾਲ (earnings call) ਦੌਰਾਨ ਕੀਤਾ ਸੀ।
ਰੀਲਜ਼ ਲਈ ਅਨੁਮਾਨਿਤ $50 ਬਿਲੀਅਨ ਦਾ ਸਾਲਾਨਾ ਰੈਵੇਨਿਊ ਡਿਜੀਟਲ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਖੇਤਰ (digital advertising space) ਵਿੱਚ ਇਸਦੀ ਤੇਜ਼ੀ ਨਾਲ ਵੱਧ ਰਹੀ ਗ੍ਰੋਥ ਅਤੇ ਪ੍ਰਭਾਵ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸਦੇ ਮੁਕਾਬਲੇ, ਵਿਸ਼ਲੇਸ਼ਕ ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹਨ ਕਿ YouTube ਇਸ ਸਾਲ ਲਗਭਗ $46 ਬਿਲੀਅਨ ਦਾ ਇਸ਼ਤਿਹਾਰੀ ਰੈਵੇਨਿਊ ਕਮਾਏਗਾ, ਜਦੋਂ ਕਿ eMarketer ਟਿਕਟੌਕ ਦੇ ਰੈਵੇਨਿਊ ਦਾ ਅਨੁਮਾਨ $17 ਬਿਲੀਅਨ ਲਗਾਉਂਦਾ ਹੈ। ਇਹ ਪ੍ਰਦਰਸ਼ਨ ਰੀਲਜ਼ ਨੂੰ ਕੋਕਾ-ਕੋਲਾ ਅਤੇ ਨਾਈਕੀ ਵਰਗੇ ਸਥਾਪਿਤ ਦਿੱਗਜਾਂ ਦੇ ਬਰਾਬਰ ਰੈਵੇਨਿਊ ਜਨਰੇਸ਼ਨ ਸਮਰੱਥਾ ਵਿੱਚ ਰੱਖਦਾ ਹੈ।
AI-ਸੰਚਾਲਿਤ ਵਿਕਾਸ ਇੰਜਣ
ਮਾਰਕ ਜ਼ਕਰਬਰਗ ਨੇ ਰੀਲਜ਼ ਦੀ ਸਫਲਤਾ ਦਾ ਸਿਹਰਾ ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਦੀਆਂ ਉੱਨਤ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਰੈਕਮੈਂਡੇਸ਼ਨ ਸਿਸਟਮਾਂ (artificial intelligence recommendation systems) ਨੂੰ ਦਿੱਤਾ। ਇਹ AI ਸਿਸਟਮ ਇੰਸਟਾਗ੍ਰਾਮ ਅਤੇ ਫੇਸਬੁੱਕ 'ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਵਧੇਰੇ ਸੰਬੰਧਿਤ ਅਤੇ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੀ ਸਮੱਗਰੀ ਪ੍ਰਦਾਨ ਕਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਭੂਮਿਕਾ ਨਿਭਾਉਂਦੇ ਹਨ। ਖਾਸ ਕਰਕੇ ਵੀਡੀਓ ਸਮੱਗਰੀ, ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਪਹਿਲੂ ਬਣ ਗਈ ਹੈ, ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਪਿਛਲੇ ਸਾਲ ਦੇ ਮੁਕਾਬਲੇ ਇੰਸਟਾਗ੍ਰਾਮ 'ਤੇ 30% ਵੱਧ ਸਮਾਂ ਵੀਡੀਓ ਦੇਖਣ ਵਿੱਚ ਬਿਤਾ ਰਹੇ ਹਨ।
ਠੋਕਰ ਤੋਂ ਸਫਲਤਾ ਤੱਕ
ਰੀਲਜ਼ ਦਾ ਸਫ਼ਰ ਚੁਣੌਤੀਆਂ ਤੋਂ ਰਹਿਤ ਨਹੀਂ ਸੀ। ਕੁਝ ਸਾਲ ਪਹਿਲਾਂ ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਦੇ ਅੰਦਰੂਨੀ ਖੋਜ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਸੀ ਕਿ ਇੰਸਟਾਗ੍ਰਾਮ ਟਿਕਟੌਕ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਿਹਾ ਸੀ। ਅਗਸਤ 2020 ਵਿੱਚ ਲਾਂਚ ਹੋਣ ਤੋਂ ਬਾਅਦ, ਰੀਲਜ਼ ਨੂੰ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਐਂਗੇਜਮੈਂਟ ਗੈਪ (engagement gap) ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪਿਆ, ਰਿਪੋਰਟਾਂ ਸੁਝਾਉਂਦੀਆਂ ਹਨ ਕਿ 2022 ਵਿੱਚ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਟਿਕਟੌਕ ਨਾਲੋਂ ਰੀਲਜ਼ 'ਤੇ ਦਸ ਗੁਣਾ ਘੱਟ ਸਮਾਂ ਬਿਤਾਇਆ। ਕੁਝ ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਨੇ ਘਟਦੇ ਐਂਗੇਜਮੈਂਟ ਰੇਟਾਂ (engagement rates) ਨੂੰ ਉਜਾਗਰ ਕੀਤਾ, ਜਿਸ ਵਿੱਚ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾ ਘੱਟੋ-ਘੱਟ ਇੰਟਰੈਕਸ਼ਨ ਦਿਖਾ ਰਹੇ ਸਨ।
ਇੰਸਟਾਗ੍ਰਾਮ ਦੀ ਉਤਪਾਦ ਉਪ-ਪ੍ਰਧਾਨ (vice president of product) ਟੇਸਾ ਲਿਓਨਜ਼ ਨੇ ਫੋਟੋ ਸ਼ੇਅਰਿੰਗ ਅਤੇ ਸੋਸ਼ਲ ਕਨੈਕਸ਼ਨਾਂ ਲਈ ਜਾਣੀ ਜਾਂਦੀ ਐਪ ਵਿੱਚ ਸ਼ਾਰਟ-ਫਾਰਮ ਵੀਡੀਓ ਨੂੰ ਏਕੀਕ੍ਰਿਤ ਕਰਨ ਦੀਆਂ ਗੁੰਝਲਾਂ ਨੂੰ ਸਮਝਾਇਆ। ਮੁੱਖ ਚੁਣੌਤੀ ਸਿਰਫ ਵੀਡੀਓ ਪੇਸ਼ ਕਰਨਾ ਨਹੀਂ ਸੀ, ਬਲਕਿ ਇਸਨੂੰ ਅਜਿਹੇ ਖਾਤਿਆਂ ਤੋਂ ਵੀ ਖੋਜਣਯੋਗ ਬਣਾਉਣਾ ਸੀ ਜਿਨ੍ਹਾਂ ਨੂੰ ਉਪਭੋਗਤਾ ਫਾਲੋ ਨਹੀਂ ਕਰਦੇ ਸਨ। ਇਸ ਕੰਮ ਲਈ ਇੱਕ ਵਧੀਆ ਰੈਂਕਿੰਗ ਐਲਗੋਰਿਦਮ (ranking algorithm) ਦੀ ਲੋੜ ਸੀ ਜੋ ਇੰਸਟਾਗ੍ਰਾਮ ਦੇ ਮੂਲ 'ਫਾਲੋਇੰਗ ਗ੍ਰਾਫ' (following graph) ਫੋਕਸ ਤੋਂ ਵੱਖਰਾ ਸੀ।
ਐਲਗੋਰਿਦਮ ਦਾ ਵਿਕਾਸ ਅਤੇ ਉਪਭੋਗਤਾ ਐਂਗੇਜਮੈਂਟ
ਇੰਸਟਾਗ੍ਰਾਮ ਨੂੰ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਫਾਲੋ ਕੀਤੇ ਜਾਣ 'ਤੇ ਅਧਾਰਤ ਆਪਣੀ ਰਵਾਇਤੀ ਸਮੱਗਰੀ ਰੈਂਕਿੰਗ ਤੋਂ ਟਿਕਟੌਕ ਵਰਗੀ ਪ੍ਰਣਾਲੀ ਵੱਲ ਵਧਣਾ ਪਿਆ, ਜੋ ਉਪਭੋਗਤਾ ਦੀਆਂ ਰੁਚੀਆਂ ਦੇ ਆਧਾਰ 'ਤੇ ਸਮੱਗਰੀ ਦੀ ਖੋਜ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀ ਹੈ। ਇਸ ਵਿੱਚ ਮੌਲਿਕ ਸਮੱਗਰੀ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨਾ ਅਤੇ ਸਿਰਜਣਹਾਰਾਂ ਨੂੰ ਪ੍ਰੋਤਸਾਹਨ ਦੇਣਾ ਸ਼ਾਮਲ ਸੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਉਪਭੋਗਤਾਵਾਂ ਨੇ ਰੀਲਜ਼ ਨੂੰ ਸਕ੍ਰੋਲ ਕਰਨ ਵਿੱਚ ਵਧੇਰੇ ਸਮਾਂ ਬਿਤਾਉਣਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਪਲੇਟਫਾਰਮ ਦਾ ਐਲਗੋਰਿਦਮ (algorithm) ਦਰਸ਼ਕਾਂ ਦੀਆਂ ਤਰਜੀਹਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਿੱਚ ਵਧੇਰੇ ਨਿਪੁੰਨ ਹੋ ਗਿਆ, ਜਿਸ ਨਾਲ ਐਂਗੇਜਮੈਂਟ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ।
ਵਿਸਤਾਰਦੇ ਖੇਤਰ: ਟੀਵੀ 'ਤੇ ਰੀਲਜ਼
ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਰੀਲਜ਼ ਨੂੰ ਇੱਕ ਮੋੜ (turning point) ਮੰਨਦੀ ਹੈ ਅਤੇ ਇਸ ਗਤੀ ਦਾ ਲਾਭ ਉਠਾਉਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ। ਕੰਪਨੀ ਹੋਰ ਸਕ੍ਰੀਨਾਂ 'ਤੇ ਫੈਲਣ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ, ਜਿਸਦੀ ਸ਼ੁਰੂਆਤ ਟੀਵੀ ਲਈ ਇੰਸਟਾਗ੍ਰਾਮ (Instagram for TV) ਲਾਂਚ ਕਰਨ ਨਾਲ ਹੋਵੇਗੀ। ਹਾਲ ਹੀ ਵਿੱਚ ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ ਵਿੱਚ Amazon Fire TV ਡਿਵਾਈਸਾਂ 'ਤੇ ਇੰਸਟਾਗ੍ਰਾਮ ਲਾਂਚ ਕਰਨ ਦੀ ਇੱਕ ਪ੍ਰੀਖਣ ਕੀਤੀ ਗਈ ਹੈ। ਖੋਜ ਨੇ ਸੰਕੇਤ ਦਿੱਤਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੇ ਉਪਭੋਗਤਾ ਵੱਡੀਆਂ ਸਕ੍ਰੀਨਾਂ 'ਤੇ ਰੀਲਜ਼ ਦੇਖਣ ਲਈ ਆਪਣੀਆਂ ਡਿਵਾਈਸਾਂ ਨੂੰ ਮਿਰਰ (mirror) ਕਰ ਰਹੇ ਹਨ, ਜੋ ਇਸ ਤਬਦੀਲੀ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਬਜ਼ਾਰ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ। YouTube ਨੇ ਪਹਿਲਾਂ ਹੀ ਟੀਵੀ ਬਾਜ਼ਾਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਸਫਲਤਾ ਦਿਖਾਈ ਹੈ।
'ਬਲੈਂਡ' (Blend) ਵਰਗੀਆਂ ਨਵੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ, ਜੋ ਉਪਭੋਗਤਾਵਾਂ ਨੂੰ ਦੋਸਤਾਂ ਨਾਲ ਕਸਟਮ ਵੀਡੀਓ ਫੀਡ ਬਣਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ, ਅਤੇ ਐਲਗੋਰਿਦਮ ਸਿਫਾਰਸ਼ਾਂ (algorithm recommendations) 'ਤੇ ਸੁਧਰੀਆਂ ਉਪਭੋਗਤਾ ਨਿਯੰਤਰਣ (ਉਦਾ., ਕੁਝ ਸਮੱਗਰੀ ਨੂੰ ਵੱਧ ਅਤੇ ਦੂਜੀ ਨੂੰ ਘੱਟ ਦੇਖਣ ਦੀਆਂ ਤਰਜੀਹਾਂ ਦਾ ਸੰਕੇਤ ਦੇਣਾ) ਨੂੰ ਇੱਕ ਵਧੇਰੇ ਸਮਾਜਿਕ ਅਤੇ ਵਿਅਕਤੀਗਤ ਦੇਖਣ ਦੇ ਤਜ਼ਰਬੇ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ, ਜੋ ਕਿ ਵਿਆਪਕ ਸਕ੍ਰੀਨ ਅਪਣਾਉਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਪ੍ਰਭਾਵ
ਇਹ ਵਿਕਾਸ ਡਿਜੀਟਲ ਇਸ਼ਤਿਹਾਰਬਾਜ਼ੀ ਬਾਜ਼ਾਰ ਵਿੱਚ ਮੈਟਾ ਪਲੇਟਫਾਰਮਜ਼ ਦੀ ਸਥਿਤੀ ਨੂੰ ਮਹੱਤਵਪੂਰਨ ਤੌਰ 'ਤੇ ਮਜ਼ਬੂਤ ਕਰਦਾ ਹੈ, ਜੋ ਗੂਗਲ ਦੇ YouTube ਅਤੇ ByteDance ਦੇ ਟਿਕਟੌਕ ਵਰਗੇ ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨੂੰ ਸਿੱਧੀ ਚੁਣੌਤੀ ਦਿੰਦਾ ਹੈ। ਰੀਲਜ਼ ਦੀ ਸਫਲਤਾ ਮੈਟਾ ਦੇ ਮਾਲੀਏ ਦੇ ਸਰੋਤਾਂ ਨੂੰ ਵਿਭਿੰਨ ਬਣਾਉਂਦੀ ਹੈ ਅਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਬਦਲਦੀਆਂ ਸਮੱਗਰੀ ਦੀ ਖਪਤ ਦੀਆਂ ਆਦਤਾਂ ਨੂੰ ਅਪਣਾਉਣ ਦੀ ਇਸਦੀ ਰਣਨੀਤੀ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੀ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਸ ਹਿੱਸੇ ਤੋਂ ਨਿਰੰਤਰ ਵਿਕਾਸ ਅਤੇ ਮੁਨਾਫੇ 'ਤੇ ਨੇੜਿਓਂ ਨਜ਼ਰ ਰੱਖਣਗੇ। ਸਮਾਰਟ ਟੀਵੀ ਵਿੱਚ ਵਿਸਥਾਰ ਇਸ਼ਤਿਹਾਰੀ ਮਾਲੀਆ ਅਤੇ ਉਪਭੋਗਤਾ ਐਂਗੇਜਮੈਂਟ ਲਈ ਨਵੇਂ ਰਾਹ ਵੀ ਖੋਲ੍ਹਦਾ ਹੈ, ਜੋ ਵੱਡੇ ਡਿਸਪਲੇ 'ਤੇ ਸ਼ਾਰਟ-ਫਾਰਮ ਵੀਡੀਓ ਸਮੱਗਰੀ ਦੀ ਖਪਤ ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇ ਸਕਦਾ ਹੈ।
Impact Rating: 9/10
ਮੁਸ਼ਕਲ ਸ਼ਬਦਾਂ ਦੀ ਵਿਆਖਿਆ
- Annual Run Rate (ਸਾਲਾਨਾ ਰਨ ਰੇਟ): ਇੱਕ ਅਨੁਮਾਨ ਜੋ ਦੱਸਦਾ ਹੈ ਕਿ ਕੰਪਨੀ ਮੌਜੂਦਾ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਅਧਾਰ 'ਤੇ ਪੂਰੇ ਸਾਲ ਵਿੱਚ ਕਿੰਨਾ ਮਾਲੀਆ ਕਮਾਉਣ ਦੀ ਉਮੀਦ ਕਰਦੀ ਹੈ। ਇਹ ਇੱਕ ਅਨੁਮਾਨ ਹੈ, ਅਸਲ ਪਿਛਲਾ ਮਾਲੀਆ ਨਹੀਂ।
- AI Recommendation Systems (AI ਰੈਕਮੈਂਡੇਸ਼ਨ ਸਿਸਟਮ): ਕੰਪਿਊਟਰ ਸਿਸਟਮ ਜੋ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (artificial intelligence) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਪਿਛਲੇ ਵਿਵਹਾਰ, ਤਰਜੀਹਾਂ ਅਤੇ ਸਮਾਨ ਉਪਭੋਗਤਾਵਾਂ ਦੀਆਂ ਕ੍ਰਿਆਵਾਂ ਦੇ ਅਧਾਰ 'ਤੇ ਸਮੱਗਰੀ (ਜਿਵੇਂ ਵੀਡੀਓ, ਲੇਖ ਜਾਂ ਉਤਪਾਦ) ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ।
- Following Graph (ਫਾਲੋਇੰਗ ਗ੍ਰਾਫ): ਸੋਸ਼ਲ ਮੀਡੀਆ ਵਿੱਚ, ਇਹ ਉਨ੍ਹਾਂ ਉਪਭੋਗਤਾਵਾਂ ਦੇ ਨੈਟਵਰਕ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਵਿਅਕਤੀ ਫਾਲੋ ਕਰਦਾ ਹੈ ਅਤੇ ਜੋ ਉਨ੍ਹਾਂ ਨੂੰ ਫਾਲੋ ਬੈਕ ਕਰਦੇ ਹਨ। ਫਾਲੋਇੰਗ ਗ੍ਰਾਫ 'ਤੇ ਅਧਾਰਤ ਐਲਗੋਰਿਦਮ ਮੁੱਖ ਤੌਰ 'ਤੇ ਉਨ੍ਹਾਂ ਲੋਕਾਂ ਜਾਂ ਖਾਤਿਆਂ ਤੋਂ ਸਮੱਗਰੀ ਦਿਖਾਉਂਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਤੁਸੀਂ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਫਾਲੋ ਕਰਦੇ ਹੋ।
- Engagement (ਐਂਗੇਜਮੈਂਟ): ਪਲੇਟਫਾਰਮ 'ਤੇ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਸਮੱਗਰੀ ਨਾਲ ਗੱਲਬਾਤ ਦੇ ਪੱਧਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਲਾਈਕ, ਸ਼ੇਅਰ, ਕਮੈਂਟ ਅਤੇ ਦੇਖਣ ਦਾ ਸਮਾਂ।
- Algorithm (ਐਲਗੋਰਿਦਮ): ਨਿਯਮਾਂ ਜਾਂ ਨਿਰਦੇਸ਼ਾਂ ਦਾ ਇੱਕ ਸਮੂਹ ਜਿਸਦਾ ਪਾਲਣ ਕੰਪਿਊਟਰ ਕਿਸੇ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਜਾਂ ਕੋਈ ਕੰਮ ਕਰਨ ਲਈ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ਸੋਸ਼ਲ ਮੀਡੀਆ ਫੀਡ 'ਤੇ ਉਪਭੋਗਤਾ ਨੂੰ ਕਿਹੜੇ ਵੀਡੀਓ ਦਿਖਾਉਣੇ ਹਨ, ਇਹ ਨਿਰਧਾਰਿਤ ਕਰਨਾ।
