{"id":4538,"date":"2014-04-01T15:40:08","date_gmt":"2014-04-01T14:40:08","guid":{"rendered":"http:\/\/jon-lund.com\/main\/?p=4538"},"modified":"2014-04-02T09:26:12","modified_gmt":"2014-04-02T08:26:12","slug":"larger-than-life-sadan-virker-facebooks-algoritmer-bedste-big-data-case-5","status":"publish","type":"post","link":"https:\/\/jon-lund.com\/main\/larger-than-life-sadan-virker-facebooks-algoritmer-bedste-big-data-case-5\/","title":{"rendered":"Larger than Life – s\u00e5dan virker Facebooks algoritmer. Bedste Big Data case #5."},"content":{"rendered":"

Ligesom Google kan Facebook takke data – og masser af dem – for alt. Men p\u00e5 en anden m\u00e5de. Hos Facebook er det ikke nettet der analyseres. Det er dig selv og dine venner, som de store datam\u00e6ngder kaster nyt lys over. Og redskaberne hedder blandt andet Edgerank, Custom- og Lookalike audience.\u00a0Her kommer nummer fem i min \u201cde bedste Big Data-cases jeg kender\u201d-kavalkade.<\/em><\/p>\n

Facebook er gigantisk. Mere end hver sjette (!)<\/a> menneske p\u00e5 kloden tjekker ind p\u00e5 det sociale netv\u00e6rk hver m\u00e5ned, halvdelen af dem bes\u00f8ger sitet dagligt og n\u00e5r de g\u00f8r det, bruger de i snit 17 minutter<\/a>. \u00a0Noget der – sidst jeg s\u00e5 efter – minder om extreme 20% af al den tid, der overhovedet bruges p\u00e5 nettet, l\u00e6gges hos Facebook.<\/p>\n

M\u00e5l OG middel
\n<\/b>I et Big Data perspektiv er det ikke de r\u00e5 m\u00e6ngder i sig selv der er fascinerende, men derimod den m\u00e5de Facebook bruger dem p\u00e5. For de mange posts, likes og kommentarer tjener et dobbelt form\u00e5l: de er b\u00e5de det \u201cprodukt\u201d som vi som brugere s\u00e6tter til livs, n\u00e5r vi er p\u00e5. Men de mange data udg\u00f8r ogs\u00e5 den maskine der frembringer produktet. De er b\u00e5de m\u00e5l og middel for indholdet. Og alle de annoncer, der giver Zuckerberg & co sm\u00f8r p\u00e5 br\u00f8det, for den sags skyld.<\/p>\n

Usynlig skov
\n<\/b>F\u00f8rst og sidst er Facebook dine venner. Og jeres indbyrdes relationer – dine vennekredse. Som er noget uh\u00e5ndterligt noget. For selvom du selv kan pege p\u00e5 hvem du anser for dine venner, hvem der st\u00e5r dig n\u00e6r og fjern, er det kun dit eget billede af vennekredsen du p\u00e5 den m\u00e5de kan f\u00e5 frem. Du har helt sikkert glemt nogen, som andre ville tage med. Og taget nogen med, som andre ville udelade. Og du har m\u00e5ske en ret god fornemmelse af, hvem du st\u00e5r n\u00e6r. Men ikke n\u00e6r s\u00e5 god fornemmelse af hvem de andre st\u00e5r n\u00e6r.<\/p>\n

\"wolframalphafacebookfriends\"<\/p>\n

Hos Wolfram Alpha (pr\u00f8v her)<\/a> kan du visualisere din Facebook-vennekreds, og afsl\u00f8re lidt af de indsigter, Facebook selv besidder om dig. Her er mine egne 599 Facebook-venner. De er ordnet i vennekredse, hvor dem med mange indbyrdes forbindelser (venskaber) er t\u00e6t p\u00e5 hinanden og dem med f\u00e6rre er fjernere fra hinanden. Og s\u00e5 er de vigtigste farvekodede. Min far, p\u00e5 billede f.eks. ses at st\u00e5 ovre i den mindre t\u00e6tte h\u00f8jre halvdel (det er familien derovre) og han har to farvekoder: han er top “social insider” hvilket betyder vi har mange f\u00e6lles venner, og s\u00e5 er han top “social connector” hvilket betyder, at han har venner i flere af “mine” venskabskredse.<\/em><\/p>\n

Det sande billede opst\u00e5r f\u00f8rst, n\u00e5r du f\u00e5r kortlagt alle p\u00e5 en gang. Det er det Facebook kan. Zoome ud, s\u00e5 det sande billede kommer frem. Selv kan du ikke se skoven for bare tr\u00e6er.<\/p>\n

Edgerank – den hemmelige formel
\n<\/b>Men det kan Facebook. For hver af os – dig, mig og alle de andre Facebook-brugere – har Facebook tegnet en profil. Den viser hvem vores venner er, hvem vi er t\u00e6t p\u00e5, i hvilke sammenh\u00e6nge vi er t\u00e6t p\u00e5 hinanden. Den viser hvilken slags updates vi godt kan lide – og fra hvem! – hvilke typer historier vi typisk klikker p\u00e5. Og en masse andet. Algoritmen der ligger bag er kendt som Edgerank. Eller var. For med systemets stigende kompleksitet er den enkle formel nok d\u00f8d<\/a>. Men logikken ikke. Den er bare blevet endnu mere avanceret<\/a>.<\/p>\n

\"Facebook-EdgeRank-Formula-1024x576\"<\/p>\n

Facebooks edgerank-algoritme i sin klassiske form. Det du ser i din nyhedsstr\u00f8m er udvalgt efter hvor t\u00e6t du er p\u00e5 den der har postet det (affinity), om det er et link, opdatering, billede eller video, der er tale om (weight – jo tungere, jo bedre) og s\u00e5 hvor lang tid siden det er at opdateringen fandt sted (decay). I dag er der mange flere faktorer der spiller ind.<\/em><\/p>\n

Din helt personlige str\u00f8m
\n<\/b>Hvis du tror dit facebook-feed holder dig fuldt opdateret om din vennekreds\u2019 Facebook-g\u00f8ren og laden tager du fejl. Det er kun de sjoveste og mest interessante af dine venners Facebook-opdateringer der havner i din nyhedsstr\u00f8m. Rigtigt meget andet sorteres fra. Og det er \u201cEdgerank\u201d og dets indblik i hvem du i virkeligheden gerne vil h\u00f8re fra, og hvem du i virkeligeheden helst vil have druknet, der st\u00e5r bag. Selv folk som du – p\u00e5 papiret – deler 100% vennekreds med – vil derfor se noget andet end du selv ser, n\u00e5r de logger p\u00e5. Og det er lige her du allermest tydeligt ser Big Data – i skikkelse af “Edgerank” – stikke hovedet frem hos Facebook. Det er Big Data der orkestrerer dette verdens st\u00f8rste hyper-lokalt\/private medie. Big Data – den store redakt\u00f8r.<\/p>\n

Dine helt egen reklamer
\n<\/b>Det er de samme mekanismer Facebook bruger n\u00e5r det g\u00e6lder reklamer. Ogs\u00e5 her udv\u00e6lger Facebook hvilke annoncer du skal se ud fra din profil. Og hvor meget du skal se til dem.<\/p>\n

En visnings-strategi, som annonc\u00f8ren kan v\u00e6lge, handler om engagement. Alts\u00e5 at annoncen skal vises til dem blandt den valgte m\u00e5lgruppe – kvinder, 25-35 \u00e5r, f.eks –\u00a0 som m\u00e5 forventes at like eller klikke p\u00e5 den. Er den valgt, tjekker Facebook dine – hvis alts\u00e5 du er kvinde mellem 25 og 35 \u00e5r – klik- og like-vaner f\u00f8r de bestemmer om du skal have reklamen at se. Og tjekker efter om dem der allerede har klikket p\u00e5 reklamen i\u00f8vrigt ligner dig. Hvis de g\u00f8r, er chancen for at du ogs\u00e5 f\u00e5r den at se, st\u00f8rre. G\u00f8r de ikke, er den mindre. S\u00e5dan lyder ihvertfald logikken bag.<\/p>\n

\"facebookengagementads\"<\/p>\n

Hvem vil du ramme? Klik p\u00e5 en knap og Facebooks Big Data maskine tager sig af resten. Screendump fra Facebooks annoncemodul.<\/em><\/p>\n

Facebook har ogs\u00e5 andre visningsstrategier. Reach, f.eks., hvor annoncen bare vises til s\u00e5 mange som muligt i den m\u00e5lgruppe du har defineret. Eller effekt, hvor annoncen vises til dem, der ikke bare klikker eller liker annoncen, men til dem, der klikker videre ud til annonc\u00f8rens eget site. P\u00e5 den m\u00e5de bruger Facebook alle deres Big Data til ikke bare at give en god service, men ogs\u00e5 tjene penge.<\/span><\/p>\n

Fort\u00e6l mig hvem du er
\n<\/b>Jeg har b\u00e5de her og i mine \u00f8vrige Big Data-cases fokuseret meget p\u00e5 hvilke m\u00f8nstre, som ellers ville v\u00e6re usynlige, som opst\u00e5r, n\u00e5r data bliver store nok. Men det er ikke den eneste m\u00e5de at skumme Big Data fl\u00f8den p\u00e5. En anden, lidt mere simpel, men alligevel ekstrem potent m\u00e5de at g\u00f8re det samme viser Facebook i deres \u201ccustom audience\u201d. Fordi der er s\u00e5 ekstremt mange brugere p\u00e5 Facebook, og fordi Facebook ved hvem de er, kan Facebook tilbyde at lave h\u00e5ndplukkede m\u00e5lgrupper helt ned p\u00e5 individ-niveau.<\/p>\n

\"Jon\"Jon<\/a><\/i><\/p>\n

Reklame med m\u00e5lgruppe p\u00e5 1: Min kone. Ingen andre end Mette f\u00e5r denne at se i sit newsfeed. Det er “custom audience” hos Facebook i praksis.<\/em><\/p>\n

Alt det kr\u00e6ver for at ramme en uskyldig tredjepart med en annonce – eller sponseret opdatering – er en emailadresse eller et Facebook-profilnavn. Ca en halv time efter du har tastet det ind, vil annoncen begynde at k\u00f8re. Det er lidt dyrere end normalt – en krone eller to per visning. Men til geng\u00e6ld er det ogs\u00e5 kun den eller de helt f\u00e5 udvalgte der ser hvad du skriver, s\u00e5 der er ingen spildte penge p\u00e5 fejlvisninger. Og du kan personligg\u00f8re din annonce i helt ekstrem grad. Hvad med \u201cTak for i g\u00e5r – har du t\u00e6nkt over tilbuddet\u201d til kunden fra i g\u00e5r? Eller \u201cJeg elsker dig, Mette\u201d til dit livs udk\u00e5rne?<\/p>\n

Statistiske tvillinger
\n<\/b>Big Data hos Facebook er \u201cEdgerank\u201d og din personlige str\u00f8m af indhold og reklamer. Det er \u201ccustom audience\u201d og super-segmenterede m\u00e5lgrupper. Og s\u00e5 er det en tredje ting, som blander de to: \u201clookalike audiences\u201d. Eller \u201cstatistiske tvillinger\u201d, som f\u00e6nomenet ogs\u00e5 kaldes.<\/p>\n

Ideen er simpel: Du tager en gruppe brugere, som du ved er i din m\u00e5lgruppe. Og s\u00e5 beder du Facebook finde andre brugere der – statistisk – er magen til. Med almindelige annoncering hos Facebook starter du med en traditionel m\u00e5lgruppe a la kvinder mellem 25 og 35 \u00e5r, og her pr\u00f8ver Facebook s\u00e5 at finde frem til dem, som reagerer bedst p\u00e5 din reklame. Men s\u00e5dan er det ikke med \u201clookalike audience\u201d. Du starter fra scratch og beder Facebook helt selv definere hvad det egentligt er, der kendetegner m\u00e5lgruppen.<\/p>\n

Hvordan Facebook g\u00f8r, vides ikke. De holder kortene t\u00e6t til kroppen. Men det er n\u00e6rliggende at tro, at de tager hele deres arsenal af viden i brug: demografiske oplysninger (k\u00f8n, alder, bop\u00e6l etc.), interesser og sider du liker. Adf\u00e6rdsoplysninger (tilb\u00f8jelighed til at klikke, kommentere, tjekke ind og like). Sociale oplysninger (hvem og hvor mange venner du har, hvor meget du ligner dem og hvad din rolle i netv\u00e6rket er). Hvis det er uklart hvilke typer oplysniger Facebook tr\u00e6kker af stalden, er det endnu mere usikkert hvilke oplysniger der rent faktisk giver udslag, n\u00e5r et duplicate audience skal udpeges. Det er h\u00f8jst sandsynligt forskelligt fra annonce til annonce.<\/p>\n

Enkeltfaktor forsvundet i h\u00f8stakken<\/strong>
\nM\u00e5ske ved ikke engang Facebook selv hvilke af de mange data det er, der g\u00f8r udslaget. For med tilstr\u00e6kkeligt mange variable til at tegne Big Data m\u00f8nstret op, kan det v\u00e6re sv\u00e6rt at spotte n\u00e5len i h\u00f8stakken pege p\u00e5 pr\u00e6cis hvilken faktor der g\u00f8r udslaget. Faktisk vil der ofte slet ikke v\u00e6re en enkelt let-forst\u00e5elig \u00e5rsag. Men det er heller ikke n\u00f8dvendigt, s\u00e5l\u00e6nge du kender det rette mix. For det er i mix’en svaret ligger. Hvilket netop er et af de s\u00e6rligt smukke Big Data-kendetegn.<\/p>\n

I den forstand er Facebook mere end summen af vores alle sammens aktiviteter. M\u00e5ske endda “larger than life”.<\/p>\n

Dette er det femte indl\u00e6g i min gennemgang af de syv bedste Big Data cases jeg kender. De f\u00f8rste fire kan du finde her:<\/em><\/p>\n

1.\u00a0Target – supermarkedet der ved n\u00e5r du venter dig<\/a><\/em>
\n2.\u00a0Pas p\u00e5, tyve i LA. Politiet ved hvor og hvorn\u00e5r I sl\u00e5r til n\u00e6ste gang
\n<\/a>3.\u00a023andme.com l\u00f8ser medicinske g\u00e5der med banebrydende\u00a0Big\u00a0Data-approach
\n<\/a>4.\u00a0Google \u2013 alle Store\u00a0Data\u2019s moder<\/a><\/em><\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Ligesom Google kan Facebook takke data – og masser af dem – for alt. Men p\u00e5 en anden m\u00e5de. Hos Facebook er det ikke nettet der analyseres. Det er dig selv og dine venner, som de store datam\u00e6ngder kaster nyt lys over. Og redskaberne hedder blandt andet Edgerank, Custom- og Lookalike audience.\u00a0Her kommer nummer fem… L\u00e6s mere »Larger than Life – s\u00e5dan virker Facebooks algoritmer. Bedste Big Data case #5.<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[9],"tags":[],"_links":{"self":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4538"}],"collection":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/comments?post=4538"}],"version-history":[{"count":9,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4538\/revisions"}],"predecessor-version":[{"id":4552,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/posts\/4538\/revisions\/4552"}],"wp:attachment":[{"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/media?parent=4538"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/categories?post=4538"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/jon-lund.com\/main\/wp-json\/wp\/v2\/tags?post=4538"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}