Cara TikTok dalam Mengatur Sistem Rekomendasi For You

JAKARTA – TikTok menyadari bahwa feed For You merupakan salah satu fitur penting yang harus mereka optimalkan. Pasalnya, fitur ini akan memberikan rekomendasi video bagi para pengguna.

Fitur ini merupakan pintu utama dari TikTok. Setiap kali pengguna membuka platform tersebut, mereka akan langsung masuk ke halaman For You. Hal ini menunjukkan bahwa TikTok sangat bergantung pada sistem rekomendasi video yang mereka miliki.

Pada dasarnya, feed For You atau yang akrab dikenal dengan For You Page (FYP) bergantung pada interaksi pengguna seperti video yang disukai atau dibagikan. Sistem FYP juga akan menganalisis detail dari video yang sering dilihat, seperti teks, suara, dan tagar.

Seluruh interaksi pengguna beserta pengaturan dari perangkat dan akun akan dipertimbangkan oleh TikTok. Sistem ini akan menganalisis video, kemudian memberikan rekomendasi berdasarkan peringkat video yang sudah mereka tetapkan.

“Semua faktor-faktor ini diproses oleh sistem rekomendasi kami dan diberi bobot berdasarkan nilainya bagi pengguna. Kemudian video diberi peringkat untuk menentukan kemungkinan minat pengguna terhadap suatu konten,” kata TikTok dalam keterangan resmi.

Jika video yang ditampilkan oleh sistem FYP tidak sesuai dengan preferensi pengguna, TikTok meminta penggunanya untuk menekan tanda Tidak Tertarik pada video yang mereka lihat. Tanda ini sangat membantu mereka dalam memodifikasi konten.

Saat pengguna mengabaikan konten yang tidak menarik atau tidak mereka sukai di FYP, sistem FYP akan terpengaruh dan mungkin akan terjadi Filter Bubble. Kondisi ini bisa mengganggu user experience dan keadaan ini sangat TikTok hindari.

“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,” jelas TikTok.

Untuk mengoptimalkan tampilan FYP, TikTok juga akan membatasi interupsi berulang. Mereka tidak akan menampilkan konten duplikan, konten yang sudah pernah dilihat sebelumnya, dan konten yang dianggap sebagai spam oleh sistem.