支 持 可 以 有 千 百 種 方 式。
有 一 種 支 持，不 用 花 你 一 毛 錢，不 用 花 你 精 力，更 加 不 用 花 你 多 少 時 間。
這 種 支 持 叫 『LIKE』。
沒 錯，就 是 動 下 手 指 按 讚。
.
.
.
相 信 大 家 身 邊 都 有 認 識 一 些 擁 有 自 己 公 司 或 品 牌 臉 書 專 頁 的 朋 友。他 可 能 是 名 居 家 創 業 者、微 商、代 購、美 食 中 心 的 小 販、咖 啡 館 老 闆 、自 媒 體 … 反 正 不 管 多 小 或 多 大，你 都 可 以 按 個 讚。
為 什 麼 LIKE 那 麼 重 要？
近 年 來， 臉 書 演 算 法 大 洗 牌，以 致 許 多 專 頁 的 觸 及 率 大 幅 度 下 降，換 言 之 觀 眾 少 了，東 西 就 更 難 賣 出 去 了。怎 麼 辦？大 家 除 了 拼 了 命 製 作 好 的 內 容 之 外，便 是 砸 錢 打 廣 告 了。FB 廣 告 費 不 是 玩 玩 的，長 期 靠 打 廣 告 換 關 注，真 的 非 常 傷 元 氣，除 非 你 是 大 集 團，有 堅 強 的 advertising budget，否 則 只 可 以 跟 空 氣 交 流，等 待 奇 蹟 來 臨。
臉 書 是 很 現 實 的，越 多 人 互 動－－－ 按 emoji ／ 留 言 ／ 分 享，貼 文 就 會 被 越 多 人 看 到。今 天 你 LIKE 朋 友 A 的 貼，你 的 朋 友 B 看 到，朋 友 B 留 言，朋 友 C & D 會 看 到 … 如 果 你 的 朋 友 圈 裡 同 時 有 大 概 5 個 人 跟 X 貼 互 動，那 你 也 肯 定 會 看 到 X 貼。
你 說 LIKE 重 要 嗎？非 常 重 要！你 的 一 個 小 舉 動，讓 你 的 朋 友 省 下 廣 告 費，間 接 讓 更 多 人 看 到 你 朋 友 的 專 頁 和 產 品，提 升 了 銷 售 機 會。有 生 意，才 可 以 活 啊！專 頁 就 是 網 店，就 是 門 面，現 在 疫 情 時 期，有 實 體 店 也 開 不 得，還 能 靠 什 麼？就 是 靠 網 上 的 曝 光 率 了。
不 是 人 人 開 個 專 頁，把 東 西 放 上 網 賣 都 會 生 意 興 隆 的。顧 客 哪 裡 來？就 是 從 每 個 人 最 基 本 的 LIKE 開 始， LIKE 專 頁，LIKE 貼 文... 然 後 就 會 慢 慢 累 積 人 數，再 從 人 數 中 建 立 屬 於 自 己 的 顧 客 群。你 無 法 天 天 買 你 朋 友 賣 的 東 西，但 你 的 LIKE 真 的 會 make a difference。
別 人 在 做 的 我 們 未 必 一 定 要 響 應，但 若 要 響 應，最 基 本 兩 點：1. 在 自 己 能 力 範 圍 內，2. 真 心 助 人，而 不 是 趁 機 『博 宣 傳』，貢 獻 了 兩 包 米 都 要 拍 照 放 上 網 🤭。
#不要等你朋友掛白旗才來支持咧
#快點去like他們的專頁和貼文
fb你可能認識的朋友演算法 在 Re: [請益] Facebook 的朋友建議機制是怎麼回事？ - 看板ask-why 的推薦與評價
我簡單說一下~~如果有錯誤 煩請指正
因為我有在寫facebook app
所以對於它的好友trace方式大概有了解
你提到的三點基礎線索(同一個 network 學校 共同的朋友)
的確是facebook的優先考量
但facebook有一種特殊的演算機制
這可能要拓樸學領域的會比較了解
據說街上每隨機抽取50個人 其中至少有兩個人是同一天生日
這是建構在機率系統上的假說
同樣的 在網絡的平面概念中一樣適用
只是把一維的機率 延伸到平面而已
用通俗一點的解釋如下:(假設你是A)
第0層 A
|
第1層 B---C---D---E
BCDE是在"基礎線索"上與你有關的好友
於是BCDE出現在好友的建議名單中
這時候你會加入他們的機率幾乎是99%
於是進入第二層
第0層 A
|
第1層 B---C---D---E
| | | |
第2層 F-G H-I J-K L-M
FGHIJKLM是在拓墣觀念上與你有關聯的好友
這時你可能只加入G.J或M
加入機率可能可能只有37.5%
此時演算法會去檢討0-1與1-2的路徑
然後重新調整方向 提升你的加入機率
(為方便說明 舉極端的例子)
簡單來說 在第2層中FGHIJKLM GJM是你的高中同學的同學
FHIKL是你的高中同學的家人
演算法發現你加入GJM的機率為100% 而FHIKL為0%
因此"同學的同學"這項關聯就會成為未來第3層建議名單的原則
而"同學的家人"這項關聯就會被捨棄
理想上 之後你的建議名單都是"同學的同學的同學...無限延伸"
而你的加入率也會接近100%
第0層 A
|
第1層 B---C---D---E
| | | |
第2層 F-G H-I J-K L-M
| | |
第3層 N O P .......
以上~你會發現 facebook給你建議的名單好像神一樣!! 準到一整個不行
看到這別先END
如果只有這樣 facebook也沒比無名高明多少
facebook的野心還不只這樣
就如同有案例發現 有的人之間的關聯完全消失在網路上
facebook一樣神的出來 有時候讓表特版的鄉民也自嘆弗如
這就要牽扯到平面機率(或網狀機率) 以及部分的心理學
FB演算法由兩部分組成
一部分是先前提到的"基礎線索"
另一部分是針對前一部分的盲點所設計的"機率線索"
一開始我們有提到"每隨機50人中至少有兩人生日相同"
我們先假設50人的生日完全不同
機率P=(365/365)*(364/365)*(363/365)......*(316/365)
=0.0296
也就是說 假設"生日"是人與人之間的"關聯條件"
那麼我隨便找50人 這50人完全沒關聯的機率小於3%
因此facebook只要隨便把沒關係的50人的湊一推
會有97%的機率其中"至少"有兩人看對眼爆出愛的火花
有這樣的基礎 就可以產生很多玩法
例如以"學校"作為人與人之間的關聯條件
假設全台灣一共有160所大學 (基數)
那麼50人(庫數)無關聯的機率P=(160/160)*(159/160).....*(111/160)
=0.000185
天哪 0.0185耶~ 隨便都中 同學會到處開!!
人與人之間認識的可能性 當然不只是表面上的關聯表徵
可能是機率表徵 (你無法預測機天可能會在路上遇到誰 然後和誰成為朋友)
使用機率表徵的計算原則相同
公式化後如下:
關聯A 基數=a
庫數=a'
關聯A完全沒命中機率P(a)=a!/{[a^(a')]*[(a-a')!]}
把所有關聯集合起來 P=P(a)*P(b)...... P會趨近於零
假設FB很衰小 取樣這50個人在任何關係上通通不認識沒關聯
"機率趨近於零"!!!!!!!!!!!!!!!!! (尤其是考慮越多關聯)
因此 咱們的facebook又再度神奇的從陌生人猜出你可能認識誰!!
這樣還不夠嚴謹
facebook還有一招
根據社會網絡心理學 認識的人其中必定有某種層度的關聯
可能是興趣.居住地.語言.喜愛的食物.善長的技能等等...
如果今天有兩個認識的人之間完全查不到任何表面關聯
那麼那麼它一定落入"完全沒關聯區"
恩...什麼跟什麼 一定有人會聽不懂
那用下圖來說明好了
(下面的數線代表與你有相關的線索數目)
高度相關 輕度相關 完全無相關
<------------------------------------------>
你認識的人 你不認識的人 你可能認識的人
如果畫成座標圖如下:
你 |*
可 |*
能 | *
認 | * A B
識 | *
的 | * *
人 | * *
數 | * *
|_______*******________
與你相關的線索數目
一般A的狀況很能理解 與你共通線索特徵越多的人 你越可能認識他
但是大家往往忽略B的區段
這有點像"反常態曲線"
有部分你認識的人會落在幾乎與你沒相關的區域
雖然曲率沒有A的高
但很明顯的可以看出
所謂的半生不熟的關係 卻是人們最不可能認識的陌生人
所以 facebook只要把與你"最不相關"與"最相關"的人丟到你的建議名單
你就會有一長串 看似神奇的建議名單嚕!!
當然心理學上來說 facebook給你50人 你有49人不認識 但有1人你認識
你的注意會在那一人上 並且直呼好神奇
而"猜錯的49人"會被你忽略或是遺忘!!
說了這麼多 麼複雜的演算在程式撰寫上來說卻不是很難
配合資料庫與資料定義演算 就可以在很短的時間算出建議名單了
facebook應該不會無聊到去偷窺大家的信箱啦
雖然技術上是辦的到 但完全沒C/P值!?
除非是你主動匯入名單~
以上 因為我不太會畫BBS圖
若難以理解敬請見諒!!^^
※ 引述《Equalmusic (Cosmajoonitist)》之銘言：
: 我知道他會建議
: 1. 同一個 network 的人
: 2. 同一所學校的人
: 3. 如果你們有共同朋友
: 但是有的時候他會出現我認識的人, 但是我跟她在 facebook 上根本沒有共同朋友的情況
: 不是同一個 netowrk, 也沒有去過同一所學校
: （另外就即使是同一個 network 或是去過同一個學校, network 那麼大, 學校那麼大
: 他卻知道要建議誰, 這也還蠻神奇的...）
: 我想過一個狀況就是這個人先在 Facebook 上搜尋我, 查看我的資料
: 但後來我稍微 google 了一下發現了這個討論串
: https://www.topix.com/forum/com/facebook/TIM2PL2T0O5BQJO1C
: 裡面有人舉了一個例子排除了這個可能性
: 1. 他們八年沒聯絡, 所以這個人主動查詢他的可能性不高
: 2. 就算他真的搜尋他的資料, 他的名字是菜市場名, FB 上有千百個跟他同名的
: 3. 如果他用的是他的 email, 他的 email 早就換了
: 我沒有看完整個討論串, 一來實在文章太多, 二來文章的相似性太高
: 特別很多人提出提出 FB 會 tap into 你的 email contact list, yahoo 或 MSN 帳號
: 我覺得是 nonsense
: 雖然我對網路安全不是特別了解, 不過 FB 只是一堆 web applets
: 不可能跑到我的電腦裡來碰我的資料（如果是這樣那瀏覽器的安全性也太低了吧）
: 另外有些人也不在我的 AIM, GTalk 或是 MSN 裡面
: 但是 FB 還是很盡職的把他們都找出來了 ~_~
: 想請教一下有沒有板友對 Facebook 這種查找機制有研究的
: 好想知道阿！
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 60.248.76.222
... <看更多>