การที่จะสร้างธุรกิจให้ impact ระดับโลกไม่ใช่เรื่องง่าย คีย์สำคัญของธุรกิจโดยเฉพาะด้านเทคโนโลยีนั้นส่วนใหญ่วัดกันที่คอมพิวเตอร์อัลกอริทึม เช่น PageRank ของ Google , NewsFeed ของ Facebook ซึ่งเป็นคีย์สำคัญในการพลิกจากบริษัทเล็ก ๆ ให้กลายเป็นธุรกิจขนาดยักษ์ขนาดใหญ่มหึมาระดับแสนล้านได้

โลกที่เต็มไปด้วยโปรแกรมเมอร์ยอดอัจฉริยะมากมาย หากใครคิดจะแหวกว่ายขึ้นไปอยู่ระดับท็อปได้นั้น มันไม่ใช่เรื่องที่จะทำกันได้ง่าย ๆ ต้องมีความฉลาดเป็นกรด และแน่นอนว่าองค์กรธุรกิจก็ต้องประกอบไปด้วยเหล่าทวยเทพแบบนี้เป็นจำนวนมาก จึงจะสามารถผลักดันองค์กรธุรกิจให้พุ่งทะยานไปข้างหน้าได้อย่างรวดเร็ว

เคสของ TikTok เป็นตัวอย่างที่น่าสนใจมาก ๆ ในเรื่องของคอมพิวเตอร์อัลกอริทึม ที่มันสามารถสร้างธุรกิจระดับแสนล้านเหรียญ และยังไม่มีทีท่าว่าความร้อนแรงจะลดลงไปเลย ด้วย Recommendation Engine ของพวกเขา

…

ในช่วงต้นปี 2012 วิศวกรที่แทบไม่มีใครรู้จักอย่าง Zhang Yiming กำลังหมกมุ่นอยู่กับแนวคิดเกี่ยวกับการทำเหมืองข้อมูลและการแนะนำข้อมูล ค้นคว้าเกี่ยวกับแพลตฟอร์มเนื้อหาออนไลน์ที่สำคัญทั้งหมดจากทั้งตลาดจีนและอเมริกา

เขาได้สังเกตเห็นสิ่งที่น่าสนใจอย่างนึงก็คือ แอปอันดับต้น ๆ ที่ไม่ใช่เกมบน App Store ของจีนนั้นจะเน้นไปที่เรื่องของความบันเทิง

ก่อนที่จะจดทะเบียนบริษัท ByteDance อย่างเป็นทางการ ทีมงานชุดแรก ๆ ก็ได้ลองสร้างแอปแรกของพวกเขาในชื่อ “Hilarious Goofy Pics (ภาพตลกขบขัน)” ซึ่งเต็มไปด้วยมีมต่าง ๆ ที่สนุกสนานและรูปภาพที่ไร้สาระมากมาย

แอปที่สองชื่อ “Implied Jokes” โดยเน้นที่มีมในอินเทอร์เน็ตโดยเฉพาะ และมันก็โด่งดังเป็นกระแสขึ้นมาทันที มีผู้ใช้นับล้านรายภายในไม่กี่เดือน

โดยรวมแล้ว บริษัทได้ทดลองเผยแพร่แอปมากกว่าหนึ่งโหลสำหรับการทดสอบในช่วงครึ่งปีแรกของปี 2012 โดยทดลองกับธีมและทิศทางที่หลากหลาย

ก่อนหน้านี้ที่ 99Fang ทีมงานของ Yiming ได้สร้างแอปอสังหาริมทรัพย์ห้าแอปเพื่อทดสอบตลาดต่าง ๆ ในขณะที่ ByteDance เขาได้ปรับปรุงกลยุทธ์นี้ให้กลายเป็นหนึ่งในการทดลองอย่างรวดเร็ว ผลักดันแนวคิดใหม่ ๆ และปล่อยออกสู่ตลาดอย่างรวดเร็ว ทดสอบคุณสมบัติที่หลากหลาย และให้ตลาดตรวจสอบว่าสิ่งใดมีมูลค่า ซึ่งกลายเป็นกลยุทธ์ที่สำคัญของ ByteDance ในภายหลัง

เป็นเรื่องโชคดีของ ByteDance ในตอนนั้น เพราะการพัฒนาแอปในจีนยังเป็นเรื่องใหม่มาก แอปของคู่แข่งจำนวนมากมีขนาดที่ใหญ่เทอะทะ ทำให้กว่าจะดาวน์โหลดเสร็จใช้เวลานานมาก ๆ

แอปของ ByteDance นั้นเน้นไปที่ขนาดเล็กและเบา มีเพียงไม่กี่เมกะไบต์ โดยเนื้อหาของพวกเขาได้รับการปรับปรุงอย่างต่อเนื่องโดยเชื่อมต่อกับเซิร์ฟเวอร์ด้วยระบบแบ็กเอนด์ที่รวบรวมข้อมูลและจัดประเภทเนื้อหาจากทั่วทั้งเว็บเป็นประจำ

การบริโภคเนื้อหา เช่น บทความ รูปภาพ หรือวีดีโอบนสมาร์ทโฟนเป็นประสบการณ์ที่แตกต่างอย่างมากจากอินเทอร์เน็ตบนเดสก์ท็อปพีซี Yiming ได้ทำการวิเคราะห์ถึง painpoint ไว้สามจุด ก็คือ หน้าจอที่มีขนาดเล็ก เวลาดาวน์โหลดที่นานเกินรอ และจำนวนข้อมูลที่เกินพิกัด ซึ่งเท่าที่เขาเห็น ไม่มีผลิตภัณฑ์ใดในจีนที่จัดการกับปัญหาทั้งสามนี้พร้อมกันได้

ทีมงานเริ่มสร้างแอปที่มีความทะเยอทะยานมากขึ้นด้วยวิสัยทัศน์ที่กว้างไกลเพื่อรวบรวมและจัดระเบียบรูปแบบเนื้อหามากมายจากอินเทอร์เน็ต แอปที่ขับเคลื่อนโดย Big Data และ Machine Learning ที่จะให้บริการผู้คนด้วยฟีดที่ปรับแต่งตามความชอบส่วนบุคคลด้วยเทคโนโลยี AI แบบไม่ต้องพึ่งพามนุษย์

สถานการณ์ในปี 2012 พอร์ทัลข่าวของจีนส่วนใหญ่จ้างบรรณาธิการที่เป็นมนุษย์และจัดการเนื้อหาด้วยตัวเอง Yiming เชื่อว่าสิ่งนี้จะใช้ไม่ได้อีกต่อไปในยุคมือถือ

ในขณะที่เทคโนโลยีกำลังก้าวไปข้างหน้า เขารู้สึกว่ามนุษย์จะถูกกำจัดออกจากกระบวนการจัดการข่าวทั้งหมด และแทนที่ด้วยระบบอัตโนมัติที่ใช้ประโยชน์จาก Big Data และ Machine Learning

Jinri Toutiao เป็นแอปใหม่ ซึ่งมีความหมายว่า “หัวข้อข่าวของวันนี้” และต่อมาถูกเรียกว่า “Toutiao” หรือ “หัวข้อข่าว” ซึ่งชื่อนี้ชนะเลิศจากการนำเสนอโดยทีมงานกว่าร้อยชื่อ

แอปข่าวถือเป็นธุรกิจที่สร้างเงินได้มหาศาล เพราะมีการใช้งานต่อเนื่อง เนื่องจากผู้คนเปิดแอปข่าว แม้ว่าจะมีเวลาว่างเพียงนาทีเดียวในการอ่านพาดหัวข่าว ความต้องการรับทราบข้อมูลใหม่ตลอดเวลาเป็นความต้องการขั้นพื้นฐานของมนุษย์ เมื่อสร้างนิสัยดังกล่าวแล้ว แอปข่าวจะไม่ถูกลบไปจากมือถือของผู้คน

เมื่อ Toutiao เปิดตัว ก็ได้รับผลตอบรับที่ดีมาก ด้วยประสบการณ์ใช้งานที่เหนือกว่า แม้จะอยู่ในหมวดหมู่ข่าวที่จำกัด แต่ก็ยังแซงหน้าแอปอื่น ๆ ในด้านนวัตกรรมและผลิตภัณฑ์ ทั้ง Weibo , Wechat หรือแม้กระทั่ง Baidu

กลยุทธ์ที่น่าสนใจของ Yiming ก็คือการรวมเครือข่ายของแอปต่างๆ ที่เขาปล่อยไปก่อนหน้านี้ แล้วแปลงผู้ใช้งานมายัง Toutiao ซึ่งแอปที่มีอยู่ก่อนหน้าของเขาทำหน้าที่ในการเป็นช่องทางการได้มาของกลุ่มลูกค้าเป็นหลัก

ตลอดปี 2012 พวกเขาใช้จ่ายเพียงแค่หนึ่งล้านหยวน (158,000 ดอลลาร์) ในการโปรโมตแอป และมีผู้ใช้งานมากกว่าหนึ่งล้านคนภายในสิ้นปี ต้นทุนการได้มาของผู้ใช้งานต่อผู้ใช้นั้นน้อยกว่า 0.1 หยวน การสร้างแอปมีมต่างๆ ก่อนหน้านี้เป็นวิธีที่โครตฉลาดในการดึงดูดผู้ใช้ในราคาถูก ซึ่งสามารถแปลงมาสู่แพลตฟอร์มหลักอย่าง Toutiao ได้ในภายหลัง

Recommendation Engine

ในปี 2011 Google ได้เริ่มใช้ระบบ Machine Learning ใหม่ที่เรียกว่า Sibyl เพื่อให้คำแนะนำบน Youtube ผลกระทบของ Sibyl นั้นเกิดขึ้นแทบจะทันที วิศวกรของ Youtube พบว่าตัวเลขการเข้าชมของ Youtube พุ่งกระฉูดขึ้นแบบฉุดไม่อยู่

Machine Learning ทำงานได้ดีจนในไม่ช้าผู้คนจำนวนมากเลือกว่าจะดูอะไรตาม “วีดีโอแนะนำ” มากกว่าวิธีการอื่น ๆ ในการเลือกวีดีโอ เช่น การค้นหาทางเว็บหรือการอ้างอิงทางอีเมล

Google พบขุมทรัพย์ทำเงินใหม่ผ่านอัลกอริธึม Machine Learning พวกเขาได้พัฒนาพวกมันขึ้นไปอีกขั้น โดยสิ่งที่เรียกว่า Google Brain ซึ่งพัฒนาโดยกลุ่ม Moonshot อันโด่งดังของบริษัท Google X ที่นำโดยศาสตราจารย์ Andrew Ng จากสแตนฟอร์ด

Google Brain ใช้ประโยชน์จากความก้าวหน้าครั้งใหม่ของเทคโนโลยี Deep Learning แม้ผลกระทบจาก Sibyl นั้นจะน่าประทับใจ แต่ผลกระทบจาก Google Brain นั้นสร้าง Impact ที่สูงกว่ามาก

ในช่วงสามปี 2014-2017 เวลารวมที่ใช้ในการดูวีดีโอบนหน้าแรกของ Youtube เพิ่มขึ้น 20 เท่า คำแนะนำผลักดันมากกว่า 70% ของเวลาทั้งหมดบน Youtube วีดีโอแนะนำของ Youtube กลายเป็นเรื่องน่าขนลุกที่จะคาดเดาสิ่งที่คุณสนใจได้อย่างแม่นยำ

ที่ประเทศจีน Yiming ได้กลายเป็นผู้นำในเทคโนโลยีดังกล่าว เขาไม่เพียงแค่เห็นถึงศักยภาพอันยิ่งใหญ่ของมันเท่านั้น แต่ยังดำเนินการขั้นเด็ดขาดกับมันอย่างรวดเร็วอีกด้วยเพื่อไม่ให้ยักษ์ใหญ่รายอื่น ๆ รู้ตัวทัน

ปัจจัยที่สำคัญที่สุดที่ขับเคลื่อนความสำเร็จของ ByteDance คือวิสัยทัศน์ที่ชัดเจนในช่วงต้นของ Yiming ที่พวกเขามุ่งมั่นที่จะใช้เทคนิคใหม่ ๆ เหล่านี้ และจังหวะเวลาของตัดสินใจนั้นมีองค์ประกอบร่วมกันก็คือ การเติบโตอย่างบ้าคลั่งของสมาร์ทโฟนและการพัฒนาอย่างก้าวกระโดดของเทคโนโลยี AI

มันได้กลายเป็นเครื่องจักรที่ทรงพลังอย่างเหลือเชื่อ Yiming มองว่าสิ่งที่เขาจะต้องทำโดยด่วนก็คือ การเปลี่ยนจาก “คนที่กำลังมองหาข้อมูลเป็นข้อมูลกำลังหาผู้คน”

อัลกอริธึมคำแนะนำรูปแบบใหม่ จะฉีกหนีไปจากเดิมอย่างชัดเจน ที่สถานการณ์ในตอนนั้นโลกถูกขับเคลื่อนด้วยพลังของโซเชียลมีเดียที่ต้องการคำแนะนำเพียงเล็กน้อยแต่จะถูกขับเคลื่อนด้วยพลังของการเชื่อมต่อเพื่อการสื่อสารระหว่างกลุ่มคนเพียงเท่านั้น

อัลกอริธึมคำแนะนำรูปแบบใหม่ กำลังใกล้จะสุกงอมเต็มที่ Yiming ต้องคว้าโอกาสนี้ไว้ เนื่องจากคำแนะนำแทบไม่ต้องการข้อกำหนดในการติดตามเพื่อการเชื่อมต่อเหมือนในเครือข่ายโซเชียลมีเดีย

คำแนะนำที่ดีต้องใช้เทคโนโลยีขั้นสูง ด้วย search engine ผู้ใช้จะแสดงเจตจำนงที่ชัดเจนโดยสิ่งที่พวกเขาพิมพ์ลงในแถบค้นหา และมีการตั้งค่าของผู้ใช้ตามพฤติกรรมก่อนหน้าเพียงอย่างเดียว

โดยทั่วไประบบการแนะนำต้องอาศัยกระบวนการหลักสองประการ : “content-based filtering (การกรองตามเนื้อหา)” และ “collaborative filtering (การกรองการทำงานร่วมกัน)”

แนวคิดทั้งสองนี้ค่อนข้างง่ายต่อการเข้าใจ ระบบการกรองตามเนื้อหาจะแนะนำเนื้อหาให้กับผู้ใช้ ในสิ่งที่คล้ายกับที่พวกเขาต้องการอยู่แล้ว หากผู้ใช้สนุกกับการดูวีดีโอสุนัขและถูกแท็กว่าเป็น “คนรักสุนัข” ระบบจะแนะนำวีดีโอสุนัขเพิ่มเติม

ส่วนระบบการกรองการทำงานร่วมกันจะยึดตามคำแนะนำในการค้นหากลุ่มผู้ใช้ที่ชอบเนื้อหาที่คล้ายคลึงกัน ตัวอย่างเช่น ความสนใจของ Jane และ Tracey มีความสัมพันธ์กันอย่างมาก หาก Jane ดูวีดีโอซ้ำ ๆ จนจบ ซึ่งเป็นตัวบ่งชี้ความสนใจที่เชื่อถือได้ ระบบจะแนะนำวีดีโอนั้นให้กับ Tracey ด้วย

ในช่วงกลางปี 2012 Yiming ได้ส่งอีเมลไปยังทีมเทคนิคของ ByteDance ด้วยชื่อที่เป็นลางไม่ดี “Recommended Engine General Meeting”

Yiming มุ่งมันที่จะผลักดันในหัวข้อที่เขาเห็นว่ามีความสำคัญต่ออนาคตของบริษัท ในเนื้อหาอีเมลยังระบุด้วยว่า “ในการเป็นแพลตฟอร์มข้อมูล จำเป็นต้องทำงานได้ดีกับเครื่องมือแนะนำส่วนบุคคล พวกคุณต้องการเริ่มต้นสิ่งนี้ในตอนนี้หรือไม่”

ระบบการแนะนำเบื้องต้นของ Toutiao ซึ่งเรียกว่า “personalization technology (เทคโนโลยีการปรับเปลี่ยนในแบบของคุณ)” โดยเมื่อเปิดแอปขึ้นมา แล้วผู้ใช้จะได้รับบทความที่อ่านแล้วติดอันดับต้น ๆ เพื่อให้พวกเขาติดใจในทันที

หลังจากนั้นจะเป็นการรวมบทความ clickbait ที่ตรงเป้าหมายมากขึ้นซึ่งดึงดูดผู้ใช้เฉพาะกลุ่มเพื่อทดสอบและตัดสินใจว่าใครคือผู้อ่าน ผู้ใช้ที่คลิกบทความที่มีภาพตัวอย่างขนาดใหญ่ของนางแบบรถยนต์น่าจะเป็นผู้ชาย ผู้ใช้รายอื่นที่อ่านบทความ “ซุปไก่เพื่อจิตวิญญาณ” น่าจะเป็นผู้สูงอายุ การเสริมการคาดเดานี้คือข้อมูลพื้นฐาน เช่น รุ่นโทรศัพท์ของผู้ใช้ ตำแหน่งทางภูมิศาสตร์ และวันเวลาที่พวกเขาเปิดแอป

ความก้าวหน้าทางเทคโนโลยีครั้งใหญ่ครั้งแรกเกิดขึ้นในปี 2014 เมื่อ ByteDance ได้ไปขโมยตัว Yang Zhenyuan รองผู้อำนวยการฝ่ายการค้นหามาจาก Baidu ซึ่งเขาทำงานกับ Baidu มาเป็นเวลา 9 ปีแล้ว Yang ได้รับตำแหน่งรองประธานฝ่ายเทคโนโลยีของ ByteDance ทันที และเตรียมพร้อมสำหรับการอัปเกรดทางเทคนิคครั้งใหญ่

การได้พนักงานระดับเรือธงอย่าง Yang เข้ามานั้น กลายเป็นจุดเปลี่ยนครั้งสำคัญของ ByteDance ซึ่งเปิดประตูให้กับวิศวกรของ Baidu คนอื่น ๆ ที่ติดตามเขามาร่วมงานด้วย

ด้วยความเชี่ยวชาญด้านเทคนิคที่เพิ่มขึ้นจากทีมของ Baidu ภายในปี 2016 พวกเขาสามารถทดลองวิธีการต่าง ๆ ในการสร้างเนื้อหาด้วยอัลกอริธึม ในระหว่างการแข่งขันกีฬาโอลิมปิกปีนั้น บอทที่พัฒนาโดย ByteDance ได้เขียนข่าวต้นฉบับ เผยแพร่เรื่องราวเกี่ยวกับเหตุการณ์สำคัญ ๆ ได้เร็วกว่าสื่อแบบดั้งเดิม และเพลิดเพลินกับระดับของการมีส่วนร่วมจากผู้ใช้ที่เทียบได้กับบทความที่เขียนขึ้นโดยนักเขียนที่เป็นมนุษย์จริง ๆ

ในเดือนมกราคมปี 2018 ByteDance ได้จัดประชุมสาธารณะในกรุงปักกิ่งเพื่อเปิดเผยว่าอัลกอริธึมของพวกเขาทำงานอย่างไร เป้าหมายเพื่อบรรเทาการวิพากษ์วิจารณ์จากสื่อของรัฐและหน่วยเฝ้าระวังทางอินเทอร์เน็ตเกี่ยวกับการเผยแพร่ภาพลามกอนาจารควบคู่ไปกับความกังวลเกี่ยวกับการขาดการดูแลของมนุษย์ที่เกี่ยวข้องกับเนื้อหา

ในงานดังกล่าวผู้นำทีมอัลกอริธึมระดับอาวุโสของบริษัท Cao Huanhuan ได้ลงรายละเอียดเกี่ยวกับหลักการของระบบการแนะนำของ ByteDance

ระบบของ ByteDance ใหม่นั้นมีศูนย์กลางอยู่ที่ 3 โปรไฟล์ : content profile (โปรไฟล์เนื้อหา) , user profile (โปรไฟล์ผู้ใช้) และ environment profile (โปรไฟล์สภาพแวดล้อม)

สำหรับโปรไฟล์เนื้อหา Cao ได้ยกตัวอย่างบทความข่าวเกี่ยวกับการแข่งขันฟุตบอลพรีเมียร์ลีกอังกฤษระหว่างลิเวอร์พูลกับแมนเชสเตอร์ยูไนเต็ด โดยคำหลักจะถูกดึงออกมาจากบทความโดยใช้เทคโนโลยี Natural Language Processing (NLP)

ซึ่งในกรณีดังกล่าวก็คือ “สโมสรฟุตบอลลิเวอร์พูล” “สโมสรฟุตบอลแมนเชสเตอร์ยูไนเต็ด” “พรีเมียร์ลีกอังกฤษ” และชื่อผู้เล่นหลักหลายคนจากเกมดังกล่าว เช่น “ดาวิด เด เคอา”

จากนั้นจะมีการกำหนดค่าความเกี่ยวข้องกับคำหลัก ในตัวอย่าง “สโมสรฟุตบอลแมนเชสเตอร์ยูไนเต็ด” เท่ากับ 0.9835 และ “ดาวิด เด เคอา” เท่ากับ 0.9973 ซึ่งทั้งคู่ถือว่าสูงมากตามที่คาดไว้ โปรไฟล์เนื้อหายังรวมถึงเวลาที่เผยแพร่บทความ ซึ่งช่วยให้ระบบคำนวณว่าบทความนั้นล้าสมัยเมื่อใดและหยุดการแนะนำ

โปรไฟล์ผู้ใช้สร้างขึ้นจากแหล่งต่าง ๆ รวมถึงประวัติการท่องเว็บ ประวัติการค้นหา ประเภทของอุปกรณ์ที่พวกเขาใช้ ตำแหน่งของอุปกรณ์ อายุ เพศ และลักษณะพฤติกรรม ผู้ใช้ถูกแบ่งออกเป็นละติจูดหลายหมื่นตามข้อมูลโซเชียลและการขุดพฤติกรรมผู้ใช้เพื่อสร้างโปรไฟล์ที่แตกต่างกัน

เมื่อคุณอ่านโพสต์ที่แพลตฟอร์มแนะนำ มันจะเรียนรู้การตั้งค่าของคุณโดยติดตามพฤติกรรมของคุณ : สิ่งที่คุณเลือกอ่าน สิ่งที่คุณเลือกที่จะยกเลิกอ่าน คุณใช้เวลานานแค่ไหนกับเนื้อหา บทความที่คุณแสดงความคิดเห็น และเรื่องราวใดที่คุณ เลือกที่จะแชร์

สุดท้ายโปรไฟล์สภาพแวดล้อมจะขึ้นอยู่กับตำแหน่งที่ผู้ใช้เสพเนื้อหา เช่น ที่ทำงาน ที่บ้าน หรือระหว่างการเดินทางบนรถไฟใต้ดิน เนื่องจากความชอบของผู้คนแตกต่างกันไปตามสถานการณ์ต่าง ๆ ลักษณะด้านสิ่งแวดล้อมอื่น ๆ ได้แก่ สภาพอากาศและแม้กระทั่งความเสถียรของการเชื่อมต่ออินเทอร์เน็ตของผู้ใช้และเครือข่ายที่พวกเขาใช้ ( เช่น Wi-Fi หรือ China Mobile 4G)

ระบบจะคำนวณการจับคู่ทางสถิติที่รัดกุมที่สุดระหว่างโปรไฟล์เนื้อหา โปรไฟล์ผู้ใช้ และโปรไฟล์สภาพแวดล้อม ซึ่งจะเพิ่มประสิทธิภาพเปอร์เซ็นต์ของบทความที่อ่านและเปอร์เซ็นต์ของบทความที่อ่านเสร็จสิ้นแล้ว (เช่นเวลาที่ใช้)

จากนั้นกระบวนการเผยแพร่เนื้อหาจะจัดสรร “ค่าคำแนะนำ” ให้กับเรื่องราวที่ตีพิมพ์ใหม่แต่ละรายการโดยพิจารณาจากคุณภาพและจำนวนผู้อ่านที่เป็นไปได้ ยิ่งมีมูลค่าสูงเท่าใด ก็จะยิ่งแจกจ่ายบทความให้คนที่เหมาะสมมากขึ้นเท่านั้น

ค่าการแนะนำจะเปลี่ยนไปเมื่อผู้ใช้ตอบโต้กับมัน ปฏิสัมพันธ์ในเชิงบวก เช่น การชอบ การแสดงความคิดเห็น และการแชร์ ช่วยเพิ่มมูลค่าของคำแนะนำ

ส่วนการกระทำเชิงลบ เช่น ไม่ชอบและเวลาในการอ่านสั้น ค่าจะลดลงเมื่อเวลาผ่านไปเนื่องจากเนื้อหาเริ่มล้าสมัย สำหรับหมวดหมู่ข่าวด่วน เช่น ข่าวกีฬา หรือ ราคาหุ้น วันหรือสองวันอาจเพียงพอสำหรับมูลค่าที่จะลดลงอย่างมีนัยสำคัญ สำหรับเนื้อหาหมวดหมู่ที่มีระยะเวลายืนยาว (Evergreen Content) เช่น ไลฟ์สไตล์หรือการทำอาหาร กระบวนการจะช้าลง

ความสวยงามของการพึ่งพาคำแนะนำในการปรับปรุงการมีส่วนร่วมคือการสร้างวัฏจักรที่ดีของการปรับปรุงอย่างต่อเนื่องเมื่อเวลาผ่านไป ซึ่งมักเรียกกันว่า “data network effect” ยิ่งใช้เวลากับแอปมากเท่าไหร่ โปรไฟล์ผู้ใช้ก็จะยิ่งสมบูรณ์ยิ่งขึ้นเท่านั้น ซึ่งนำไปสู่การจับคู่เนื้อหาที่แม่นยำยิ่งขึ้นและประสบการณ์ผู้ใช้ที่ดีขึ้น

Recommendation Engine คือเครื่องจักรอันทรงพลังใหม่ของ ByteDance ที่พวกเขาสามารถที่จะคิดการณ์ใหญ่ มันผลักดันให้ Toutiao แอปอ่านข่าวของพวกเขาแตกต่างอย่างสิ้นเชิงกับแพลตฟอร์มอื่นๆ และสามารถทำรายได้ให้กับพวกเขาอย่างเป็นกอบเป็นกำ

เหมือนตัว Yiming จะเห็นขุมทรัพย์ขนาดมหึมาจากคอมพิวเตอร์อัลกอริทึมนี้ มันเป็นสิ่งที่ทำให้ ByteDance แตกต่างจากแพลตฟอร์มอื่น ๆ ซึ่งการเริ่มทดลองกับ Toutiao นี่เองที่สุดท้าย เมื่อนำอัลกอริทึมนี้มาสร้างแอปอย่าง TikTok ก็สามารถผลักดันให้แพลตฟอร์มวีดีโอสั้นรูปแบบใหม่นี้เติบโตอย่างบ้าคลั่ง และยึดครองโลกเราอย่างที่ได้เห็นกันในทุกวันนี้นั่นเองครับผม

References :
หนังสือ Attention Factory : The Story of TikTok & China’s ByteDance โดย Brennan Matthew
หนังสือ TikTok Boom : China’s Dynamite App and the Superpower Race for Social Media โดย Chris Stokel-Walker
https://pandaily.com/zhang-yiming-5-common-characteristics-outstanding-youth/

• Facebook
• Twitter
• Line