Klantverwachting: Hoe Linkedin haar klantverwachting via de feed steeds verbetert

Laatst kwam ik een leuk artikel tegen over de feed van Linkedin. Het gaf me veel inzichten over hoe de feed wordt opgebouwd en hoe men er bij Linkedin voor zorgt dat de feed van elk lid vrij van spam blijft en de relevante content showt waar het lid iets aan heeft. Graag deel ik met jullie mijn samenvatting en learnings, iets waar jullie hopelijk ook veel aan zullen hebben.

 

Inleiding

Veel Linkedinners bekijken elke dag weer de feed van iedereen uit hun eerstelijns netwerk. De feed is het startpunt van de reis van een lid op LinkedIn. Miljoenen leden zien de feed als hun eerste indruk. De feed is ook essentieel voor het leveren van de belangrijkste waardeproposities van LinkedIn:

  • Leden blijven verbonden met hun netwerk door netwerkactiviteiten te volgen,
  • Leden kunnen hun professionele identiteit te ontwikkelen door inhoud te plaatsen,
  • Leden blijven op de hoogte van voor hun relevante onderwerpen en actualiteiten ,
  • Leden ontdekken professionele kansen en doen ideeen op.

Het relevant houden van de LinkedIn-feed is van cruciaal belang om de kwaliteit van de ervaringen van gebruikers met de feed te behouden.

 

De uitdagingen
De rol van de LinkedIn-feed is actuele enrelevante inhoud te bieden op professioneel gebied. Informatie die op andere media als prettig wordt ervaren / aanvaardbaar is, is voor Linkedin gebruikers misschien totaal niet acceptabel.  Het spanningsveld voor Linkedin zit in het doorgeven van zoveel mogelijk content, zonder hierbij afbreuk te doen aan de verwachting van de gebruiker. De extra uitdaging zit m in het feit dat het gaat om zeer veel content, die, al is het maar door een paar items, sterk kan dalen in de kwaliteitsbeleving van de linkedingebruikers. De speld in de hooiberg, die erg pijnlijk kan zijn als je er in gaat zitten…..

 

Een mens + machine benadering
Om de kwaliteit van zoveel content goed te kunnen beheren, heeft Linkedin een proces ontwikkeld, waarbij content zowel door machinelearning en AI-achtige toepassingen wordt geclassificeerd als ‘niet-spam’ en relevant als professioneel content.

 

Maar…. Er is geen perfect algoritme om alles af te vangen. Er is een groot grijs gebied waarbinnen content valt die de ene persoon als spam ervaart en de ander juist als relevant. Daarom heeft Linkedin een aanpak gecreerd warbij naast machinelearning ook de mens een rol speelt in het clssificeren van de content.

 

Een van de belangrijkste manieren om de content te beoordelen, is door de inhoud van de content op diverse punten van haar levencyclus te boeoordelen. Dit is bijvoorbeeld bij:

  • De creatie van de content: het algoritme beoordeeld de tekst, video en afbeelding bij direct na het verschijnen als spam of niet.
  • De eerste reacties van het publiek, waarbij ook bekeken wordt of content misschien wel viral kan gaan. Reacties zijn bijvoorbeeld likes, shares en inhoudelijke comments.
  • De reacties na verloop van tijd (uren, dagen). Continu worden comments, shares en likes in de gaten gehouden en de content steeds weer beoordeeld. Naarmate de content meer beoordeeld wordt, zal deze relevanter worden en in de feed verschijnen )of niet.

Tot zover het algoritme en geautomatiseerde proces.

 

De volgende stap in het beoordelingsproces is is menselijk. Dit proces geldt alleen voor content die als ‘verdacht’ wordt gelbeld, en dus niet als spam of relevant beoordeeld gaat worden. De mensen van Linkedin krijgen deze content voorgeschoteld en bepalen of content relevant is voor de feed. Het geautomatiseerde proces wordt hierbij continu gevoerd met de resultaten, terwijl aan de andere kant de engine steeds weer uitgedaagd wordt via steekproeven. Dit zorgt ervoor dat het algoritme steeds specifieker content kan beoordelen en het proces steeds efficiënter kan verlopen.

 

Als laatste stap wordt op diverse levels steeds weer het algoritme en de menselijke steekproef toegepast. Dit kan niet anders, omdat relevantie van de content voor iedere feed anders is, en het geautomatiseerde proces nog lang niet perfect is. Door de levencyclus van de content goed in de gaten te houden, kan het proces wel steeds sneller verlopen en kan spam of niet relevante content steeds sneller worden geïdentificeerd. Hierdoor kan content eerder op een feed verschijnen, of juist sneller van een feed verwijderd worden.

 

Tenslotte

Linkedin is een professioneel netwerk. Erg goed dat ze de content beoordelen op professionaliteit en relevantie binnen de feeds van gebruikers. Door bovenstaand proces is zeker een steeds betere relevantie te verkrijgen. Ikzelf merk dat doordat bijvoorbeeld de rekenuitdagingen en andere niet relevante content steeds minder in mijn feed staan, iets waar ik persoonlijk erg blij mee ben. De scheidslijn blijft echter dun, dus het zal voor Linkedin een blijvende uitdaging zijn om mij tevreden te houden in mijn contentbeleving. Ik blijf dan ook in de gaten houden hoe Linkedin blijft voldoen aan mijn klantverwachting / contentrelevantie.

 

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *