#HaloKawan merasa enggak sih kalau timeline Twitter sekarang ini semakin dipenuhi Tweet dari akun-akun yang tidak kita follow?

Sejak 11 Januari 2023, Twitter memang telah mengganti jenis halaman “Home” dan “Latest” di muka menjadi “For You” dan “Following”. Feed “For You” menampilkan Tweet dari akun dan topik yang kita follow serta Tweet yang direkomendasikan kepada kita.

Tweet rekomendasi Twitter ini dikurasi menggunakan algoritma agar memperkaya cakupan topik yang didapatkan penggunanya. Namun, kini halaman “For You” jadi tersaturasi dengan akun menfess, atau diskursus yang viral sehingga kita susah melihat Tweet dan topik dari akun-akun yang benar-benar kita ikuti.

Twitter mengaku adanya bias pada algoritma rekomendasi mereka yang lebih sering menampilkan Tweet politik sayap kanan pada Oktober 2021. Berupaya menebus kesalahan mereka, CEO Twitter Elon Musk mengusulkan transparansi algoritma Twitter dengan open source pada 25 Maret 2022.

Lepas setahun, algoritma rekomendasi Twitter untuk halaman “For You” kini resmi open source pada Jumat, 31 Maret 2023. Perangkat lunak yang bertanggung jawab atas konten di “For You” bernama Home Mixer. Yuk, kita simak cara kerja algoritma rekomendasi Twitter!

1. Mengumpulkan Candidate Sources

Candidate sources adalah sumber-sumber yang dikumpulkan Twitter untuk menyusun kompilasi Tweet yang baru dan relevan untuk seorang user. Komposisi candidate sources terdiri dari 50 persen akun yang di-follow user (In-Network Source), dan 50 persen akun yang tidak di-follow user (Out-of-Network Source).

Kandidat In-Network Source di-rank dengan model Real Graph, yang memprediksi kemungkinan interaksi antar-user. Misalnya, kalau #HaloKawan sering berinteraksi dengan akun sahabat yang kamu follow, maka Tweet sahabatmu memiliki kemungkinan besar untuk masuk di feed “For You”-mu.

Sementara itu, Twitter memiliki dua pendekatan untuk menentukan apakah Tweet kandidat  Out-of-Network Source relevan dengan interest user, yaitu Social Graph dan Embedding Spaces.

Pendekatan Social Graph memprediksi apa yang relevan menurut user dengan menganalisis engagement dengan akun yang mereka follow atau lewat akun dengan interest yang mirip. Patokannya dengan dua pertanyaan:

Pertama, Tweet apa yang baru-baru ini di-engage oleh akun yang kita follow? Kedua, akun mana yang like Tweet yang mirip dengan kita, dan Tweet apa yang baru-baru ini mereka like juga?

Pendekatan embedding spaces bertujuan untuk menjawab kemiripan konten dengan menganalisis komunitas menggunakan SimClusters. Patokannya dengan pertanyaan “apa akun dan Tweet yang mirip dengan interest user?”.

Misalnya, #HaloKawan suka musik pop Barat. Twitter akan menampilkan Tweet tentang musik pop Barat yang sedang viral atau menampilkan Tweet dari akun yang kesukaannya mirip dengan kamu.

2. Ranking dengan Machine Learning

Twitter mengumpulkan total 1500 candidate sources yang relevan untuk ditampilkan di timeline user. Di sini, Twitter melakukan ranking Tweet dari yang paling relevan untuk kita dengan machine learning yang memberikan skor.

Nah, machine learning Twitter dilatih untuk mengidentifikasi positive engagement (like, retweet, reply) sebagai faktor utama sebuah Tweet mendapatkan skor tinggi. Jika skor semakin tinggi, berarti Tweet tersebut semakin layak masuk ke feed #HaloKawan.

3. Menambahkan Filter

Setelah Twitter memutuskan Tweet mana yang layak masuk “For You”, mereka juga tidak lupa untuk menambahkan filter yang sudah ditentukan user lewat settings and privacy dan ketentuan Twitter lainnya.

Misalnya, #HaloKawan pernah mute atau block sebuah akun. Kalaupun akun tersebut memiliki Tweet yang relevan untuk kamu, Twitter tetap tidak akan menampilkannya. Ini disebut visibility filtering.

Ketentuan Twitter lainnya termasuk author diversity, menghindari menampilkan Tweet dari akun yang terlalu banyak menge-Tweet; content balance, menjaga proporsi adil Tweet dari In-Network dan Out-of-Network; feedback-based fatigue, tidak menampilkan Tweet yang menerima banyak feedback negatif, dan masih banyak lagi.

4. Diacak dan Ditampilkan

Pada tahap ini, Twitter sudah punya kompilasi Tweet untuk ditampilkan di feed “For You”. Langkah terakhirnya, Twitter akan mengacak kumpulan Tweet tersebut dengan menyisipkan konten non-Tweet lain seperti iklan, rekomendasi follow, dan pop up imbauan lainnya sebelum akhirnya benar-benar ditampilkan dalam feed #HaloKawan.

Keempat proses ini dijalankan kira-kira sebanyak 5 miliar per hari, dan setiap prosesnya memakan waktu satu setengah detik. Hebat bukan?

Cara kerja algoritma rekomendasi inilah  yang membuat timeline “For You” kita dipenuhi dengan Tweet viral dari komunitas yang Twitter anggap relevan untuk kita. Syarat utamanya, Tweet-tweet seperti ini hanya membutuhkan banyak engagement (like, retweet, reply) untuk sampai di feed kita. Makanya, Tweet dari menfess yang banyak reply-nya mendominasi “For You” feed #HaloKawan.

Baca Juga: Serba-Serbi Twitter Blue

Kalo #HaloKawan team anak twitter jangan lupa share ke temen-temen yang lain ya kalo artikel ini bermanfaat!

Written by: Gracia Yolanda Putri

Sumber:

  1. https://unsplash.com/photos/FVtG38Cjc_k
  2. https://twitter.com/TwitterSupport/status/1612966288300572672?s=20
  3. https://github.com/twitter/the-algorithm
  4. https://twitter.com/elonmusk/status/1507041396242407424?ref_src=twsrc%5Etfw%7Ctwcamp%5Etweetembed%7Ctwterm%5E1507041396242407424%7Ctwgr%5Eba6fb3aefc5a210f3c6e03c1db9d87383ed9c489%7Ctwcon%5Es1_&ref_url=https%3A%2F%2Fblog.hootsuite.com%2Ftwitter-algorithm%2F
  5. https://blog.twitter.com/engineering/en_us/topics/open-source/2023/twitter-recommendation-algorithm#:~:text=Twitter%20aims%20to%20deliver%20you,your%20device's%20For%20You%20timeline.
  6. https://www.nbcnewyork.com/news/national-international/twitter-makes-its-recommendation-algorithm-open-source-heres-how-it-works/4207197/#:~:text=Twitter's%20Real%20Graph%20model%20is,user's%20%22For%20You%22%20feed.
  7. https://blog.twitter.com/en_us/topics/company/2021/introducing-responsible-machine-learning-initiative
  8. https://help.twitter.com/en/using-twitter/twitter-timeline#:~:text=Home%20serves%20Tweets%20from%20accounts,you%20manage%20your%20Home%20timeline.&text=Your%20Home%20timeline%20displays%20a,by%20a%20variety%20of%20signals