TikToks Empfehlungsalgorithmus ist dafür bekannt, Nutzerinteressen schnell zu erfassen und personalisierte Inhalte vorzuschlagen. Eine neue Studie zeigt nun, dass zwischen 30% und 50% der ersten 1.000 Videos, die neuen TikTok-Konten empfohlen werden, auf den erlernten Interessen der Nutzer basieren. Dieser Artikel beleuchtet, wie TikTok Nutzerinteressen erfasst, die Rolle des Empfehlungsalgorithmus und die daraus resultierenden individuellen Nutzererfahrungen. Erfahren Sie, wie die Forschung zu diesen Erkenntnissen kam und warum diese für das Verständnis der Funktionsweise von TikTok wichtig sind.
**Erkenntnisse über TikToks Empfehlungsalgorithmus**
Eine Untersuchung des Wall Street Journal im Jahr 2021 ergab, dass TikToks Algorithmus die Interessen neuer Nutzer in weniger als zwei Stunden identifizieren kann. Forscher aus den USA und Europa haben nun herausgefunden, dass ein erheblicher Teil der Videos, die neuen Konten empfohlen werden, auf diesen Interessen basiert. Die Forschung nutzte Daten von TikTok-Nutzern, die dank der Datenschutz-Grundverordnung der Europäischen Union Zugang zu ihren Daten hatten, sowie neu erstellte Bot-Konten, um die Empfehlungen zu analysieren.
**Wie TikTok Nutzerinteressen lernt**
TikTok ermittelt Nutzerinteressen anhand verschiedener Faktoren, wie etwa, ob Nutzer ähnliche Videos geliked haben oder bestimmten Erstellern folgen. Interessanterweise scheint die Dauer, wie lange Nutzer ein Video ansehen, keinen großen Einfluss auf die Empfehlungen zu haben. Dies wirft Fragen auf, da unklar ist, was TikTok als „Ansicht“ zählt. Die Forscher identifizierten zwei Arten von Empfehlungen: explorative, bei denen Nutzern zufällige Inhalte gezeigt werden, und exploitative, bei denen Inhalte basierend auf früheren Aktionen empfohlen werden.
**Individuelle Nutzererfahrungen und die Zukunft der Forschung**
Die Studie zeigt, dass Nutzer sehr unterschiedliche Erfahrungen auf TikTok machen können, abhängig davon, wie der Algorithmus sie behandelt. Dies unterstreicht die Notwendigkeit weiterer Forschung, um zu verstehen, wie diese Personalisierung funktioniert und welche Faktoren sie beeinflussen. Die Forscher betrachten ihre Arbeit als ersten Schritt, um Einblicke in die Funktionsweise der Personalisierung auf TikTok zu gewinnen.
Zusammenfassend zeigt die Studie, dass TikToks Empfehlungsalgorithmus eine wichtige Rolle bei der Gestaltung der Nutzererfahrung spielt, indem er zwischen 30% und 50% der Inhalte basierend auf erlernten Interessen personalisiert. Die Forschung hebt die Notwendigkeit hervor, die Mechanismen hinter dieser Personalisierung besser zu verstehen, und betont die unterschiedlichen Erfahrungen, die Nutzer auf der Plattform machen können. Dieses Wissen ist entscheidend für Nutzer, Entwickler und Forscher, um die Dynamik von TikTok und ähnlichen Plattformen zu begreifen.
Hinweis: Dieser Artikel wurde unter Verwendung von künstlicher Intelligenz (KI) erstellt. Sollten sich Fehler eingeschlichen haben, freuen wir uns über einen Hinweis an die Redaktion.