Meu Curso GRATIS! InstaViral do 0 aos 10mil seguidores: https://bit.ly/MiniCurso-InstaViral
Outros Links Importantes
DOWLOAD PDF: https://www.mediafire.com/file/owo6dck7xquwvyi/_NOVO_+Algoritmo+completo+revelado+pelo+Instagram+_+Como+o+algoritmo+do+Instagram+realmente+funciona.pdf/file
Meu treinamento (0 a 100 mil seguidores): https://rendacominstagram.eucaiomartins.com/
TRABALHE COMIGO: https://afiliadorico.eucaiomartins.com/
➡️TELEGRAM EXCLUSIVO!: https://t.me/conteudodocaio
PODCAST AFILIADO NO INSTAGRAM: https://open.spotify.com/show/59iRX0x…
➡️❤️Caso queira comprar instagram de nicho grande: https://multiummedia.com/
(2k – 1M).
Me envie sua dúvida pelo Instagram: @eu.caiomartins
Alguns bons VIDEO:
Viralize qualquer Instagram
https://youtu.be/_zO5ksG3TrY
Vender no Instagram do zero (3 videos)
https://www.youtube.com/playlist?list…
PRIMEIRA VENDA: https://youtu.be/MBdmbI5OXNk
0 a 1000 seguidores:
https://youtu.be/fQ4BKuowsIc
Como aumentar o Alcance e Engajamento:
https://youtu.be/qRfoQ8eg2fs
Como CRESCER no Instagram de nicho:
https://youtu.be/kW-_tUP249Q
Motivação
Um estrangeiro em turnê de uma galáxia muito, muito distante é um ávido usuário do Instagram. Seu feed do Instagram é dominado por
Postagens de amigos e familiares
Algumas revistas de viagens espaciais
Algumas notícias gerais
Muitos blogs de ficção científica
Ela se conecta, rola seu feed com cuidado, atualizando-se com amigos e família, acompanhando as notícias gerais da galáxia e, às vezes, reservando um momento para acompanhar um interessante conto de ficção científica.
Depois de se atualizar, ela muda para a guia explorar. Ela também adora essa guia. Tem a mistura certa de “surpresa e deleite” para ela. Ela passa muito tempo se envolvendo com o conteúdo. Mas, de vez em quando, ela tem um momento aha . Ela encontra uma conta que realmente deseja seguir. Hoje, ela descobriu aquela revista de viagens espaciais de nicho que ela quer receber atualizações diárias. Esse ato de seguir aumenta a quantidade de conteúdo em seu feed e, como o conteúdo é mais personalizado, ela o considera mais valioso. Esta e muitas outras histórias de usuários típicas nos inspiraram a fazer as seguintes perguntas:
Os usuários passam muito tempo criando a alimentação doméstica perfeita para eles. Como podemos fazer parte desse trabalho para eles e dar a impressão de que eles próprios elaboraram essas recomendações?
Curiosamente, os usuários que permanecem engajados continuam encontrando novas fontes de interesses para seguir. Podemos ajudar um pouco neste ato de personalização progressiva?
O sistema de classificação do feed inicial classifica as postagens das fontes que você segue com base em fatores como envolvimento, relevância e atualização. No outro extremo está o Explorar Sistema de Classificação , que abre para muitas outras postagens públicas que podem ser relevantes e envolventes para você. Podemos encontrar um meio-termo e projetar um sistema de classificação que mostre as postagens de contas que você não segue e, ainda assim, acha que você mesmo as criou? Em agosto de 2020, lançamos as postagens sugeridas no Instagram para atingir esse objetivo, que atualmente aparecem no final do seu feed. Vamos agora discutir como projetamos esse casamento de familiaridade + exploração.
Princípio de Design
Antes de mergulharmos nos detalhes do sistema de aprendizado de máquina, é necessário definir os princípios de design que nos guiarão ao longo do caminho como uma estrela do norte. “Feels Like Home” . Ou seja, rolar pelas recomendações de fim de feed deve ser semelhante a rolar para baixo uma extensão do feed da página inicial do Instagram.
Visão geral do sistema
Similaridade baseada em embeddings : usamos dados de engajamento do usuário para construir embeddings de conta. Isso nos ajuda a encontrar relatos que são temática e topicamente semelhantes entre si. Aprendemos embeddings de contas semelhantes a como os embeddings de palavras são aprendidos. Embeddings de palavras são uma representação vetorial de uma palavra, aprendida a partir do contexto em que a palavra aparece, entre as frases de um corpus. Da mesma forma, os embeddings de conta são aprendidos tratando várias contas / mídia com as quais um usuário interage, como uma sequência de palavras em uma frase (exemplo: digamos que um determinado usuário goste de selfies de seu BFF). Podemos então encontrar as contas mais semelhantes à semente, encontrando as contas mais próximas no espaço vetorial.
Similaridade baseada em co-ocorrência: Este método de similaridade é baseado na ideia de mineração frequente de padrões. Em primeiro lugar, geramos listas de mídia co-ocorridas usando dados de interação do usuário com a mídia (exemplo: nosso alienígena em turnê gosta de postagens
#NOVO #Algoritmo #Completo #Revelado #pelo #Instagram #Como #algoritmo #Instagram #realmente #funciona
FONTE
Duração do vídeo: 00:17:37