Odporúčací algoritmus: Ako radia algoritmy sociálnych sietí

Dosah na sociálnych sieťach sa neprideľuje, predikuje sa. Každá veľká sieť prevádzkuje systém, ktorý pre každú kombináciu používateľa a príspevku odhaduje, aká pravdepodobná je konkrétna akcia: pozrieť, lajkovať, komentovať, poslať ďalej, odsunúť, nahlásiť. Z týchto pravdepodobností vznikne skóre a zo skóre poradie vo feede. To, čo marketingové tímy zažívajú ako „algoritmus môj príspevok nedoručil“, je výsledkom presne tohto výpočtu.

Prakticky najdôležitejší poznatok z toho: platformy sa líšia vo váhach, v architektúre takmer nie. Kto pochopil spoločnú mechaniku, učí sa jeden algoritmus a päť odchýlok od neho.

Ako odporúčací algoritmus pracuje v štyroch stupňoch

Základný problém je výpočtový. Medzi momentom, keď niekto otvorí aplikáciu, a hotovým feedom sú milisekundy a za ten čas sa nedá každý dostupný príspevok ohodnotiť veľkým modelom. Množina sa preto po stupňoch zmenšuje a hodnotenie po stupňoch zdražuje. Každý stupeň má vlastné vyraďovacie kritérium a príspevok, ktorý sa neobjaví v prvom stupni, už v treťom nemá čo získať.

Candidate generation. Z celého fondu príspevkov sa vyberie predvýber niekoľkých tisíc kandidátov. Nedeje sa to prechádzaním, ale cez embeddingy: jedna neurónová sieť zobrazuje používateľov, druhá obsah, obe do rovnakého vektorového priestoru (two-tower architektúra). Výber je potom hľadanie susedov, technicky dopyt typu approximate nearest neighbour. Tento stupeň rozhoduje, či sa váš príspevok vôbec dostane do užšieho výberu. Je aj dôvodom, prečo tematická jednoznačnosť účinkuje silnejšie než frekvencia: účet bez rozpoznateľného tematického profilu neskončí v žiadnom čistom susedstve.

Light ranking. Lacný model hrubo predtriedi množinu kandidátov a zmenší ju na veľkosť, ktorú sa oplatí hodnotiť draho. Tu sa počíta málo znakov, zato rýchlo dostupných: doterajší výkon podobného obsahu, aktuálnosť, hrubá zhoda medzi profilom používateľa a profilom príspevku. Tento stupeň je dôvodom, prečo sa príspevok so slabým štartom málokedy ešte otočí. Vypadne skôr, než ho presný model vôbec uvidí.

Heavy ranking. Teraz beží vlastný predikčný model. Hodnotí zvyšných kandidátov a predikuje viacero akcií naraz namiesto toho, aby optimalizoval jedinú cieľovú veličinu (multi-task prediction). Výsledkom je pri každom príspevku zväzok pravdepodobností.

Re-ranking. Posledný stupeň koriguje čisté poradie podľa skóre: rozmanitosť (nie trikrát ten istý odosielateľ za sebou), biznisové pravidlá (podiel reklamy, aktuálnosť), trust a safety (moderačné pravidlá, obmedzenie dosahu pri hraničných prípadoch). Čo sa tu odfiltruje, vo feede sa neobjaví, nech bolo ranking skóre akokoľvek vysoké.

Štyri stupne vysvetľujú aj to, prečo si diagnózy k dosahu tak často protirečia. Príspevok môže zlyhať na veľmi rozdielnych miestach: pretože sa tematicky nikam nenapojí (candidate generation), pretože prvé sekundy nič nedodajú (light ranking), pretože ho síce niekto klikne, ale nedopozerá (heavy ranking), alebo pretože zaberie moderačné pravidlo (re-ranking). Zvonku vyzerá každý z týchto štyroch scenárov rovnako, teda ako malý dosah. Kto príčinu nerozlíši, optimalizuje nesprávny stupeň.

Kto prichádza z prostredia vyhľadávania alebo AI, vzorec spozná okamžite: lacný retrieval, drahé prehodnotenie. To isté rozdelenie opisuje reranking v RAG systémoch, len s dokumentmi namiesto príspevkov.

Value model: čo znamená „dobré“ pre stroj

Zo zväzku pravdepodobností musí vzniknúť jediné číslo, inak neexistuje poradie. Tento prepočet preberá value model, vážená úžitková funkcia nad predikovanými akciami. arXiv paper od autorov Milli, Pierson a Garg opisuje, že agregácia prebieha ako lineárna kombinácia jednotlivých signálov, a odkazuje na desať akcií, ktorých váhy X v roku 2023 zverejnil.

To je páka, ktorou platformy skutočne otáčajú. Keď sieť „mení algoritmus“, málokedy prestavuje pipeline, skôr posúva váhy alebo pridá nový predikčný cieľ. LinkedIn to zdokumentoval vo svojom ranking paperi LiRank: pre feed sa lineárne kombinuje šesť predikcií, medzi nimi osobitne zavedený long-dwell signál, ktorý rozpozná pasívne čítanie. Čas strávený na príspevku je tam jedným zo šiestich cieľov a prepočítava sa proti zvyšným piatim; jeho prah je zámerne závislý od kontextu namiesto pevného počtu sekúnd.

Ako silno rátajú jednotlivé akcie, sa zvonku dá merať len ťažko. Analytická platforma AuthoredUp na základe vlastného datasetu vyše 621 000 LinkedIn príspevkov dospela k výsledku, že komentáre rátajú asi dvakrát toľko ako lajky. Ide o analýzu tretej strany, nie o údaj od LinkedInu, a preto ju treba čítať ako orientačnú hodnotu. Výrazne vyššie faktory, ktoré kolujú v poradenských textoch, nie sú nikde nezávisle reprodukované.

Poctivá hranica: okrem kódu X zverejneného v roku 2023 nie sú presné ranking váhy verejné a aj tento stav je sčasti prekonaný. Ktoré stavebné prvky sa z neho dajú skutočne vyčítať, rozoberá do detailu článok o X algoritme a jeho open source kóde.

Mechanika za tým je stará a nepohodlná:

„Čím populárnejší príspevok je, tým väčší dosah dostane. […] Kto tento princíp pochopí, dokáže ho využiť pre seba a vlastné ciele.“

Björn Tantau, poradca pre social media, na LinkedIne. Veta opisuje spätnú väzbu presne: skoré signály zvyšujú predikovanú hodnotu, zvýšená hodnota prináša viac doručení, viac doručení vytvára ďalšie signály.

Od social graphu ku content graphu

Roky bola distribúcia otázkou spojenia: niekoho sledujete, dostávate jeho príspevky. Tento model nezmizol, ale posunul sa do druhého radu. Bežným prípadom je dnes doručovanie podľa záujmov, pri ktorom systém zo správania podobných používateľov odvodí, čo by mohlo sedieť.

Instagram robí toto rozdelenie výslovne. Adam Mosseri v januári 2025 pomenoval tri centrálne signály a rozlíšil pritom dosah medzi followermi a dosah mimo followerov: watch time, lajky a sends sú najdôležitejšie signály, pričom lajky rátajú o niečo silnejšie pri obsahu pre existujúcich followerov a sends pri odporúčaniach ľuďom mimo followerov. Rovnaké signály, iné váhy, dva zdroje dosahu. Čo z toho konkrétne vyplýva pre formáty a signály na Instagrame, rozoberá článok o Instagram algoritme 2026.

Strategicky prestavba znamená: váš počet followerov pôsobí už len na prvom stupni. Dodá systému lacnú prvú množinu kandidátov a tým rýchle signály. Či sa príspevok doručí aj ďalej, rozhoduje kvalita týchto signálov, nie veľkosť účtu. Prakticky to znamená, že každý jednotlivý príspevok nastupuje nanovo proti relevantnému tematickému fondu namiesto toho, aby zdedil získaný základný dosah. Podľa nášho odhadu je to najdôležitejší dôvod, prečo redakčné plány, ktoré kalkulujú s konštantným dosahom na príspevok, pravidelne míňajú cieľ.

Jeden vedľajší efekt sa týka druhotného využitia obsahu. Instagram vyraďuje účty, ktoré desaťkrát alebo viackrát za 30 dní publikujú cudzí obsah bez vlastnej úpravy, z odporúčacích plôch. Keď distribúcia beží cez odporúčania, originalita sa stáva podmienkou vstupu.

Foundation modely nahrádzajú zbierky modelov

Ešte donedávna sa ranking stack skladal z množstva špecializovaných modelov, po jednom na každú úlohu a plochu. Táto stavba sa práve konsoliduje. Meta opisuje GEM ako najväčší foundation model pre odporúčacie systémy v odvetví, trénovaný na tisíckach GPU vo veľkostnom ráde veľkých jazykových modelov a 4x efektívnejší na jednotku použitých dát a výpočtu než predchádzajúca generácia; pri prvotnom nasadení v Reels uvádza Meta 5 percent viac ad conversions na Instagrame.

Pri LinkedIne beží rovnaký pohyb. Paper k 360Brew opisuje decoder-only model so 150 miliardami parametrov, ktorý rieši vyše 30 predikčných úloh, na ktoré by inak pripadli vlastné modely. Rozšírené tvrdenie, že tým nahrádza tisíce jednotlivých modelov, v paperi v tejto podobe nie je.

Pre prax z toho vyplýva menej, než naznačujú titulky, ale niečo konkrétne: keď jediný veľký model sémanticky rozumie, o čom príspevok je, formálne triky strácajú účinok a obsahová jednoznačnosť získava. Napchávanie kľúčových slov, hashtagové oblaky a napodobňovanie formátov mieria na generáciu systémov, ktorá sa práve nahrádza.

Čo v EÚ mení DSA

Odporúčacie systémy sú v EÚ regulované a pôsobí to priamo na dostupnosť dosahu. Článok 27 Digital Services Act zaväzuje poskytovateľov online platforiem, ktorí používajú odporúčacie systémy, uviesť hlavné parametre týchto systémov jasným a zrozumiteľným jazykom vo svojich podmienkach. Článok 38 ide ďalej: veľmi veľké platformy a veľmi veľké vyhľadávače musia pre každý svoj odporúčací systém ponúknuť aspoň jednu možnosť, ktorá nestojí na profilovaní. TikTok 4. augusta 2023 oznámil, že európskym používateľom umožní vypnúť personalizáciu; For You potom ukazuje regionálne a globálne populárne videá.

Operatívny dôsledok je nespektakulárny, ale reálny: rastúca časť používateľov môže prejsť do nepersonalizovaných feedov. Pre vás to posúva hodnotu obsahu, ktorý sa nájde aj bez personalizácie, teda vyhľadateľných tém a evergreenov oproti čistým stávkam na timing.

Čo je mechanika a čo folklór

Doložené je, že nové príspevky sa najprv testujú na malých cieľových skupinách a že kvalita skorých signálov rozhoduje o ďalšom doručovaní. Doložené nie sú konkrétne čísla, ktoré k tomu kolujú: pevné veľkosti testovacích poolov, presné prahy pre completion rate alebo golden hour s definovanými hranicami. Tieto hodnoty pochádzajú z agentúrnych textov, nie zo zdrojov platforiem. Rovnako nejednotná je dôkazová situácia pri trestoch za externé odkazy: pri X je potláčanie zdokumentované v zverejnenom kóde, pri iných sieťach sa o ňom široko referuje, empiricky však konzistentne potvrdené nie je. Rozlíšenie medzi zdokumentovanou moderáciou a tým, čo sa rozpráva ako tajný trest, rozoberá článok Čo je shadowban.

Z toho vyplýva použiteľné pracovné pravidlo: princípy architektúry majú dlhý polčas, jednotlivé čísla krátky. Štvorstupňová pipeline, multi-task predikcia a doručovanie podľa záujmov platili v roku 2023 a platia aj v roku 2026. Percentuálne váhy, prahové hodnoty a bonusy za formát sa menia priebežne a väčšinou aj tak ide len o interpretáciu. Kto svoje obsahové rozhodnutia opiera o princípy a čísla používa len ako hypotézu vo vlastnom teste, pracuje stabilnejšie než ten, kto beží za ďalšou správou o zmene váh. Ktorá platforma sa kde odchyľuje a ktoré formáty na to hrajú, zaraďuje tematický prehľad k algoritmom sociálnych sietí a distribúcii. Všetky tu uvedené čísla majú stav august 2026.