كيف توزع خوارزمية تويتر "لك" المشاهدات
يواجه معظم المؤلفين على تويتر نفس المشكلة: تختفي منشوراتهم في الفراغ. نص جيد، توقيت صحيح، موضوع شائع - ولكن لا توجد مشاهدات. السبب هو نفسه تقريبًا دائمًا: لم يصل المنشور إلى خلاصة "لك". خوارزمية تويتر "لك" ليست اختيارًا عشوائيًا للمحتوى للتوصيات. إنها نظام تقييم متعدد المستويات يقرر من يرى المنشور خارج متابعين المؤلف. فهم كيفية عملها يعني أنك تتوقف عن النشر بشكل أعمى وتبدأ في العمل مع الآليات التي تدفع الوصول حقًا.
ما هي خلاصة "لك" وكيف تختلف عن خلاصة "المتابعة"؟
خلاصة تويتر "لك" هي قسم يتم إنشاؤه خوارزميًا على الصفحة الرئيسية يعرض للمستخدمين منشورات بغض النظر عما إذا كانوا يتابعون المؤلف. هذا فرق جوهري عن علامة التبويب "المتابعة"، التي تعرض فقط المحتوى من الحسابات التي يتابعها المستخدم.
الدخول إلى "لك" يعني الحصول على انطباعات من جمهور لم يسمع بالحساب من قبل. هذا هو المكان الذي يحدث فيه النمو العضوي: يرى المستخدمون الجدد المنشور، ويتفاعلون معه، ويشتركون. بالنسبة لمعظم المؤلفين، تعد خلاصة توصيات تويتر المصدر الرئيسي للمشاهدات والمتابعين الجدد.
أصدرت X خوارزمية "لك" محدثة على GitHub في مايو 2026، مما يتيح للمطورين والمسوقين الوصول إلى منطق الترتيب الحقيقي. هذه إحدى الحالات القليلة التي تنشر فيها منصة رئيسية مبادئ نظام التوصية الخاص بها علنًا - ويستحق الاستفادة منها.
كيف تقيم خوارزمية "لك" المنشورات للتوصيات
يمر ترتيب منشورات X.com في خلاصة "لك" بعدة مراحل. أولاً، يختار النظام المرشحين من مجموعة ضخمة من المنشورات، ثم يرتبهم بواسطة مجموعة من الإشارات، وبعد ذلك فقط يعرض للمستخدم مجموعة مختارة مخصصة.
في مرحلة الاختيار الأولية، تنظر الخوارزمية في الصلة الموضوعية: اهتمامات المستخدم، وتاريخ تفاعله، والحسابات التي يتابعها. يتم تصفية المنشورات التي لا تتطابق مع مجموعة اهتمامات المستخدم حتى قبل الترتيب.
في مرحلة الترتيب، يتم تنشيط نموذج Phoenix - وهو نظام لتقييم الإجراءات المتوقعة للمستخدم مع المنشور. تحسب الخوارزمية احتمالية أن يعجب المستخدم بالمنشور، أو يعيد تغريده، أو يعلق عليه، أو ينقر على "غير مهتم". يتم إعطاء الأولوية للمنشورات ذات التفاعل المتوقع العالي.
فلتر إضافي هو سمعة الحساب. تستخدم منصة X مقياس TweepCred: تقييم داخلي لسلطة الحساب ونشاطه. تحصل الحسابات ذات TweepCred العالي على ميزة في البداية - فمن المرجح أن تدخل منشوراتها المجموعة الأولية من المرشحين للتوصيات.
مشاهدات المنشور كإشارة لخوارزمية X
تعتبر خوارزمية X مشاهدات المنشور ليس كمؤشر مستقل، ولكن كإشارة إدخال لتقييم الأنماط السلوكية. عدد المشاهدات نفسه لا يرتب المنشور أعلى - ما يحدث أثناء هذه المشاهدات هو المهم.
أصبح وقت البقاء أحد عوامل الترتيب الرئيسية في 2025-2026. تتتبع الخوارزمية المدة التي قضاها المستخدم في المنشور قبل التمرير. يتلقى المنشور الذي يُقرأ لفترة أطول إشارة عالية القيمة - وتوسع الخوارزمية نطاق وصوله في خلاصة "لك".
لهذا السبب، فإن المشاهدات جنبًا إلى جنب مع وقت البقاء الطويل لها تأثير مختلف جوهريًا عن المشاهدات مع التمرير السريع. يتراكم المنشور الذي يتم فتحه وقراءته والتفاعل معه وزنًا خوارزميًا بشكل أسرع بكثير من المنشور الذي يحتوي على نفس عدد المشاهدات ولكن بدون تأخير في الانتباه.
إشارات التفاعل والوصول في خلاصة "لك"
يرتبط التفاعل والوصول على تويتر من خلال المنطق الخوارزمي: يحمل كل نوع من التفاعل مع المنشور وزنًا مختلفًا عند الترتيب في خلاصة "لك".
التعليقات هي أقوى إشارة. تفسرها الخوارزمية كعلامة على أن المنشور أثار رد فعل قويًا بما يكفي للمستخدم لكتابة رد. تتلقى المنشورات التي تحتوي على مناقشات نشطة في التعليقات وصولًا موسعًا - تفترض الخوارزمية أنه إذا انخرط بعض المستخدمين في المناقشة، فسيرغب الآخرون في ذلك أيضًا.
تعمل الاقتباسات بشكل مشابه للتعليقات، ولكن مع تأثير إضافي: ينشئ كل اقتباس منشورًا جديدًا يمكن أن يدخل أيضًا إلى "لك". هذا مضاعف للوصول - ينشئ منشور أصلي واحد سلسلة من المنشورات في شرائح جمهور مختلفة.
تعمل إعادة التغريد على توسيع الوصول مباشرة عن طريق عرض المنشور لمتابعي الشخص الذي أعاد نشره. تستخدم الخوارزمية أيضًا إعادة التغريد كإشارة "يعتبر المستخدم هذا ذا قيمة لجمهوره" - وتزيد من أولوية المنشور.
الإعجابات هي الأقل وزنًا بين الإشارات المذكورة، ولكنها مهمة لدفعة أولية. في المراحل المبكرة من الانتشار، تؤدي الإعجابات من الحسابات النشطة إلى المرحلة الأولى من توسيع الوصول وتمنح المنشور فرصة للدخول إلى المجموعة الأولية لـ "لك".
الحفظ هو إشارة جديدة نسبيًا تعتبرها خوارزمية X مؤشرًا على قيمة المحتوى على المدى الطويل. تظل المنشورات ذات العدد الكبير من الحفظ نشطة في نظام التوزيع لفترة أطول.
كيف تعمل خلاصة توصيات تويتر: عوامل عملية
يسمح فهم كيفية عمل خلاصة توصيات تويتر ببناء استراتيجية محتوى تستند إلى إشارات خوارزمية محددة، بدلاً من التصرف بشكل حدسي.
الصلة والحداثة. تعطي خوارزمية "لك" الأولوية للمحتوى الجديد - خاصة المحتوى المتعلق بالمواضيع التي يتم مناقشتها بنشاط. تتلقى المنشورات التي تظهر في بداية الاتجاه دفعة من التجميع الموضوعي وتصل إلى جمهور تفاعل بالفعل مع محتوى مشابه.
خدماتنا للبث المباشر
Shopee
خدماتنا لصانعي المحتوى
