Análise do Algoritmo de Recomendação de X ===================================== Usei o Grok Code Fast para obter uma análise rápida do sistema de recomendação do X. O que torna uma postagem viral =========================== tldr: A previsão de engajamento supera tudo. Publique conteúdo que gere interações. Com base no código do algoritmo real, as postagens com classificação mais alta normalmente têm: + Altas pontuações de engajamento previstas (modelos de ML preveem curtidas/republicações/respostas) + Forte correspondência de personalização (semelhança do SimClusters com os interesses do usuário) + Relevância do gráfico social (conexões do RealGraph com a rede do usuário) + Conteúdo de mídia (imagens/vídeos recebem multiplicadores de engajamento) + Credibilidade do autor (contagem de seguidores, verificação, pontuação tweepcred) + Sinais de qualidade de conteúdo (passa por filtros de spam/NSFW/qualidade) + Relevância oportuna (fator de atualização, trending topics) + Potencial de conversação (altas pontuações de previsão de resposta) O algoritmo usa modelos de aprendizado de máquina para prever o engajamento, não fórmulas ponderadas simples. O sucesso é medido pelas interações reais do usuário, criando um ciclo de feedback que melhora continuamente as previsões de classificação. Como o algoritmo realmente funciona =============================== 1. Geração de candidatos (9 fontes): - Earlybird (postagens na rede) ~ 50% - UTEG (recomendações fora da rede) - postMixer, Listas, Comunidades, Exploração de Conteúdo...