व्यापकता
अपडेट किया गया 6 मार्च 2025
व्यापकता का क्या मतलब है
व्यापकता के तहत Facebook या Instagram पर कंटेंट को मिले सभी व्यू पर गौर किया जाता है और उन व्यू का अनुमानित प्रतिशत निकाला जाता है, जो उल्लंघन करने वाले कंटेंट पर मिले थे. (“हम व्यू की व्यापकता का मूल्यांकन क्यों करते हैं" में व्यू को परिभाषित करने के हमारे तरीके के बारे में और जानें.) इस मीट्रिक के तहत माना जाता है कि उल्लंघन करने वाले कंटेंट को जितनी ज़्यादा बार देखा जाता है, लोगों पर उसका उतना ही ज़्यादा असर पड़ता है.
व्यापकता के बारे में इस तरह से भी सोचा जाता है कि उल्लंघन करने वाले कंटेंट को कितने व्यू मिलने से हम नहीं रोक पाए. ऐसा या तो इसलिए होता है कि हम समय रहते उल्लंघनों का पता नहीं लगा पाए या फिर इसलिए कि हम उनका पता लगाने से पूरी तरह चूक गए.
हम व्यापकता का मूल्यांकन कैसे करते हैं
उल्लंघन करने वाले कंटेंट की व्यापकता का अनुमान लगाने के लिए, Facebook या Instagram से लिए गए कंटेंट के व्यू के सैंपल का उपयोग किया जाता है. हम इसकी गणना इस तरह करते हैं: उल्लंघन करने वाले कंटेंट के व्यू की अनुमानित संख्या को Facebook या Instagram के सभी कंटेंट को मिले व्यू की कुल अनुमानित संख्या से भाग देना. अगर वयस्क नग्नता और अश्लील गतिविधि की व्यापकता 0.18% से 0.20% है, तो इसका मतलब यह है कि हर 10,000 कंटेंट व्यू पर औसतन 18 से 20 व्यू ऐसे कंटेंट के थे, जिनसे वयस्क नग्नता और अश्लील गतिविधि से जुड़े हमारे स्टैंडर्ड का उल्लंघन हुआ था.
1 डॉट = 10 व्यू
कुल 10,000 व्यू
उल्लंघन करने वाले कंटेंट को मिले व्यू की संख्या - 20
अगर व्यापकता 0.20% है, तो इसका मतलब यह है कि हर 10,000 व्यू में से 20 व्यू उल्लंघन करने वाले कंटेंट पर मिले थे. हालाँकि, यह संख्या बहुत कम लग सकती है, लेकिन कम से कम संख्या भी लोगों पर गहरा असर डाल सकती है.
कुछ तरह के उल्लंघन हमारे प्लेटफ़ॉर्म पर कभी-कभी ही होते हैं. लोगों को उल्लंघन करने वाला कंटेंट दिखाई देने की संभावना बहुत कम होती है और हम ऐसे ज़्यादातर कंटेंट को लोगों के देखने से पहले ही हटा देते हैं. इसका नतीजा यह होता है कि कई बार हमें व्यापकता का सटीक अनुमान लगाने के लिए, उल्लंघन करने वाले कंटेंट के पर्याप्त सैंपल नहीं मिलते हैं. इन मामलों में, हम इस बात की अधिकतम सीमा का अनुमान लगा सकते हैं कि किसी व्यक्ति को इन पॉलिसी का उल्लंघन करने वाला कंटेंट कितनी बार दिखाई देगा. जैसे कि अगर आतंकवाद को बढ़ावा देने वाला कंटेंट दिखाई देने की अधिकतम सीमा 0.04% है, तो हमारा अनुमान है कि उस अवधि में Facebook या Instagram के हर 10,000 व्यू में से ऐसे व्यू 4 से ज़्यादा नहीं होंगे, जिनमें आतंकवाद के बढ़ावा देने पर रोक लगाने वाली हमारी पॉलिसी का उल्लंघन करने वाला कंटेंट लोगों को दिखाई दिया हो.
यह ध्यान रखना ज़रूरी है कि जब किसी तरह का उल्लंघन करने वाले कंटेंट की व्यापकता इतनी कम होती है कि हम सिर्फ़ अधिकतम सीमाएँ बता सकते हैं, तो एक डेटा रिपोर्ट से दूसरी डेटा रिपोर्ट के बीच की अवधि में यह सीमा प्रतिशत के कुछ सौवें हिस्से तक बदल सकती है. हालाँकि, हो सकता है कि इतने छोटे बदलाव आँकड़ों की नज़र से मायने न रखते हों, लेकिन ऐसे मामलों में इस तरह के छोटे-छोटे बदलाव, सर्विस पर इस उल्लंघन करने वाले कंटेंट की व्यापकता में आए वास्तविक अंतर का संकेत नहीं देते.
हम व्यू की व्यापकता का आकलन क्यों करते हैं
हम पोस्ट किए गए कंटेंट की मात्रा के बजाय, कंटेंट को देखे जाने की संख्या का अनुमान इसलिए लगाते हैं, क्योंकि हम यह पता करना चाहते हैं कि उस कंटेंट ने Facebook या Instagram पर लोगों पर कितना असर डाला. हो सकता है कि उल्लंघन करने वाले कंटेंट को एक बार पब्लिश किया गया हो, पर उसे 1,000 बार देखा गया हो, 10 लाख बार देखा गया हो या एक बार भी न देखा गया हो. उल्लंघन करने वाले कंटेंट की मात्रा के बजाय, उसे मिले व्यू का आकलन करने से यह पता चलता है कि उसका कम्युनिटी पर कितना असर पड़ा है. हमारी सर्विस पर मौजूद कंटेंट को मिले कुल व्यू की संख्या बहुत ज़्यादा होने के कारण, व्यापकता की संख्या कम होने पर भी हमारी सर्विस पर इसका असर काफ़ी ज़्यादा हो सकता है.
जब कोई कंटेंट किसी यूज़र की स्क्रीन पर दिखाई देता है, तो हम उसे कंटेंट व्यू के रूप में रिकॉर्ड करते हैं. उसे खास तौर पर व्यू तब माना जाता है, जब कोई व्यक्ति:
- कोई पोस्ट देखता है, भले ही उस पोस्ट का कंटेंट कई हिस्सों में हो, लेकिन व्यू उसी पोस्ट को असाइन किया जाता है
- फ़ोटो या वीडियो प्लेयर को बड़ा करने के लिए, उस पर क्लिक करता है. वह व्यू उस फ़ोटो या वीडियो को असाइन किया जाता है
व्यापकता का अनुमान लगाने के लिए हम सैंपलिंग का उपयोग कैसे करते हैं
हम Facebook या Instagram पर कंटेंट व्यू के सैंपल के आधार पर व्यापकता का अनुमान लगाते हैं.
ऐसा करने के लिए, हम व्यू के सैंपल और उनमें दिखाए गए कंटेंट को रिव्यू करते हैं. फिर हम अपनी पॉलिसी के अनुसार उन सैंपल को ‘उल्लंघन करने वाला’ या ‘उल्लंघन नहीं करने वाला’ का लेबल देते हैं. सैंपलिंग का यह काम करने वाली टीमें, उल्लंघन का पता लगाने के लिए पूरी पोस्ट का रिव्यू करती हैं, फिर भले ही सैंपल व्यू में उस पोस्ट का पूरा कंटेंट नज़र न आया हो.
इन सैंपल में से उल्लंघन करने वाले कंटेंट का उपयोग करके, हम यह अनुमान लगाते हैं कि कुल व्यू में से कितने प्रतिशत व्यू उल्लंघन करने वाले कंटेंट के थे. ध्यान रखें कि हम Facebook या Instagram के हर हिस्से से हर तरह के उल्लंघन का सैंपल नहीं लेते हैं.
कुछ तरह के उल्लंघनों के मामले में, हम अलग-अलग लेवल पर सैंपल लेने का तरीका आज़माते हैं, इसलिए अगर संदर्भ से यह पता चलता है कि कंटेंट व्यू में उल्लंघन होने की अधिक संभावना है, तो सैंपल रेट बढ़ जाता है. उदाहरण के लिए, अगर फ़ीड की तुलना में ग्रुप में उल्लंघन ज़्यादा बार देखने में आता है, तो हम फ़ीड के सैंपल व्यू लेने के बजाय, उल्लंघन की ज़्यादा संभावना वाले ग्रुप के सैंपल व्यू लेंगे. ऐसा करने की एक वजह यह है कि हम सैंपलिंग के कारण होने वाली अनिश्चितता को कम करना चाहते हैं. हम इस अनिश्चितता को कई तरह की वैल्यू के ज़रिए दिखाते हैं, जैसे यह कहकर कि हर 10,000 कंटेंट व्यू पर 18 से 20 व्यू वयस्क नग्नता और अश्लील गतिविधि से जुड़े उल्लंघन वाले कंटेंट के होते हैं. यह रेंज 95% कॉन्फ़िडेंस विंडो की होती है. इसका मतलब यह हुआ कि अगर हम हर बार अलग-अलग सैंपल का उपयोग करके 100 बार मूल्यांकन करते हैं, तो हमें उम्मीद होती है कि असल रेंज 100 में से 95 बार के दायरे में होगी.
जिस तरह के उल्लंघन बहुत कम देखने में आते हैं, उनके मामले में सटीक रूप से व्यापकता का मूल्यांकन करने के लिए, सैंपलिंग में बहुत बड़ी संख्या में कंटेंट सैंपल की ज़रूरत पड़ती है. इस तरह के मामलों में हम केवल अधिकतम सीमा का अनुमान लगा सकते हैं. इसका मतलब है कि हमें पूरा विश्वास होता है कि उल्लंघन करने वाले कंटेंट को देखे जाने की व्यापकता उस सीमा से कम है, लेकिन हम सटीक रूप से यह नहीं कह सकते कि यह कितनी कम है. इन अधिकतम सीमाओं के लिए भी हमारी कॉन्फ़िडेंस विंडो 95% रहती है.
ध्यान दें
- हमारे सैंपल पर लेबल लगाने वाले लोगों से कभी-कभी गलतियाँ हो जाती हैं. जैसे, उल्लंघन करने वाले कंटेंट को 'उल्लंघन नहीं करने वाला' के तौर पर लेबल कर देना या उल्लंघन न करने वाले कंटेंट को 'उल्लंघन करने वाला' के तौर पर लेबल कर देना. इन गलतियों की सापेक्ष दर, व्यापकता के मूल्यांकन पर असर डाल सकती है. इसलिए हम हर सैंपल का रिव्यू दो लोगों से करवाते हैं, ताकि हमारी लेबलिंग की सटीकता सुनिश्चित हो सके और अगर उनके बीच असहमति होती है, तो हम अंतिम फ़ैसले के लिए तीसरे व्यक्ति की मदद लेते हैं.
- हिंसक और आपत्तिजनक कंटेंट के मामलों में, जिनमें कंटेंट को परेशान करने वाला मार्क किया जा सकता है, उनमें कंटेट के केवल उन्हीं व्यू को हमारी व्यापकता की गणना में शामिल किया जाता है जो उस कंटेंट को कवर करने से पहले मिले थे.
- व्यापकता के मौजूदा मूल्यांकन में उन जगहों को शामिल किया जाता है, जहाँ से Facebook और Instagram पर मिले कुल व्यू का 90% से ज़्यादा हिस्सा आता है और इसमें Messenger या Instagram Direct के प्राइवेट मैसेज शामिल नहीं होते.
- नमूने के तौर पर वैश्विक व्यापकता का मूल्यांकन जेनरेट करने के लिए, हम Facebook और Instagram के लिए कई भाषाओं में कंटेंट का सैंपल लेते हैं और उन पर लेबल लगाते हैं. हमें पूरा विश्वास है कि इस तरीके से नमूने के तौर पर वैश्विक अनुमान मिल जाता है. साथ ही, हम इस मीट्रिक के कवरेज को बढ़ाने के लिए लगातार काम कर रहे हैं.
- कुल मिलाकर, रिव्यूअर और टेक्नोलॉजी दोनों के ज़रिए, हमारा कंटेंट एन्फ़ोर्समेंट कई भाषाओं में देखा जा सकता है.
Facebook पर फ़ेक अकाउंट की व्यापकता
फ़ेक अकाउंट की व्यापकता Facebook पर मासिक रूप से एक्टिव ऐसे अकाउंट के प्रतिशत का अनुमान होता है, जो फ़ेक थे. कंटेंट से जुड़े उल्लंघन की व्यापकता के ठीक उलट, फ़ेक अकाउंट की व्यापकता में यह माना जाता है कि Facebook पर एक्टिव फ़ेक अकाउंट की संख्या जितनी ज़्यादा होती है, यूज़र्स पर उतना ही ज़्यादा असर पड़ता है, भले ही लोग इन अकाउंट को कभी न देखें या उन्हें कभी इनका अनुभव न हो.
फ़ेक अकाउंट की व्यापकता का अनुमान लगाने के लिए, हम मासिक रूप से एक्टिव यूज़र्स का सैंपल लेते हैं और उन्हें ‘फ़ेक है’ या ‘फ़ेक नहीं है’ के तौर पर लेबल करते हैं. महीने भर के एक्टिव रहने वाले यूज़र (MAU) से हमारा मतलब ऐसे रजिस्टर्ड Facebook यूज़र से है, जिसने मूल्यांकन की तारीख से पिछले 30 दिनों में हमारी वेबसाइट से या किसी मोबाइल डिवाइस से Facebook पर लॉग इन और विज़िट किया या हमारे Messenger ऐप्लिकेशन का उपयोग किया (और जो एक रजिस्टर्ड Facebook यूज़र भी है).