Pendekatan Kami terhadap Peringkat Kabar Facebook

DIPERBARUI 11 JUN 2025
Tujuan Facebook adalah memastikan Anda melihat postingan dari orang-orang, minat, dan ide yang menurut Anda bernilai, baik konten tersebut berasal dari orang yang sudah menjalin koneksi dengan Anda maupun dari orang yang belum Anda kenal. Ketika Anda membuka Facebook dan melihat Kabar Beranda di tab Beranda, Anda akan melihat perpaduan “konten yang terhubung” (misalnya, konten dari orang-orang yang Anda kenal atau ikuti, Grup yang Anda ikuti, dan Halaman yang Anda sukai) serta “konten yang disarankan” (misalnya, konten yang menurut kami akan menarik bagi Anda dari orang-orang yang mungkin ingin Anda kenal). Kami juga menampilkan iklan yang disesuaikan untuk Anda.
Di bawah ini, Anda akan menemukan informasi tentang cara kami menggunakan peringkat di Kabar, dengan fokus spesifik pada konten yang terhubung. Sekarang, kami memberikan gambaran lebih mendalam mengenai jenis sinyal dan model prediksi yang kami gunakan dalam proses ini guna membantu Anda untuk lebih memahami detail mengenai cara kerja sistem peringkat kami.
DAFTAR ISI
Alasan Kami Menggunakan Peringkat yang Dipersonalisasi
Cara Kerja Peringkat Kabar untuk Konten yang Terhubung
Memberi Pengguna Kontrol yang Lebih Besar terhadap Konten yang Mereka Lihat di Beranda
Penjelasan Lebih Lanjut tentang Memprediksi Konten yang Ingin Anda Lihat
Sinyal yang Digunakan dalam Peringkat Konten yang Terhubung
Model Prediksi yang Digunakan dalam Peringkat Konten yang Terhubung
Alasan Kami Menggunakan Peringkat yang Dipersonalisasi
Kami mempersonalisasi setiap Kabar bagi lebih dari 2 miliar pengguna menggunakan sistem pembelajaran mesin yang canggih untuk menentukan peringkat konten. Karena kebanyakan orang memiliki lebih banyak konten di Kabar mereka daripada yang dapat mereka telusuri dalam satu sesi, sistem peringkat ini membantu memastikan bahwa orang-orang dapat melihat konten yang paling bernilai bagi mereka. Meskipun banyak faktor yang memengaruhi urutan konten di Kabar, informasi di bawah ini akan memberi Anda lebih banyak insight tentang jenis prediksi dan sinyal yang memiliki dampak terbesar secara umum terhadap cara sistem kami menentukan apa yang Anda lihat.
Cara Kerja Peringkat Kabar untuk Konten Terhubung
Untuk menentukan peringkat konten yang terhubung di Kabar Anda, sistem bekerja dalam empat langkah:
Pertama, kami mengumpulkan inventaris terbaru Anda - semua potensi postingan baru, atau postingan dengan aktivitas baru, yang dapat Anda lihat saat membuka Facebook. Postingan ini mencakup semua yang dibagikan oleh 1) orang yang telah terhubung dengan Anda sebagai “teman”, 2) Halaman yang Anda ikuti, dan 3) Grup yang telah Anda ikuti, dan mengecualikan konten yang ditandai karena melanggar Standar Komunitas.
Kemudian, untuk setiap postingan tersebut, kami mempertimbangkan ribuan “sinyal” agar dapat membuat prediksi tentang hal yang paling menarik bagi Anda. Sebagian besar dari sinyal ini merupakan informasi yang Anda berikan kepada kami secara langsung ketika Anda menyukai atau membagikan postingan, terhubung dengan teman atau Grup, atau mengomentari postingan Halaman; sebagian lainnya disimpulkan berdasarkan tindakan yang Anda lakukan di Facebook. Kami telah membagikan informasi selengkapnya tentang berbagai jenis sinyal yang digunakan dalam pemeringkatan di bawah ini.
Selanjutnya, kami menggunakan sinyal-sinyal ini untuk membuat serangkaian prediksi yang dipersonalisasi tentang konten mana yang bagi Anda paling relevan dan bernilai. Misalnya, sistem kami memprediksi seberapa besar kemungkinan Anda mengomentari sebuah postingan, seberapa besar kemungkinan teman Anda mengomentari postingan tersebut jika Anda membagikannya, atau seberapa besar kemungkinan postingan tersebut memicu percakapan atau diskusi timbal balik. Kami juga menggunakan survei untuk bertanya kepada orang-orang apakah sebuah postingan "layak untuk Anda lihat" dan survei ini digunakan untuk membuat prediksi tentang konten lain yang menurut Anda bermanfaat. Kami juga membuat prediksi tentang apakah sebuah konten bermasalah dan harus dikurangi distribusinya. Semua prediksi ini digabungkan dalam langkah berikutnya untuk menghasilkan urutan akhir. Kami telah membagikan informasi selengkapnya tentang prediksi yang digunakan dalam pemeringkatan di bawah ini.
Selanjutnya, sistem menghitung “skor relevansi” untuk setiap postingan dan mengurutkan postingan berdasarkan skor ini. Secara umum, postingan yang diprediksi oleh sistem akan memberikan nilai lebih bagi Anda akan ditampilkan lebih atas di Kabar Anda. Sistem ini juga mencoba memastikan komposisi jenis konten di Kabar Anda seimbang. Artinya, misalnya, Anda kemungkinan tidak akan melihat beberapa postingan dari Grup yang sama atau dari Halaman yang sama secara berurutan; sebaliknya, Anda akan melihat berbagai postingan dari sumber yang berbeda.
Setelah sistem pemeringkatan kami menghitung skor relevansi, langkah kedua sebelum terakhir yang kami lakukan adalah menyisipkan konten yang direkomendasikan: kami menambahkannya untuk membantu Anda menjelajahi dan menemukan lebih banyak hal mengenai minat Anda melalui orang lain yang membagikannya, terlepas apakah Anda sudah terhubung atau belum. Terakhir, kami juga menyertakan iklan di Kabar. Setelah proses ini selesai, Kabar Anda yang dipersonalisasi sudah siap!
Tonton video di bawah ini untuk mengetahui selengkapnya tentang cara kerja proses peringkat kami.
Memberi Kontrol Lebih Banyak kepada Orang atas Apa yang Mereka Lihat di Kabar
Ketika berinteraksi dengan konten di Kabar, Anda memberikan kombinasi sinyal eksplisit (misalnya, menyukai, mengomentari, atau membagikan ulang konten, dll.), dan sinyal implisit (misalnya, melihat postingan) yang membantu kami memprediksi postingan yang menarik bagi Anda. Karena kami percaya bahwa penting bagi Anda untuk memiliki kontrol lebih banyak atas pengalaman Kabar, kami telah membuat fitur untuk membantu Anda menyesuaikan lebih lanjut tentang apa yang Anda lihat. Kontrol ini meliputi:
  • Preferensi Kabar: menyediakan opsi untuk menyempurnakan cara konten diurutkan dalam Kabar Anda, termasuk kemampuan untuk memprioritaskan postingan dari Favorit Anda; Snooze atau Batal Mengikuti orang, Halaman, dan Grup untuk berhenti melihat postingan mereka; dan Terhubung kembali dengan siapa pun yang mungkin telah membatalkan mengikuti Anda.
  • Tertarik dan Tidak Tertarik: memungkinkan Anda untuk secara langsung memberi tahu kami konten yang ingin Anda lihat lebih sering atau lebih jarang dengan memilih “Tertarik” atau “Tidak Tertarik” pada postingan yang Anda lihat. Dengan memilih “Tertarik”, Anda dapat meningkatkan sementara skor peringkat untuk postingan tersebut dan postingan yang mirip dengannya, sedangkan memilih “Tidak Tertarik” akan menurunkan skor peringkat untuk sementara waktu.
  • Tab Kabar: memungkinkan Anda untuk melihat postingan terbaru terlebih dahulu; konten diurutkan dalam urutan kronologis terbalik (di samping iklan).
Penjelasan Lebih Lanjut tentang Memprediksi Konten yang Ingin Anda Lihat
Dua komponen berikut adalah yang paling penting dalam menentukan konten terhubung apa yang Anda lihat di bagian atas Kabar Anda - sinyal yang memberi tahu kami lebih banyak tentang postingan yang ingin Anda lihat, dan model prediksi yang dipersonalisasi dan didukung oleh sinyal-sinyal ini yang kemudian membuat Kabar unik Anda.
Sinyal yang Digunakan dalam Pemeringkatan Konten Terhubung
Kami menggunakan ribuan sinyal berbeda untuk membuat prediksi tentang apakah Anda akan menemukan sesuatu yang lebih atau kurang bernilai. Kategori sinyal yang tercantum di bawah ini merepresentasikan sebagian besar sinyal yang saat ini digunakan dalam pemeringkatan Kabar untuk konten yang terhubung guna membuat prediksi yang dipersonalisasi ini. Dengan menelusuri setiap kategori, Anda dapat mempelajari selengkapnya tentang jenis data yang kami manfaatkan dalam model kami dan beberapa contoh sinyal individual.
Sebagai catatan, kami telah menyertakan kategori dan contoh sinyal yang secara spesifik digunakan untuk mengidentifikasi konten bermasalah, yang kami demosi (atau tampilkan lebih bawah di Kabar). Informasi yang kami bagikan di sini seputar subset sinyal ini sengaja kami batasi agar tidak ada pihak yang menyalahgunakan sistem kami. Selain itu, informasi ini dapat berubah sewaktu-waktu.
Informasi akun dasar
  • Sudah berapa lama Anda menggunakan Facebook
  • Bahasa yang Anda gunakan untuk menggunakan Facebook
  • Informasi terkait lokasi seperti alamat IP dan sinyal perangkat lain jika Anda mengizinkan kami untuk menerimanya
Waktu, frekuensi, dan durasi aktivitas Anda di Facebook
  • Waktu untuk lokasi tempat Anda berada
  • Jumlah hari Anda aktif di Facebook, selama periode waktu tertentu
Perangkat yang Anda gunakan
  • Perangkat dan perangkat lunak yang Anda gunakan, dan karakteristik perangkat lainnya, misalnya jenis perangkat, detail tentang sistem operasinya, detail tentang perangkat keras dan perangkat lunaknya, level baterai, serta kekuatan sinyal
Bagaimana Anda membagikan beragam konten
  • Jumlah beragam postingan yang telah Anda bagikan, misalnya video, foto, Reel, dll.
Bagaimana Anda berinteraksi dengan beragam konten
  • Jenis konten yang mendapat interaksi Anda dan cara Anda berinteraksi dengannya, misalnya berapa kali Anda mengklik postingan foto atau berapa kali Anda mengomentari postingan video
Bagaimana Anda melihat beragam konten
  • Jenis konten yang Anda lihat dan berapa lama Anda melihatnya, misalnya berapa lama Anda melihat foto, berapa lama Anda membaca komentar, atau berapa lama Anda menonton video
Data tentang keseluruhan postingan yang tersedia dari teman, Halaman, dan Grup Anda
  • Berapa banyak postingan baru yang tersedia untuk Anda lihat dan berbagai jenis postingan yang tersedia
  • Berapa banyak postingan dari koneksi Anda yang memiliki komentar baru
Data tentang Teman
  • Berapa banyak teman yang Anda miliki
  • Seberapa sering Anda berinteraksi dengan konten dari setiap teman
Data tentang Halaman yang Anda Ikuti
  • Jumlah total Halaman yang Anda ikuti
  • Jumlah Halaman yang telah Anda kunjungi, selama periode waktu tertentu
Data tentang Grup tempat Anda bergabung
  • Jumlah Grup yang telah Anda ikuti, selama periode waktu tertentu
Pengaturan privasi atau visibilitas postingan
  • Apakah postingan bersifat publik atau hanya dapat dilihat oleh teman, pengguna khusus, atau hanya saya
Jenis postingan dan media yang dimuat dalam postingan
  • Apakah postingan tersebut berisi foto, video, video siaran langsung, tautan, dll.
  • Apakah postingan tersebut merupakan video siaran langsung atau video yang sebelumnya pernah disiarkan
Data tentang konten postingan
  • Apakah postingan berisi URL, rasio popularitas domain di FB vs internet secara keseluruhan
  • Persentase konten yang identik antara postingan ini dan postingan lainnya
  • Apakah postingan tersebut kemungkinan mengandung ketelanjangan, kekerasan sadis, atau kemungkinan pelanggaran Standar Komunitas lainnya
  • Apakah konten dalam postingan dinilai palsu atau sebagian palsu oleh salah satu mitra pemeriksa fakta independen kami
Data tentang media, seperti foto atau video, yang dimuat dalam postingan
  • Lebar dan tinggi dalam piksel dari foto yang dibagikan
  • Visual apa yang terkandung dalam foto
  • Apakah postingan berisi video yang berulang dan/atau berupa gambar diam
Topik postingan
Atribut aktor
  • Apakah aktor memposting ke profil, Halaman, atau Grup
  • Jika sebuah postingan Grup, jumlah anggota dalam Grup tersebut
  • Jumlah pelanggaran Standar Komunitas terkonfirmasi yang telah dilakukan oleh akun tersebut
Tindakan yang telah dilakukan oleh aktor ini di Facebook
  • Berapa banyak postingan (video, tautan, foto, dll.) yang telah dibagikan oleh aktor tersebut, selama periode waktu tertentu
Bagaimana pengguna lain melihat aktor ini atau konten dari aktor ini sebelumnya
  • Berapa kali Halaman ini telah dilihat oleh pengguna, selama periode waktu tertentu
  • Jumlah total orang yang mengikuti Halaman, selama periode waktu tertentu
Bagaimana pengguna lain berinteraksi dengan konten dari aktor ini sebelumnya
  • Jumlah total berapa kali konten dari Halaman ini dibagikan oleh pengguna
  • Jumlah total komentar, suka, bagikan di Halaman
Atribut aktor
  • Apakah aktor memposting ke profil, Halaman, atau Grup
  • Jika sebuah Grup, jumlah anggota dalam Grup tersebut
  • Jumlah pelanggaran Standar Komunitas terkonfirmasi yang telah dilakukan oleh suatu akun
Tindakan yang telah dilakukan oleh aktor ini di Facebook
  • Berapa banyak postingan (video, tautan, foto, dll.) yang telah dibagikan oleh aktor tersebut, selama periode waktu tertentu
Bagaimana pengguna lain melihat aktor ini atau konten dari aktor ini sebelumnya
  • Berapa kali Halaman ini telah dilihat oleh pengguna, selama periode waktu tertentu
  • Jumlah total orang yang mengikuti Halaman, selama periode waktu tertentu
Bagaimana pengguna lain berinteraksi dengan konten dari aktor ini sebelumnya
  • Jumlah total berapa kali konten dari Halaman ini dibagikan oleh pengguna
  • Jumlah total komentar pada konten dari Halaman ini oleh pengguna
Penayangan postingan ini dari semua pengguna
  • Jumlah total atau rata-rata waktu yang dihabiskan orang-orang untuk melihat postingan ini
  • Jumlah total atau rata-rata waktu yang dihabiskan orang-orang untuk menonton video di postingan
Interaksi postingan ini dari semua pengguna
  • Jumlah total suka pada postingan
  • Jumlah total komentar pada postingan
  • Rasio klik, suka, dan komentar pada suatu postingan dari keseluruhan waktu postingan tersebut dilihat
Interaksi Anda dengan postingan ini
  • Apakah Anda menyukai postingan ini
Bagaimana Anda melihat konten serupa
  • Total Anda melihat konten lain dengan jenis yang sama
Bagaimana Anda berinteraksi dengan konten serupa
  • Total Anda membagikan konten lain dengan jenis yang sama
Hubungan Anda dengan aktor yang membuat postingan
  • Apakah Anda adalah admin Halaman atau teman Anda adalah admin Halaman yang membagikan postingan tersebut
Bagaimana Anda melihat konten dari aktor ini sebelumnya
  • Total Anda melihat postingan lain dari Grup ini
Bagaimana Anda berinteraksi dengan konten dari aktor ini sebelumnya
  • Total Anda membagikan konten lain dari Halaman ini
Hubungan Anda dengan aktor yang membagikan postingan
  • Apakah Anda adalah admin Halaman atau teman Anda adalah admin Halaman yang membagikan postingan tersebut
Bagaimana Anda melihat konten dari aktor ini sebelumnya
  • Total Anda melihat postingan lain dari Grup ini
Bagaimana Anda berinteraksi dengan konten dari aktor ini sebelumnya
  • Total Anda membagikan konten lain dari Halaman ini
Model Prediksi yang Digunakan dalam Pemeringkatan Konten Terhubung
Sistem pemeringkatan Kabar memiliki lebih dari 100 model prediksi yang berbeda. Secara umum, model prediksi ini terbagi ke dalam empat kategori:
  1. Prediksi tentang tindakan yang akan Anda lakukan pada postingan
  2. Prediksi tentang cara Anda akan menghabiskan waktu untuk melihat postingan
  3. Prediksi tentang minat Anda terhadap postingan atau orang, Halaman, atau Grup yang membagikan postingan
  4. Prediksi tentang cara orang lain berinteraksi dengan postingan jika Anda melakukan tindakan tertentu, seperti mengomentari atau membagikan suatu postingan
Setiap prediksi adalah indikator potensial tentang seberapa bernilai konten tertentu bagi seseorang. Misalnya, membagikan postingan kepada orang lain dapat menjadi indikasi bahwa Anda menganggap postingan tersebut bernilai, sehingga memprediksi apakah Anda akan membagikan postingan merupakan sinyal tentang nilai yang baik yang dapat kami gunakan untuk menampilkan postingan tertentu lebih atas di Kabar dibandingkan postingan lainnya. Sebagaimana yang Anda bayangkan, tidak ada satu prediksi pun yang dapat menjadi pengukur yang sempurna untuk menentukan apakah sebuah postingan bernilai bagi Anda, dan itulah sebabnya kami menggunakan beberapa model prediksi yang dikombinasikan dengan tujuan keseluruhan untuk membuat aplikasi Facebook bernilai bagi orang-orang dalam jangka panjang, bukan hanya pada saat tertentu ketika mereka melihat konten ini.
Di bawah ini Anda akan melihat detail selengkapnya tentang berbagai model prediksi yang saat ini paling sering kami gunakan dalam pemeringkatan Kabar. Dalam situasi tertentu yang masing-masing model sangat mirip dalam hal prediksi, kami telah menggabungkan beberapa model ke dalam satu deskripsi. Misalnya, kami memiliki beberapa model untuk memprediksi di mana Anda akan mengklik sebuah postingan—apakah Anda akan mengklik postingan, foto di postingan, komentar di postingan tersebut, dll. Dalam daftar ini, kami menyebut semua model ini sebagai “Seberapa besar kemungkinan Anda mengklik beberapa bagian postingan”.
Daftar di bawah ini dikelompokkan berdasarkan seberapa baik model-model ini dapat menentukan apakah sebuah postingan akan bernilai atau tidak; model-model dalam kelompok teratas cenderung paling sering digunakan dalam menentukan urutan konten dalam Kabar Anda dibandingkan dengan model-model dalam dua kelompok berikut. Namun, kombinasi dari semua model inilah yang paling penting.
Karena peringkat Kabar dipersonalisasi, dampak relatif dari setiap model prediksi di Kabar akan berbeda-beda, tergantung orang dan konten, karena setiap orang memiliki preferensi yang berbeda tentang apa yang mereka sukai dan cara mereka ingin berinteraksi dengan konten. Misalnya, prediksi tentang durasi waktu yang Anda habiskan untuk menonton video dapat menjadi indikator nilai yang lebih kuat untuk postingan video daripada apakah Anda akan mengklik video tersebut atau tidak, sementara hal yang sebaliknya dapat terjadi pada postingan yang berisi tautan ke suatu artikel. Contoh lainnya adalah bagi sebagian orang, “menyukai” sebuah postingan merupakan indikator yang kuat bahwa mereka menganggap postingan tersebut bernilai, sedangkan bagi orang lain (seperti orang yang tidak menggunakan tombol “Suka”), menghabiskan waktu untuk membaca postingan tersebut mungkin merupakan prediksi yang lebih berguna.
Kami terus berupaya untuk meningkatkan sistem pemberian peringkat kami agar dapat menyajikan pengalaman yang lebih baik kepada para pengguna. Oleh karena itu, informasi yang diuraikan di sini dapat berubah dari waktu ke waktu. Selain itu, dalam upaya untuk memberikan pengalaman yang lebih personal bagi para pengguna, kami terus menguji dan menyempurnakan pendekatan kami tentang cara konten politik ditampilkan di Facebook.
Jenis Model Prediksi
Di dalam setiap grup, model diurutkan berdasarkan abjad dan tidak berdasarkan urutan peringkat. Beberapa prediksi ini hanya digunakan jika postingan relevan dengan model, misalnya prediksi tentang postingan dari Grup hanya akan berlaku jika postingan yang diberi peringkat adalah postingan Grup.
  • Seberapa besar kemungkinan Anda tertarik dengan konten dari teman Anda
  • Seberapa besar kemungkinan Anda tertarik dengan Grup yang membagikan postingan atau konten dari Grup tersebut, yang diukur berdasarkan interaksi dengan Grup atau kontennya
  • Seberapa besar kemungkinan Anda tertarik dengan Halaman yang membagikan postingan atau konten dari Halaman tersebut, yang diukur berdasarkan interaksi dengan Halaman atau kontennya
  • Seberapa besar kemungkinan Anda mengklik beberapa bagian dari postingan
  • Seberapa besar kemungkinan Anda berinteraksi dengan sebuah postingan melalui cara tertentu dengan menyukai, menanggapi, atau mengomentarinya
  • Seberapa besar kemungkinan Anda berinteraksi secara berarti dengan postingan tersebut, melalui beberapa kombinasi mengomentari/menyukai/menanggapi/membagikan ke pengirim pesan/menyebarkan ulang dan/atau menghabiskan waktu untuk melihatnya
  • Seberapa besar kemungkinan Anda membagikan postingan tersebut
  • Seberapa besar kemungkinan Anda menghabiskan waktu untuk melihat komentar di postingan
  • Seberapa besar kemungkinan Anda menghabiskan waktu untuk melihat postingan atau konten dalam postingan (dibandingkan dengan hanya menggulir melewatinya)
  • Seberapa besar kemungkinan Anda mengunjungi Halaman setelah melihat postingan dari Halaman tersebut
  • Seberapa besar kemungkinan Anda ingin melihat lebih banyak atau lebih sedikit konten dari orang atau Halaman yang membagikan postingan
  • Seberapa besar kemungkinan Anda akan menonton video yang terdapat dalam postingan dan prediksi durasi yang akan Anda habiskan untuk menontonnya
  • Seberapa besar kemungkinan interaksi Anda pada postingan dari suatu Halaman akan mendorong admin Halaman tersebut untuk membagikan lebih banyak konten di waktu mendatang yang bernilai bagi Anda
  • Prediksi jumlah komentar atau balasan tambahan yang akan diperoleh suatu postingan jika Anda mengomentari atau membagikan postingan tersebut
  • Seberapa besar kemungkinan Anda akan mengomentari postingan tersebut
  • Seberapa besar kemungkinan Anda akan menganggap sebuah artikel berita informatif, jika postingan berisi tautan ke suatu artikel berita
  • Seberapa besar kemungkinan Anda akan menemukan postingan yang bermanfaat bagi Anda
  • Seberapa besar kemungkinan Anda akan mengikuti suatu Halaman setelah melihat postingan Halaman yang dibagikan ulang oleh teman
  • Seberapa besar kemungkinan Anda akan menyembunyikan, melakukan snooze, atau berhenti berlangganan postingan (digunakan untuk mengurangi distribusi postingan)
  • Seberapa besar kemungkinan Anda akan menyukai postingan tersebut
  • Seberapa besar kemungkinan Anda akan menanggapi postingan (super, peduli, haha, wow, sedih, marah); prediksi tentang reaksi marah digunakan untuk mengurangi distribusi postingan
  • Seberapa besar kemungkinan Anda akan mengonfirmasi kehadiran ke suatu acara, jika postingan berisi acara Facebook
  • Seberapa besar kemungkinan Anda akan menelusuri postingan yang berisi produk yang ditawarkan dari Grup Jual/Beli
  • Seberapa besar kemungkinan Anda akan mengirim pesan di postingan promosi produk, jika diizinkan undang-undang privasi data
  • Seberapa besar kemungkinan Anda akan menghabiskan waktu untuk melihat Acara di suatu postingan, jika Anda mengkliknya
  • Seberapa besar kemungkinan interaksi Anda dengan postingan Grup akan mendorong anggota lain untuk membagikan konten tambahan ke Grup atau berinteraksi dengan konten lain dari Grup di waktu mendatang
  • Prediksi berapa kali postingan akan dibagikan lagi jika Anda membagikan postingan tersebut
  • Prediksi jumlah suka yang akan diperoleh postingan jika Anda membagikan postingan tersebut
  • Seberapa besar kemungkinan Anda akan bergabung dengan obrolan komunitas dari suatu postingan Grup
  • Seberapa besar kemungkinan Anda akan menyukai postingan dan menghabiskan waktu untuk melihat postingan dari Halaman yang Anda sukai
  • Seberapa besar kemungkinan Anda akan memberikan donasi pada sebuah postingan berisi penggalangan dana
  • Seberapa besar kemungkinan Anda akan melaporkan postingan tersebut (digunakan untuk mengurangi distribusi postingan)
  • Seberapa besar kemungkinan Anda akan mengirim postingan dalam sebuah pesan (jika diizinkan hukum privasi data)
  • Seberapa besar kemungkinan Anda akan mengambil tindakan untuk mendukung seorang Kreator, misalnya mengirim Bintang
  • Seberapa besar kemungkinan Anda menonton video dalam penampil layar penuh, jika postingan berisi video
  • Prediksi jumlah waktu yang mungkin Anda habiskan di browser web, jika Anda mengklik sebuah url di postingan
Meta bisa mempromosikan suara, tayangan, dan eksekutif perusahaan melalui akun media sosial yang relevan di platform kami.