ความแพร่หลาย
อัพเดตแล้ว 6 มี.ค. 2025
ความแพร่หลายคืออะไร
ความแพร่หลายคือค่าที่พิจารณาจำนวนครั้งทั้งหมดที่มีการรับชมเนื้อหาบน Facebook หรือ Instagram และวัดเปอร์เซ็นต์โดยประมาณของจำนวนครั้งที่มีการรับชมเนื้อหาที่ละเมิดนโยบาย (เรียนรู้เพิ่มเติมเกี่ยวกับการนิยามยอดดูของเราในหัวข้อ “เหตุผลที่เราวัดค่าความแพร่หลายของการรับชม”) เกณฑ์ชี้วัดนี้ถือว่าผลกระทบที่เกิดจากเนื้อหาที่ละเมิดนโยบายนั้นแปรผันตรงกับจำนวนครั้งที่มีการรับชมเนื้อหาดังกล่าว
กล่าวอีกอย่างได้ว่า ความแพร่หลายคือค่าที่แสดงให้เห็นถึงจำนวนครั้งที่มีการรับชมเนื้อหาที่ละเมิดนโยบายซึ่งเราไม่ได้ป้องกัน ไม่ว่าจะเป็นเพราะเราพบการละเมิดเหล่านั้นไม่ทันหรือเพราะเราตรวจไม่พบเลย
วิธีที่เราวัดความแพร่หลาย
เราประมาณค่าความแพร่หลายของเนื้อหาที่ละเมิดโดยใช้ตัวอย่างการรับชมเนื้อหาจากทั่วทั้ง Facebook หรือ Instagram ซึ่งเราคำนวณโดยนำจำนวนการรับชมเนื้อหาที่ละเมิดโดยประมาณ หารด้วยจำนวนการรับชมเนื้อหาทั้งหมดบน Facebook หรือ Instagram โดยประมาณ หากค่าความแพร่หลายของภาพโป๊เปลือยและกิจกรรมทางเพศของผู้ใหญ่คือ 0.18% ถึง 0.20% แสดงว่าทุกการรับชมเนื้อหา 10,000 ครั้ง จะมีการรับชมเนื้อหาที่ขัดต่อมาตรฐานในเรื่องภาพโป๊เปลือยและกิจกรรมทางเพศของผู้ใหญ่ของเราโดยเฉลี่ย 18 ถึง 20 ครั้ง
1 จุด = การรับชม 10 ครั้ง
การรับชมรวม 10,000 ครั้ง
การรับชมเนื้อหาที่ละเมิด 20 ครั้ง
หากค่าความแพร่หลายเท่ากับ 0.20% แสดงว่าจากการรับชมทุกๆ 10,000 ครั้ง จะมีการรับชมเนื้อหาที่ละเมิด 20 ครั้ง ถึงแม้ตัวเลขต่างๆ อาจดูต่ำมาก แต่ตัวเลขที่น้อยที่สุดก็สามารถก่อให้เกิดผลกระทบที่มีนัยสำคัญต่อผู้คนได้
การละเมิดบางประเภทเกิดขึ้นไม่บ่อยนักบนบริการของเรา แนวโน้มที่ผู้คนจะรับชมเนื้อหาที่ละเมิดตนเองนั้นต่ำมาก และเราก็ลบเนื้อหาลักษณะดังกล่าวออกเป็นจำนวนมากก่อนที่จะมีใครเห็น หลายครั้งเราจึงพบตัวอย่างเนื้อหาที่ละเมิดไม่มากพอที่จะนำไปใช้ประมาณค่าความแพร่หลายอย่างถูกต้อง ในกรณีเช่นนี้ เราสามารถประมาณขีดจำกัดสูงสุดของความถี่ที่บุคคลหนึ่งจะเห็นเนื้อหาที่ละเมิดนโยบายเหล่านี้แทนได้ ตัวอย่างเช่น หากขีดจำกัดสูงสุดของการโฆษณาชวนเชื่อของผู้ก่อการร้ายอยู่ที่ 0.04% แสดงว่าจากการรับชม 10,000 ครั้งบน Facebook หรือ Instagram ในช่วงเวลานั้น เราจะประมาณได้ว่ามีการรับชม 4 ครั้งที่มีเนื้อหาซึ่งละเมิดนโยบายว่าด้วยการโฆษณาชวนเชื่อของผู้ก่อการร้ายของเรา
สิ่งสำคัญที่ควรทราบคือ เมื่อค่าความแพร่หลายของการละเมิดประเภทหนึ่งต่ำมากจนเราทำได้เพียงระบุขีดจำกัดสูงสุด ขีดจำกัดสูงสุดนี้อาจเปลี่ยนแปลงจุดเปอร์เซ็นต์ไปเพียงหนึ่งส่วนไม่กี่ร้อยในระหว่างระยะเวลาที่มีการรายงาน แต่การเปลี่ยนแปลงเพียงเล็กน้อยนี้อาจไม่มีนัยสำคัญทางสถิติ ในกรณีนี้ การเปลี่ยนแปลงเล็กน้อยไม่ได้เป็นการบ่งบอกว่าความแพร่หลายของเนื้อหาที่ละเมิดบนบริการของเราจะต่างออกไปในความเป็นจริง
เหตุผลที่เราวัดค่าความแพร่หลายของการรับชม
เราจะประเมินว่ามีการดูเนื้อหาบ่อยเพียงใดมากกว่าจะประเมินจำนวนของเนื้อหาที่โพสต์ เนื่องจากเราต้องการทราบว่าเนื้อหานั้นส่งผลกระทบต่อผู้คนบน Facebook หรือ Instagram มากน้อยเพียงใด เนื้อหาที่ละเมิดรายการหนึ่งอาจได้รับการเผยแพร่ครั้งเดียว แต่มีคนดู 1,000 ครั้ง, 1 ล้านครั้ง หรือไม่มีคนดูเลย การวัดจำนวนการรับชมเนื้อหาที่ละเมิดแทนจำนวนเนื้อหาที่ละเมิดซึ่งได้รับการเผยแพร่จะแสดงถึงผลกระทบที่มีต่อชุมชนได้ดีกว่า ถึงตัวเลขความแพร่หลายจะน้อย แต่ก็ยังสามารถส่งผลกระทบต่อบริการของเราได้อย่างมาก เนื่องจากมีการรับชมเนื้อหาโดยรวมบนบริการของเราเป็นจำนวนมาก
เรานับว่ามีการรับชมเนื้อหาเมื่อเนื้อหานั้นปรากฏขึ้นบนหน้าจอของผู้ใช้ หรือกล่าวคือ การรับชมจะเกิดขึ้นเมื่อมีคนทำสิ่งต่อไปนี้
- รับชมโพสต์ ถึงแม้โพสต์นั้นจะประกอบด้วยเนื้อหาหลายส่วน แต่ระบบจะถือว่าการรับชมเป็นของโพสต์นั้น
- คลิกเพื่อขยายรูปภาพหรือตัวเล่นวิดีโอ โดยเมื่อเกิดขึ้นจะถือว่าการรับชมเป็นของรูปภาพหรือวิดีโอนั้น
วิธีที่เราใช้สุ่มตัวอย่างเพื่อประมาณค่าความแพร่หลาย
เราประมาณค่าความแพร่หลายโดยสุ่มตัวอย่างยอดการรับชมเนื้อหาบน Facebook หรือ Instagram
ซึ่งเราทำโดยให้ทีมลงมือตรวจสอบตัวอย่างการรับชมและเนื้อหาที่อยู่ในตัวอย่างเหล่านั้น จากนั้นเราจะแบ่งตัวอย่างเนื้อหาเหล่านั้นว่าละเมิดหรือไม่ละเมิดนโยบายของเรา ทีมที่รับผิดชอบในเรื่องนี้จะตรวจสอบทั้งโพสต์เพื่อหาการละเมิด แม้ว่าการรับชมที่สุ่มตัวอย่างมาจะไม่ได้แสดงเนื้อหาทั้งหมดในโพสต์นั้นก็ตาม
เราใช้ส่วนหนึ่งของตัวอย่างเนื้อหาที่ละเมิดเหล่านี้เพื่อประมาณเปอร์เซ็นต์ของการรับชมเนื้อหาที่ละเมิดทั้งหมด โดยเราไม่ได้สุ่มตัวอย่างจากทุกส่วนของ Facebook หรือ Instagram สำหรับการละเมิดทุกประเภท
เราใช้การสุ่มตัวอย่างแบบแบ่งชั้นสำหรับการละเมิดบางประเภท ซึ่งจะเพิ่มอัตราการสุ่มหากบริบทบ่งชี้ว่าการรับชมเนื้อหารายการนั้นมีโอกาสที่จะมีการละเมิดสูงกว่า เช่น หากมีการรับชมเนื้อหาที่ละเมิดในกลุ่มบ่อยกว่าในฟีด เราจะสุ่มตัวอย่างการรับชมในกลุ่มด้วยความน่าจะเป็นที่สูงกว่าที่เราสุ่มตัวอย่างการรับชมในฟีด เหตุผลหนึ่งของการทำเช่นนี้คือ เราต้องการลดความไม่แน่นอนที่เกิดจากการสุ่มตัวอย่าง เราแสดงความไม่แน่นอนนี้โดยแจ้งค่าเป็นช่วง เช่น บอกว่าการรับชม 18 ถึง 20 ครั้งจากทุก 10,000 ครั้งเป็นการรับชมเนื้อหาที่ละเมิดนโยบายว่าด้วยภาพโป๊เปลือยและกิจกรรมทางเพศของผู้ใหญ่ ซึ่งช่วงนี้จะสะท้อนให้เห็นว่ามีช่วงความเชื่อมั่น 95% หมายความว่า หากเราดำเนินการวัดนี้ 100 ครั้งโดยใช้การสุ่มตัวอย่างที่แตกต่างกันในแต่ละครั้ง เราคาดว่าจำนวนที่แท้จริงจะอยู่ภายในช่วง 95 ครั้งจาก 100 ครั้ง
การสุ่มตัวอย่างของการละเมิดบางประเภทที่มีการรับชมไม่บ่อยนักต้องใช้ตัวอย่างเนื้อหาจำนวนมากจึงจะประมาณค่าความแพร่หลายได้อย่างแม่นยำ ในกรณีนี้ เราทำได้เพียงประมาณการขีดจำกัดสูงสุด ซึ่งหมายถึง เรามั่นใจว่าค่าความแพร่หลายของการรับชมเนื้อหาที่ละเมิดจะต่ำกว่าขีดจำกัดนั้น แต่เราไม่สามารถระบุได้ชัดเจนว่าต่ำกว่าเท่าใด โดยกรอบความเชื่อมั่นที่เรามีต่อขีดจำกัดสูงสุดเหล่านี้ก็อยู่ที่ 95% เช่นกัน
ข้อควรระวัง
- บางครั้งผู้ที่จำแนกตัวอย่างของเราก็ทำงานผิดพลาด โดยอาจระบุสิ่งที่ละเมิดว่าเป็นการไม่ละเมิด หรือกลับกัน อัตราที่สัมพันธ์กันของข้อผิดพลาดเหล่านี้อาจส่งผลกระทบต่อการวัดความแพร่หลาย ด้วยเหตุนี้ เราจึงอาจใช้เจ้าหน้าที่สองคนตรวจสอบตัวอย่างเพื่อให้การติดป้ายกำกับเป็นไปอย่างถูกต้องแม่นยำ และหากมีข้อขัดแย้งเกิดขึ้น เราจะมีเจ้าหน้าที่คนที่สามเป็นผู้ตัดสินขั้นสุดท้าย
- สำหรับประเด็นต่างๆ เช่น เนื้อหาที่รุนแรงและโจ่งแจ้ง ซึ่งเป็นเนื้อหาที่อาจถูกระบุว่าสร้างความรบกวน การคำนวณค่าความแพร่หลายของเราจะนับเฉพาะการรับชมเนื้อหาดังกล่าวก่อนที่ระบบจะเพิ่มการปกปิดเนื้อหาเท่านั้น
- การวัดความแพร่หลายในปัจจุบันจะปกปิดการแสดงเนื้อหา ซึ่งจำนวนการรับชมกว่า 90% บน Facebook และ Instagram มาจากส่วนนี้ แต่จะไม่รวมการสนทนาส่วนตัวบน Messenger หรือ Instagram Direct
- เพื่อสร้างเกณฑ์ชี้วัดความแพร่หลายทั่วระบบที่สอดคล้องกับความเป็นจริง เราจึงได้ระบุตัวอย่างและจำแนกประเภทของเนื้อหาในหลายๆ ภาษาสำหรับ Facebook และ Instagram อีกทั้งเรายังมั่นใจว่าวิธีการนี้จะช่วยให้ได้มาซึ่งค่าประมาณทั่วระบบที่สอดคล้องกับความเป็นจริง รวมถึงเรายังดำเนินการเพื่อขยายเกณฑ์ชี้วัดดังกล่าวให้ครอบคลุมมากขึ้นด้วย
- การบังคับใช้เนื้อหาโดยรวมของเรา ทั้งที่ผ่านผู้ตรวจสอบและเทคโนโลยี จะขยายขอบเขตให้รองรับภาษาอื่นๆ เพิ่มเติมอีกมากมาย
ความแพร่หลายของบัญชีปลอมบน Facebook
ค่าความแพร่หลายสำหรับบัญชีปลอมบน Facebook คือค่าประมาณเปอร์เซ็นต์ของบัญชี Facebook ที่ใช้งานอยู่ต่อเดือนซึ่งเป็นบัญชีปลอม ค่าความแพร่หลายของบัญชีปลอมต่างจากค่าความแพร่หลายของเนื้อหาที่ละเมิดนโยบาย โดยถือว่าผลกระทบที่เกิดกับผู้ใช้จะแปรผันตรงกับจำนวนบัญชีปลอมที่มีการใช้งานบน Facebook ถึงแม้ว่าผู้คนจะไม่เคยเห็นหรือพบกับบัญชีเหล่านี้เลยก็ตาม
ในการประมาณค่าความแพร่หลายของบัญชีปลอม เราจะสุ่มตัวอย่างผู้ใช้งานต่อเดือนและระบุว่าผู้ใช้เป็นผู้ใช้ปลอมหรือไม่ เรานิยามผู้ใช้งานต่อเดือน (MAU) ว่าเป็นผู้ใช้ Facebook ที่ลงทะเบียนแล้ว และเข้าสู่ระบบรวมถึงเยี่ยมชม Facebook ผ่านเว็บไซต์ของเราหรือผ่านอุปกรณ์มือถือ หรือใช้แอพพลิเคชั่น Messenger ของเรา (และเป็นผู้ใช้ Facebook ที่ลงทะเบียนแล้วเช่นกัน) ในช่วง 30 วันที่ผ่านมา ณ วันที่เริ่มวัดผล