Facebook、アプリセンター推奨のしくみを説明。これは検索の準備か?

次の記事

USCのソーシャル・メディア分析システムがディベートでのロムニー勝利をリアルタイムで正しく認識した

Facebookは、現在同サービスのアプリセンターに毎月2.2億人の利用者が訪れ、その40%が利用した翌日に再訪問していると言っている。しかし、何千ものアプリがあり、利用者はどのアプリを使うべきかの指針を求めていることから、「推奨」は消費者にとっても、自社アプリの大ヒットを願うデベロッパーにとっても非常に重要なサービスだ。今日(米国時間10/4)Facebookは、この謎解きを一歩進めるブログ記事を書き、推奨エンジンのしくみを説明した。

同エンジンを担当した3名のエンジニア、Wei Xu、Xin Liu、TR Vishwanathによると、重要なのは「品質とパーソナル化であって、言い回しではない」。アプリの利用状況を個人のソーシャルグラフとリンクすることは、どのアプリが特定の個人にもっともふさわしいかを推奨エンジンが「学習」するのに役立つ。アプリの「候補選択」「スコア化とランキング」および「リアルタイム・アップデート」のアルゴリズムは、日間アクティブ利用量や基本的なユーザーレーティングに関する、より認識しやすい指標と深く関わっている。

しかし、このかなり技術指向の強いエッセイの中で私の興味を引いたのは次の部分だ。

  • ユーザーにアプリを推奨するためにソーシャルアルゴリズムを利用していることだけでなく、そのしくみを明確に示そうとしている点で、AppleやGoogleなど他のアプリストアとは非常に対照的だ。
  • そして私は、この種のデータが今後Facebookのより広範囲にわたる検索サービスで再利用できるのではないかと考えずにいられない。それは、Facebookが成長し、ユーザーとの繋がりや広告の経路を増やすにつれ、試みられると人々が想像していた行動だ。エンジニアらが指摘するように、「このシステムは検索エンジンと非常に似通ったアグリゲーター・リーフ・アーキテクチャーに従っている。」

Facebookのアプリセンター推奨を検索のためのテストと考えれば、いかにFacebookが、ビッグデータを扱い、複数のデータストリームの中から特定ユーザーにパーソナル化したデータを取り出すことができるだけでなく、頑強で、ダウンにも対処できるよう設計されたサービスを作る力を持っているかがわかる。

エンジニアらはさらに、他のアプリストアでもお馴染みのユーザー評価を導入し、それがアプリのランキングにどのように組み込まれたかを説明した。システムはランダムに選んだユーザーのアプリ評価を聞き、その平均を各アプリの「信頼度調整」に使う。果たしてこれが他のアプリストアの星による評価とどう違うのかは不明だ。しかし、このデータはFacebookの登録ユーザーと結び付けられているため、Google PlayやAppleのAppStoreで恒久的な問題となっている「やらせ」は多少難しいかもしれない。

彼らはまた、日間アクティブユーザー数の平均を取ることが、あるアプリの人気を測るはるかに優れた指標であると結論を下した。月間アクティブユーザー数は行動の短期的な急上昇によって「誇張」されることがあると言う。今後AppDataを見てFacebook上の特定アプリの人気度を測る時はこのことを覚えておいて欲しい

[原文へ]

(翻訳:Nob Takahashi)