Waarom leert TikTok sneller dan Netflix en ‘social’ media?

In het vorige artikel is ingegaan op het feit waarom TikTik geen social media platform is. In dit artikel wordt ingegaan op het feit waarom TikTok sneller dan zowel Netflix en sociale netwerken leert wat de interesses van een gebruiker zijn. Het korte antwoord op deze vraag is: TikTok leert sneller omdat het A) meer gegevens kan verzamelen over zijn gebruikers dan andere partijen en B) deze gegevens vrijwel geen vervuiling kennen.

Laten we eerst ingaan op punt A: het aantal gegevens dat TikTok per dag over een consument (data-donor) verzamelt. TikTok verzamelt per dag tussen de 8 en 1600 verschillende datapunten van een consument. De reden dat TikTok zoveel gegevens kan verzamelen? Dit komt door het feit dat zij maar content van 15 seconden aanbieden. Afhankelijk van het dagelijkse ‘gebruik’ van de app door een data-donor, levert dit het bedrijf bovengenoemde aantal gegevens op.

Hoe vaak verzamelt Netflix datapunten? Gemiddelde verzamelt Netflix maar één keer per 45 minuten nieuwe gegevens van een data-donor. En dit heeft te maken met de lengte van hun content: 1 aflevering van een serie of een film. Maar ondanks het feit dat TikTok qua design meer wegheeft van Netflix dan van Social Media is deze vergelijking misschien niet helemaal eerlijk. Want social media zoals Instagram, SnapChat, Facebook en Youtube verzamelen allemaal op een grotere schaal gegevens dan Netflix. Maar nu komt de tweede truc van TikTok uit de hoge hoed. Zij hebben in tegenstelling tot de eerder genoemde social media kanalen, ervoor gezorgd dat de gegevens die zij binnenkrijgen zo min mogelijk vervuiling/ruis bevatten. Dit heeft als voordeel dat de verzamelde gegevens direct in het algoritme kunnen worden ingevoerd.

Hoe heeft TikTok de ruis/vervuiling waar andere partijen mee te maken hebben uit hun app en data verzameling verwijderd? TikTok heeft dit voor elkaar gekregen door vanuit een user experience oogpunt frictie in te bouwen. Je kan namelijk bij TikTok maar één filmpje per keer zien en dit filmpje bedekt meteen het gehele scherm. Daardoor weet TikTok dat je naar dit filmpje aan het kijken bent en niet nog allerlei andere dingen aan het doen bent. En daarmee is elke swipe / share / seconde kijktijd gerichte informatie aan het algoritme. Sommige mensen spreken daarom ook wel van een algortime-oriented-design wanneer ze spreken over de ontwerpprincipes van TikTok.
Als je dit met bijvoorbeeld Youtube vergelijkt dan heeft Youtube veel meer last van ruis. Bij Youtube kun je namelijk als een filmpje is gestart al naar eventuele nieuwe filmpjes zoeken of de comments lezen. En als je dit aan het doen bent, doe je dit dan omdat je het filmpje leuk vindt of juist omdat je het helemaal niets vindt? Omdat Youtube dit niet exact weet vervuilt dit de gegevensverzameling.

Daarnaast zijn er ook mensen die Youtube als radiozender gebruiken. Deze groep start bijvoorbeeld een filmpje op waar een mix van country, dance of klassieke muziek achter zit. Deze filmpjes (mixes) duren soms wel 60 tot 120 minuten en worden op de achtergrond geluisterd. In deze mixes zitten waarschijnlijk muzieknummers die deze persoon niet interessant vindt. Maar welke stukken zijn dit? Ook hier wordt ruis gecreëerd voor het Youtube algoritme. Dezelfde voorbeelden zijn ook te geven bij andere social media en daarom leren de algoritmes van deze tools minder snel en gericht dan TikTok haar algoritme.

© 2020 Martijn Zoet