Meta 導入 AI 自然語言模型,強化 Facebook 動態排序控制權
文章摘要
Meta 為 Facebook 導入 AI 功能「Your Algorithm」,賦予使用者對動態時報與 Reels 演算法排序更大的控制權。該功能支援自然語言輸入,用戶可直接描述希望增加或減少的內容偏好,取代過往僅依賴自動化推薦的模式。此系統能即時反映設定變更,並透過系統發起的後續追問,獲取更精確的回饋以優化推薦精準度。
同步更新的三點選單,提供更直觀的管理介面,用戶除可快速進入「Your Algorithm」外,亦能直接點選「感興趣」或「不感興趣」進行標記。此舉標誌著 Meta 的內容推薦策略轉向,效仿串流服務,讓用戶能更主動參與個人化體驗。此功能繼 Instagram 於 2025 年 12 月在 Reels 推出、6 月擴展至動態與探索頁面,以及 Threads 的「Dear Algo」後,正式完成 Meta 旗下主要平台的個人化布局,旨在於 AI 驅動的內容發現時代中,賦予用戶對社群體驗更高的自主權與影響力。
同步更新的三點選單,提供更直觀的管理介面,用戶除可快速進入「Your Algorithm」外,亦能直接點選「感興趣」或「不感興趣」進行標記。此舉標誌著 Meta 的內容推薦策略轉向,效仿串流服務,讓用戶能更主動參與個人化體驗。此功能繼 Instagram 於 2025 年 12 月在 Reels 推出、6 月擴展至動態與探索頁面,以及 Threads 的「Dear Algo」後,正式完成 Meta 旗下主要平台的個人化布局,旨在於 AI 驅動的內容發現時代中,賦予用戶對社群體驗更高的自主權與影響力。
AI 大叔解析
【核心判斷】
社群演算法不再全靠黑箱猜測,Meta 讓使用者直接用白話文下指令調教動態牆。Facebook 推出的「Your Algorithm」功能,允許用戶在 Feed 和 Reels 中以自然語言描述偏好,系統會即時調整推薦內容,甚至會主動提出後續追問來釐清喜好。這代表平台從單純依賴被動行為特徵的推薦機制,轉向結合明確文字意圖的混合排序模式。
【毒舌吐槽】
過去使用者只能對著貼文狂按「不感興趣」當作無聲抗議,演算法卻常常裝作沒看見繼續推。現在 Meta 乾脆開個文字輸入框,表面上是把控制權交給用戶,實際上是把原本推薦模型抓不準的痛點,轉包給使用者自己寫提示詞來除錯。演算法甚至還會發起「後續追問」要你補充說明,簡直像把客服工單系統直接搬進動態時報。
【為什麼重要?】
這項變更補齊了 Meta 跨產品線的意圖輸入介面。繼 Instagram 先前在 Reels 推出、並於 6 月擴展至 Feed 與 Explore,以及 Threads 推出「Dear Algo」之後,Facebook 此次同步整合了貼文的三點選單,提供「Interested」、「Not interested」與「Your Algorithm」入口,使旗下主力產品都具備了主動式個人化控制項。
對內容分發機制而言,即時反應(real-time)的文字回饋將直接干預排序權重。平台不再僅僅依靠停留時間或點擊等隱性訊號(implicit signals,指用戶未明說但系統默默記錄的行為數據),而是讓顯性偏好(explicit preferences)直接介入推薦循環,運作邏輯開始向串流服務的選單自訂機制靠攏。
【影響對象與建議】
社群行銷與內容創作者:
受眾現在能直接用語言過濾主題,單靠聳動標題騙點閱的打法更容易被整類封鎖。建議內容標籤與主題定位需更加明確垂直,避免內容雜訊過高而遭到用戶主動下指令排除。
一般社群使用者:
若發現動態牆充斥無關內容,可多利用三點選單內的「Your Algorithm」輸入具體需求。遇到系統追問時提供明確喜好,能比單純點擊不感興趣更快導正推薦內容。
社群演算法不再全靠黑箱猜測,Meta 讓使用者直接用白話文下指令調教動態牆。Facebook 推出的「Your Algorithm」功能,允許用戶在 Feed 和 Reels 中以自然語言描述偏好,系統會即時調整推薦內容,甚至會主動提出後續追問來釐清喜好。這代表平台從單純依賴被動行為特徵的推薦機制,轉向結合明確文字意圖的混合排序模式。
【毒舌吐槽】
過去使用者只能對著貼文狂按「不感興趣」當作無聲抗議,演算法卻常常裝作沒看見繼續推。現在 Meta 乾脆開個文字輸入框,表面上是把控制權交給用戶,實際上是把原本推薦模型抓不準的痛點,轉包給使用者自己寫提示詞來除錯。演算法甚至還會發起「後續追問」要你補充說明,簡直像把客服工單系統直接搬進動態時報。
【為什麼重要?】
這項變更補齊了 Meta 跨產品線的意圖輸入介面。繼 Instagram 先前在 Reels 推出、並於 6 月擴展至 Feed 與 Explore,以及 Threads 推出「Dear Algo」之後,Facebook 此次同步整合了貼文的三點選單,提供「Interested」、「Not interested」與「Your Algorithm」入口,使旗下主力產品都具備了主動式個人化控制項。
對內容分發機制而言,即時反應(real-time)的文字回饋將直接干預排序權重。平台不再僅僅依靠停留時間或點擊等隱性訊號(implicit signals,指用戶未明說但系統默默記錄的行為數據),而是讓顯性偏好(explicit preferences)直接介入推薦循環,運作邏輯開始向串流服務的選單自訂機制靠攏。
【影響對象與建議】
社群行銷與內容創作者:
受眾現在能直接用語言過濾主題,單靠聳動標題騙點閱的打法更容易被整類封鎖。建議內容標籤與主題定位需更加明確垂直,避免內容雜訊過高而遭到用戶主動下指令排除。
一般社群使用者:
若發現動態牆充斥無關內容,可多利用三點選單內的「Your Algorithm」輸入具體需求。遇到系統追問時提供明確喜好,能比單純點擊不感興趣更快導正推薦內容。