Як TikTok вирішує кому показувати відео: сигнали ранжування FYP

TikTok не просто показує популярне — він будує окрему стрічку для кожного з мільярда користувачів. Відео, яке потрапить до вашого FYP, і відео, яке побачить ваш сусід, можуть не перетинатися взагалі. Як платформа ухвалює це рішення — мільярди разів на секунду? Відповідь у сигналах ранжування: конкретних даних, які TikTok збирає про відео, автора і глядача, а потім зважує, щоб передбачити, чи захоче ця людина дивитися саме це відео. Цей матеріал розбирає кожну групу сигналів, пояснює їхню відносну вагу та показує, як автор може свідомо впливати на ранжування.

Як TikTok відбирає відео для вашої стрічки: загальна механіка

Щоразу, коли ви відкриваєте TikTok, система виконує кілька кроків за частки секунди. Спочатку формує пул кандидатів — відео, які потенційно можуть вас зацікавити, виходячи з вашої попередньої активності та тематики контенту. Потім ранжує цих кандидатів за прогнозованою ймовірністю взаємодії. Нарешті будує стрічку, де відео з найвищою прогнозованою взаємодією стоять першими.

Ключове слово — «прогнозована». TikTok не знає точно, чи сподобається вам відео. Але він будує математичну модель на основі тисяч точок даних про вас і про відео, і ця модель передбачає ймовірність кожного можливого типу взаємодії. Потім зважує ці ймовірності і рахує «оцінку цікавості» для кожного відео.

Категорія 1: сигнали взаємодії з відео — найважливіші

Сигнали взаємодії — найпотужніша категорія, бо вони показують реальну реакцію реальних людей на конкретне відео. TikTok збирає їх у режимі реального часу і оновлює ранжування відео після кожної хвилі.

Completion rate і повторні перегляди — лідер ієрархії. Чому саме він? Бо завершити перегляд — це дія, яку важко «підробити» рефлекторно. Людина дивиться відео до кінця лише якщо воно тримає увагу. Повторний перегляд — ще сильніший сигнал: людина свідомо вирішила подивитися знову.

Репост займає друге місце. Коли ви відправляєте відео другу, ви робите три речі одночасно: (1) підтверджуєте, що відео варте уваги; (2) розповсюджуєте його на нову аудиторію; (3) беретеся за репутацію — ви не будете ділитися тим, що вважаєте поганим. Алгоритм розуміє цю логіку і цінує репост відповідно.

Коментар — сигнал емоційної залученості. Особливо цінні: запитання автору, суперечки між глядачами, коментарі «зачекайте, це мені потрібно» — вони свідчать про те, що відео викликало реакцію. Відповідь автора на коментар — додатковий сигнал взаємодії.

Лайк — корисний, але найслабший сигнал у порівнянні з попередніми. Лайки рефлекторні: люди лайкають навіть ті відео, які не досмотрили. Тому TikTok не спирається на них надмірно.

Негативні сигнали TikTok теж враховує:

• Натискання «Not Interested» — сильно знижує показ схожого контенту цій людині.
• Скарга на відео — знижує охоплення і погіршує репутацію акаунта.
• Швидке гортання без перегляду — негативний сигнал нерелевантності.

Категорія 2: інформація про відео — контекст для алгоритму

Якщо сигнали взаємодії — це «оцінки» відео, то інформація про відео — це «адреса» для доставки. TikTok використовує метадані, щоб зрозуміти, про що відео і кому воно потенційно цікаве, ще до того як зібрав реальні дані взаємодії.

Підписи і хештеги. TikTok аналізує текст підпису та семантику хештегів. Три релевантних хештеги (#fitness, #схуднення, #трекування) говорять алгоритму набагато більше, ніж 30 випадкових. Особливо важливо: хештег #FYP і #ForYou не мають доведеної ефективності для просування — TikTok офіційно підтвердив, що ці теги не є «магічними ключами» до FYP.

Звуки і музика. Аудіо-сигнал — один із найпотужніших контекстуальних інструментів TikTok. Трендові звуки вже мають «аудиторію»: люди, які шукають відео з конкретним треком або звуком, формують кластер. Відео з трендовим звуком автоматично потрапляє в цей кластер і отримує доступ до вже «підігрітої» аудиторії.

Computer Vision (CV) — автоматичний аналіз відеоряду. TikTok аналізує візуальний контент відео: розпізнає об'єкти, обличчя, дії, сцени. Відео з їжею потрапляє до кулінарного кластеру навіть без хештегів — просто тому що алгоритм «бачить» їжу. Це ключовий сигнал для нішового ранжування.

Категорія 3: налаштування акаунта і пристрою

Ця категорія має найменшу вагу з трьох, але виконує важливу функцію — локалізацію. TikTok використовує дані про мову пристрою, країну реєстрації і тип девайса переважно для того, щоб показувати регіональний контент і не «захаращувати» FYP відео на незрозумілій мові.

Важлива деталь: країна і мова — це фільтр, а не ранжувальний сигнал у повному сенсі. Вони визначають, в який «пул» потрапляє відео, а потім уже всередині пулу спрацьовують сигнали взаємодії та інформації. Тому TikTok може охоплювати міжнародну аудиторію — якщо контент набирає сильні сигнали взаємодії в рідній аудиторії, платформа розширює охоплення і на інші регіони.

Як алгоритм зважує сигнали: прогнозна модель

TikTok не ранжує відео за сумою взаємодій. Він будує прогнозну модель для кожної пари «відео — глядач». Для кожного відео, яке потрапило в пул кандидатів для вашої стрічки, алгоритм прогнозує:

• З якою ймовірністю ви досмотрите це відео до кінця?
• З якою ймовірністю поставите лайк?
• З якою ймовірністю прокоментуєте?
• З якою ймовірністю поширите?

Кожна ймовірність множиться на вагу відповідної дії, потім суми складаються в «оцінку цікавості». Відео з найвищою оцінкою стає першим у вашій стрічці. Цей процес повторюється для кожного глядача окремо — тому те саме відео може бути першим у стрічці одного і відсутнім у стрічці іншого.

Як автор може впливати на сигнали ранжування

Скільки коштує просування TikTok

Кейси: як зміна роботи із сигналами впливає на ранжування

Кейс 1. Бренд одягу, 5 000 підписників. Відео знімали якісно, але completion rate тримався на 28% через довгі вступи. Після переробки структури (хук + трендовий звук + субтитри) і підключення пакету переглядів у перші дві години після публікації, completion rate виріс до 71%. Три наступних відео вийшли в FYP і сумарно зібрали 380 000 переглядів. Сторінка продукту отримала 740 переходів за тиждень.

Кейс 2. Репетитор з математики, нульовий акаунт. Початок: перші 8 відео набирали 200–400 переглядів. Проблема виявилась у відсутності хештегів і неправильному звуці (власна монотонна мова без музики). Після додавання 4 нішевих хештегів (#математика, #репетитор, #підготовкаЗНО, #вчимось) і трендового фонового треку, перше відео нової серії зібрало 14 000 переглядів і вивело акаунт на 800 підписників за тиждень.

Висновок

Сигнали ранжування TikTok — не чорна скринька. Платформа офіційно публікує свої принципи ранжування, і вони логічні: алгоритм винагороджує контент, який люди справді дивляться, поширюють і з яким взаємодіють. Жодного секрету — лише три категорії сигналів і чітка ієрархія ваг.

Підсилити стартові сигнали нових відео можна через просування TikTok на rock-boost.com.ua — перегляди, лайки та репости від живих акаунтів дають алгоритму дані для першого пакету і запускають органічне розширення охоплення.

Часті питання про сигнали ранжування TikTok

Ігор Вовчан

Спеціаліст сервісу rock-boost.com.ua