Neues Pinterest Algorithmus Update

News | Social Media21. Juli 2020

News | Social Media

Mehr Vielfalt im Feed und gleichverteilte Auslieferung
Die Social Media Plattform Pinterest hat Neuigkeiten veröffentlicht: Durch Änderungen an ihrem Feed-Algorithmus soll die Ausspielung der Beiträge in verschiedenen Formaten ausgeglichener und die Aktualität der Pins eher berücksichtigt werden.

Das sind die Auswirkungen des Pinterest Updates!

Wie war es bisher?

Der Pinterest Algorithmus hat bisher die angezeigten Inhalte speziell nach den Interessen der einzelnen User gefiltert. So wurden den Nutzern des Netzwerks direkt Inhalte angezeigt, die zu ihren gespeicherten Pinnwänden und den Pins passen, mit denen bereits interagiert wurde.

Was ändert sich?

Dieses Prinzip hat Pinterest nun überholt. Um die Bandbreite der Pins zu erhöhen und dafür zu sorgen, dass jeder User die Möglichkeit hat die verschiedenen Formate und Inhalte für sich zu nutzen, wurde auch der Algorithmus darauf angepasst. Es wird nun weniger Gewicht auf zuvor betrachtete Inhalte gelegt, sondern auch verschiedene Pin-Varianten zur Verfügung gestellt. Das bedeutet, es soll beispielsweise bei Pins im Videoformat zukünftig die Ausspielung gleichverteilter werden. Also im Klartext: Wurden bisher besonders gerne Beiträge im Video-Format angesehen, so kann es nun sein, dass die Ausspielung von Videos gedrosselt wird und andere Formate eine Chance bekommen. Andersrum kann es passieren, dass Personen, die besonders gerne statische Bilder betrachten, nur mehr Videos angezeigt bekommen.

Des Weiteren legt die Plattform nun besonders Wert darauf, dass Pins, mit denen viel interagiert wird, im Feed weiter oben landen. So werden die relevantesten Inhalte auserkoren und den Nutzern zuerst zur Verfügung gestellt. Gestützt wird das neue Vorgehen durch die Kontrolle der Aktualität der Pins. Die Inhalte sollen nicht nur thematisch passen, sondern ebenso aktuell sein.

Worauf sollte nun bei der Pinterest Content-Erstellung geachtet werden?

Um auch bei sich selbst die Bandbreite an Ausspielungsmöglichkeiten zu nutzen, sollte zukünftig nicht mehr der Fokus auf einer einzigen Pin-Variante liegen. Durch unterschiedliche Formate und Abwandlungen der Beiträge kann auch mit dem Algorithmus-Update die Häufigkeit der Ausspielungen gestützt werden.

Ebenso sollte nun auch verstärkt auf die Aktualität der Inhalte geachtet und besonders organisch regelmäßig relevanter Content gepostet werden.

Mehr Infos zu Pinterest und den Vorteilen dieses Social Media Kanals? Unsere Social Media Agentur berät Sie gerne.

Content | KI-Wiki

Die Suche nach AGI führt KI Forschung an ihre Grenzen, verbindet technische Ambitionen mit ethischen Risiken und stellt Gesellschaften vor die Frage, wie universelle Maschinenintelligenz kontrolliert, ausgerichtet und sinnvoll in soziale und wirtschaftliche Strukturen eingebettet werden kann.

Content | KI-Wiki

Mit der Transformer Architektur beginnt eine neue Ära, in der KI nicht nur versteht, sondern schöpft und dank Attention Mechanismen Texte, Bilder und Ideen generiert und so den Weg für moderne LLMs und kreative Anwendungen bereitet.

Content | KI-Wiki

Der Deep-Learning-Boom entsteht aus Datenflut, GPU-Power und neuen Netzarchitekturen und entfesselt eine KI-Revolution, die Forschung und Industrie grundlegend verändert und den Übergang von symbolischer Logik zu selbstlernenden Systemen beschleunigt.

Content | KI-Wiki

Nach Jahren des Stillstands erlebten neuronale Netze in den 1980ern mit Backpropagation eine Wiedergeburt. Mehrschichtige Netze lernten komplexe Muster automatisch, übertrafen Expertensysteme und legten den Grundstein für das spätere Deep Learning.

Content | KI-Wiki

In den 1980er Jahren feierten Expertensysteme die KI kurzzeitig als wirtschaftlichen Erfolg. Hohe Wartungskosten, begrenzte Domänen und teure Hardware führten jedoch zum Scheitern und lösten den Zweiten KI Winter aus.

Content | KI-Wiki

Ab etwa 1974 erlebt die symbolische KI eine Phase tiefer Ernüchterung. Die kombinatorische Explosion und gescheiterte Generalisierung aus Spielzeugwelten führen zu massiven Kürzungen der Fördergelder, ersten Rückzügen der Forschung und zum Ersten KI Winter.

Content | KI-Wiki

In den 1960er Jahren dominiert die symbolische KI das Feld und erhebt die regelbasierte Manipulation von Symbolen zum Kern der Intelligenz. Programme wie Logic Theorist und GPS befeuern den Glauben, menschliches Denken vollständig in formale Strukturen übersetzen zu können.

Content | KI-Wiki

xDer Dartmouth Workshop von 1956 definiert erstmals ein eigenes Forschungsfeld und gibt der Disziplin ihren Namen. Die Vision einer programmierbaren Intelligenz vereint führende Köpfe und markiert den Beginn einer Ära, geprägt von Ehrgeiz, Optimismus und bahnbrechenden Ideen.

Content | KI-Wiki

In den frühen Nachkriegsjahren verschmelzen biologische Modelle, kybernetische Ideen und elektronische Architektur zu einem neuen Verständnis von Intelligenz. McCulloch, Pitts, Wiener und von Neumann schaffen die Grundlagen, auf denen moderne KI Systeme technisch und theoretisch aufbauen.

Content | KI-Wiki

Alan Turing definiert inmitten der logischen Krise erstmals, was ein Algorithmus ist, und erschafft mit der universellen Maschine das Fundament der Informatik. Sein Modell legt die theoretischen Grenzen des Berechenbaren offen und prägt jede spätere KI Entwicklung maßgeblich.

Content | KI-Wiki

Am Vorabend der modernen Informatik spitzte sich die Frage zu, was Berechnung überhaupt ist. Die Krise der Mathematik machte sichtbar, dass eine abstrakte Definition des Algorithmus fehlte und damit der letzte theoretische Schlüssel zur späteren KI Entwicklung weltweit.

Content | KI-Wiki

Im 19. Jahrhundert entsteht durch die Erforschung von Reflexbögen und Nervenzellen erstmals ein mechanistisches Verständnis des Gehirns. Diese biologische Perspektive liefert die Blaupause künstlicher Neuronen und prägt die Grundlagen späterer Modelle lernfähiger KI-Systeme.

Leichte Sprache