Instagram启动了Blend，该功能是与朋友或小组成员共享的Reeals Flow的功能。每天，内容都会根据每个人的口味更新，并有可能集体反应并在DMS中进行讨论。在这种部署的背后，发生了一次摇摆：平台现在测试不再仅集中在个人而是社会动态的建议推荐逻辑。
返回社会建议
长期以来，平台的性能基于单个算法的质量。 YouTube，Tiktok或Instagram已在能够预测孤立用户想要看到的系统上进行了大量投资。这个算法时代已经投入了超个性化，以在优化的内容泡沫中孤立用户，但与原始社交关系脱节。
混合模型是该逻辑部分中断的一部分。 Instagram不再仅要求其推荐引擎取悦用户，而是生成一个 组一致性。它不仅是个人效率的问题，而且是创建集体体验的问题，其中内容成为互动的起点。
从独奏算法到社交算法
该原则不是新的。 Spotify已成功地介绍了它 Glend，通过将两个用户的音乐喜好合并为独特的播放列表，每天更新。兴趣不是很准确 相互发现 ：每次互动成为彼此口味的窗口。这种“共享建议”的逻辑将算法转换为社交界面。
通过采用这种模型，Instagram试图将关系价值恢复为现实。 Tiktok的成功已将价值轴移至纯推荐。 META通过注入链接来反应。因此，融合作为一个 内容的社会代谢 ：我们不再单独食用，我们正在探索几个。
集体饲料作为一种新的战略格式
动态是双重相关的。从使用的角度来看，它响应一个隐式请求：在平台上看到的内容已成为日常习惯，通常是通过屏幕截图或复制的链接。通过促进本地环境中的共同消费来融合这种做法。
从产品的角度来看，这允许将DMS重新激活作为关注中心。这个私人渠道长期外围设备成为内容的切入点，并有上下文化的对话空间。通过连接卷轴和消息，Instagram创建了一个交互走廊，该走廊可以增强保留率并开放新的货币化可能性。
新的算法挑战
为个人建立个性化饲料是一个解决的挑战。为一个小组做这件事，尊重每个人的偏好，同时确保社论一致性，这要少得多。这不再是最大化单个观看时间的问题，而是提出能够唤起的内容的问题 交叉反应，，，， 对话， 甚至 共同的惊喜效果。
这意味着建议系统的杂交：有必要结合单个信号，社会亲和力，历史互动和集体预期能力。模型必须学会产生折衷方案，平衡品味的代表性，并以高对话潜力来检测内容。换句话说，从算法中走 预测性 到算法 结缔组织。
注意经济的更广泛发展
这种向社会化的运动是更广泛的趋势的一部分。平台必须同时遇到两个挑战：对算法的信心和用户认知饱和的侵蚀。通过使其在社会上赋予发现的意义，使得可以振兴体验而不会加重注意力压力。
最终，这种逻辑可以扩展到其他格式：新闻集的集体提要，小组的小组建议，甚至是协作阅读空间。算法的未来将不再仅仅是为了预测什么 我 想看，但是 我们 可以一起欣赏。
重新社交算法
混合不仅是一个新的Instagram功能。这是试图重新定位算法，使饲料成为共享空间而不是封闭的镜像。如果这种动态是必不可少的，则可以通过使建议不再是个人计算的问题，而是关系的关系，可以重新定义内容平台的设计。
