Рекомендательная лента не «любит» контент — она считает, сколько людей дойдёт до конца, ответит, репостнет и не уйдёт в scroll дальше. Базовая гипотеза простая: чем выше прогноз удержания и вовлечения, тем шире тестовый охват. Алгоритм не прощает небрежности, он требует точности.
Сигналы работают не по отдельности, а в связке:
— CTR из таймлайна: заголовок и первая строка
— Dwell time: сколько человек висит на посте
— Replies и reposts: не шум, а качество реакции
— Negative feedback: mute, hide, unfollow, быстрый выход
Если у тебя сильный кликабельный старт, но слабый retention, модель быстро режет раздачу. Если текст держит внимание, но не даёт повода для действия, пост остаётся «тихим» — impressions есть, расширения нет. Это не контент, это математическая модель охвата.
Проверка простая: смотри, где ломается воронка. Много показов и мало открытий — проблема в первом экране. Открытия есть, а ответов нет — провисает структура. Ответы есть, а reach не растёт — алгоритм видит низкий quality score из-за слабого удержания или токсичных сигналов.
Вывод: оптимизируй не «интересность», а последовательность сигналов. Сначала зацепка, потом удержание, потом причина для реакции. Если тред не работает, значит, его структура была ошибочной с самого начала.
X: экономика репостов
@x_repost_economy_ubt
Алгоритм рекомендаций X ранжирует не посты, а ожидаемую доходимость
Этот пост опубликован в Telegram-канале X: экономика репостов (@x_repost_economy_ubt). Все его публикации — на странице канала.
Открыть в Telegram