Edge Rank
EdgeRank va ser el nom de l'antic algoritme de Facebook que decidia quin contingut es mostrava a cada usuari al seu feed, a partir de tres factors: afinitat (relació entre l'usuari i qui publica), pes (tipus de contingut i interacció que genera) i decaïment (com de recent és la publicació).
Facebook no fa servir aquest nom des de fa anys —l'algoritme actual és molt més complex i basat en machine learning—, però EdgeRank continua sent la referència per entendre per què no tot el contingut orgànic arriba a tots els seguidors, un matís clau en qualsevol estratègia de SEO i màrqueting digital.
Entendre l'EdgeRank ajuda a interpretar l'abast orgànic
Moltes marques i negocis es sorprenen quan comproven que una publicació a la seva pàgina de Facebook només arriba a una petita part dels seguidors que tenen. No és un error tècnic: és, precisament, la conseqüència de la lògica que va introduir EdgeRank i que l'algoritme actual manté d'alguna forma, molt més sofisticada.
Sense entendre aquesta base, és fàcil interpretar malament les mètriques d'una pàgina o esperar resultats orgànics que la plataforma, per disseny, ja no ofereix de la mateixa manera que fa uns anys.
Els tres factors originals de l'EdgeRank
El nom prové de com Facebook anomenava internament cada interacció ("edge") entre un usuari i una peça de contingut.
Relació usuari-pàgina
Com més interacció prèvia hi ha hagut entre un usuari i qui publica, més probable és que vegi el contingut nou.
Tipus i interacció
No tots els formats ni totes les reaccions valen igual: el pes depenia del tipus de contingut i de com hi responia la gent.
Antiguitat de la publicació
Com més temps passa des que es va publicar, menys pes té al feed: el contingut recent es prioritzava per davant.
Un nom en desús, una lògica vigent
Facebook ja no parla d'"EdgeRank", però afinitat, pes i decaïment segueixen sent útils per entendre l'esperit del feed actual.
Com s'aplica avui la lògica de l'EdgeRank
L'algoritme actual de Facebook ja no és el mateix, però treballar sobre la mateixa base —afinitat, pes i decaïment— continua ajudant a millorar l'abast orgànic d'una pàgina.
Fomentar la interacció real
Respondre comentaris i generar converses genuïnes reforça l'afinitat entre la pàgina i els seus seguidors amb el temps.
Triar el format amb criteri
El tipus de contingut i com hi interactua l'audiència segueix pesant en la distribució; no tots els formats es comporten igual per a totes les pàgines.
Publicar quan l'audiència és activa
Com que la recència segueix comptant, publicar en els moments en què els seguidors solen estar connectats ajuda a captar les primeres interaccions.
No dependre només de l'orgànic
Combinar contingut orgànic amb inversió puntual en difusió compensa la reducció d'abast que l'algoritme aplica per defecte.
Idees que encara es deriven directament de la lògica original de l'EdgeRank:
On falla la interpretació de l'EdgeRank
Dubtes ràpids sobre l'EdgeRank
El que més ens pregunten els clients quan intenten entendre per què el seu contingut a Facebook no arriba a tota la seva audiència.
L'EdgeRank ja no existeix com a nom, però la seva lògica —afinitat, pes i decaïment— continua explicant per què el feed prioritza uns continguts sobre altres.
Facebook encara utilitza l'EdgeRank?
Quins eren els tres factors de l'EdgeRank?
Per què el meu contingut no arriba a tots els meus seguidors?
L'EdgeRank és el mateix concepte que l'algoritme d'Instagram?
Val la pena seguir parlant d'EdgeRank avui?
La teva estratègia a xarxes compta amb la lògica real del feed?
Tenim en compte com prioritzen el contingut plataformes com Facebook (afinitat, pes, decaïment) a l'hora de definir l'estratègia de continguts dins de cada projecte de SEO i màrqueting digital.
