Bedah Teknologi Machine Learning di TikTok

Sempat dianggap sebagai medsos-nya anak alay, TikTok menjelma menjadi aplikasi non-game paling banyak di-download sepanjang 2020. Teknologi machine learning di TikTok yang cerdas membuat pengguna betah berlama-lama di aplikasi ini dibandingkan media sosial lainnya.

Prabowo Mondardo bukanlah siapa-siapa, hanya seorang anak kelas 6 SD yang hobi membuat konten video. Siapa sangka video-video singkat yang diunggahnya disukai banyak remaja seusianya.

Hanya dalam hitungan bulan, nama Bowo Alpenliebe menjadi artis tenar yang untuk meet n greet saja, penggemarnya harus membayar. Cepatnya proses from zero to hero tersebut menjadi contoh hebatnya teknologi machine learning di Tiktok.

Dalam artikel ini, kita akan membedah apa rahasia TikTok sehingga menjadi aplikasi terlaris sepanjang 2020. Serta, bagaimana TikTok menerapkan machine learning yang mampu mencetak bintang dan kreator konten yang tenar.

Mengenal TikTok

TikTok merupakan media sosial yang berfokus menyajikan konten berupa video pendek dari, oleh, dan kepada penggunanya.

Dalam aplikasi ini, pengguna dapat membuat konten video pendek berdurasi 5 – 60 detik. Video tersebut dapat dilengkapi dengan tulisan, audio, stiker, filter, dan efek unik lainnya.

Saat ini, banyak media sosial yang mampu membagikan konten serupa. Namun, TikTok menjadi pemimpin di bidangvideo singkat dengan total lebih 315 juta unduhan sepanjang 2020.

statistik download tiktok
Statistik Download Aplikasi TikTok

Fenomena TikTok di Indonesia

Melihat betapa populernya TikTok sekarang, agaknya sulit diingat bahwa TikTok pernah menjadi aplikasi yang hampir diblokir di Indonesia.

Sejak kepopuleran Bowo, TikTok memang menarik perhatian banyak orang di Indonesia. Beberapa pihak yang kurang berkenan menganggap konten TikTok tidak mendidik sehingga perlu diblokir.

Walhasil, TikTok Indonesia pun melakukan negosiasi dengan pemerintah. Di mana hasilnya TikTok melakukan beberapa penyesuaian, dan akun Bowo pun di-banned dari Tiktok.

Hal ini terjadi 2018 lalu. Dan sekarang, di 2020, orang-orang justru berbondong-bondong menginstall TikTok dan menjadi content creator di dalamnya.

Tercatat selama bulan Agustus dan September 2020, total unduhan TIkTok Indonesia berturut-turut mencapai 5,54 dan 6,96 juta kali.

Head of Content and User Operation TikTok Indonesia mengungkapkan pertumbuhan pengguna yang lebih dari 20% selama pandemi.

Machine Learning, Kunci Keunikan TikTok

Apa yang membuat TikTok unik sehingga menjadi aplikasi dengan pertumbuhan paling pesat sepanjang 2020?

Tak hanya soal pertumbuhan bahkan waktu aktif pengguna pun termasuk di jajaran tertinggi di antara raksasa-raksasa medsos dunia. Rerata pengguna TikTtok menggunakan aplikasinya lebih dari 52 menit dalam sehari. Bandingkan dengan Facebook, Instagram, dan Snapchat yang berturut-turut 58, 53, dan 49 menit sehari.

Durasi Penggunaan TikTok dalam Sehari
Statistik Durasi Penggunaan Sosial Media dalam Sehari

Di Indonesia sendiri, rerata waktu yang dihabiskan (average time spent) pengguna mencapai 39 menit sehari. Sedangkan rerata jumlah konten video yang dilihat pengguna mencapai 100 video per harinya.

Apa yang membuat TikTok unik sehingga meraih engagement yang begitu tinggi dengan penggunanya?

Kuncinya ada pada penerapan algoritma personalisasi yang, secara luar biasa, ternyata sangat efektif.

Jika Anda merupakan pengguna TikTok, Anda pasti paham bahwa TIkTok membagi halaman [Beranda] atau [Home] menjadi 2 tab.

Tab pertama berisi konten-konten yang berasal dari akun yang Anda ikuti. Sedangkan tab kedua berisi konten-konten yang direkomendasikan oleh TikTok kepada Anda.

Pada tab pertama yang bernama [Followed] atau [Mengikuti], Anda menentukan sendiri akun mana saja yang sesuai dengan keinginan Anda. Semua konten yang berada di sana bisa dikatakan merupakan hasil personalisasi oleh Anda pribadi.

Pada tab kedua yang bernama [For You] atau [Untuk Anda], Anda hanya menerima apa yang TikTok rekomendasikan. Semua proses personalisasi konten diambil datanya menggunakan kecerdasan buatan atau Machine Learning TikTok.

Dan ternyata di tab [Untuk Anda] inilah kunci kemenangan TikTok.

Rekomendasi TikTok vs Youtube vs Instagram

Sekarang, mari kita perhatikan media sosial populer yang mengambil niche video. Sebut saja Youtube dan Instagram.

Saat menggunakan Youtube, beranda Anda akan menampilkan daftar video tertentu. Video-video yang masuk daftar ini ditentukan oleh algoritma Youtube.

Kecerdasan buatan Youtube mencatat riwayat tontonan Anda dan perilaku dalam menonton video sebelumnya (seperti rewind, rewatch, dan sebagainya). Dengan kata lain, video yang dihadirkan merupakan cerminan minat dan riwayat Anda. Bedanya dengan TikTok, Youtube menampilkan judul, thumbnail, tags, dan terkadang, preview 5-10 detik pertama dari video.

Preview di Youtube tidak ada di TikTok
Preview Seperti di Youtube Tidak Terdapat di TikTok

Ini memberikan Anda kesempatan untuk menilai dan menimbang video. Apakah video tersebut merupakan sesuatu yang Anda cari atau tidak.

Jika dari tampilan singkat tersebut Anda beranggapan bahwa itu bukan video yang Anda cari, Anda bisa melewatkannya (skip).

TikTok menggunakan machine learning serupa yang mampu mempelajari riwayat tontonan dan perilaku pengguna, tapi mengaplikasikannya secara berbeda. Di TikTok, Anda tidak akan menemukan thumbnail, dan judul video. Jangankan deskripsi video, caption saja tidak Anda temukan kecuali menjadi bagian dari video singkat tersebut.

Tampilan video di TikTok
Tampilan Video di TikTok

Namun, karena TikTok tidak menyediakan komponen preview tersebut, semua video langsung disajikan ke hadapan pengguna.

Pada platform Youtube, identitas video menjadi satu pertimbangan apakah video tersebut akan ditonton atau tidak. Tapi di platform TikTok, “mempertimbangkan” merupakan proses yang menghambat pengguna untuk menonton video.

TikTok melewatkan proses tersebut dan langsung menyajikan video baru ke pengguna begitu video sebelumnya selesai ditonton.

Dengan langsung menyuguhkan video ke hadapan pengguna, maka satu-satunya cara menentukan video tersebut sesuai atau tidak, adalah dengan menontonnya.

Ternyata, cara ini justru meningkatkan kuantitas engagement pengguna terhadap aplikasi. Teknik memutar video secara otomatis sebenarnya digunakan juga oleh Facebook dan Instagram. Hanya saja kedua media sosial ini mengaturnya dalam tampilan scroll.

Selain itu, FB dan IG juga hanya menyediakan konten yang berasal dari akun yang sudah diikuti pada beranda. Sehingga jangkauan dan variasi video yang ditampilkan relatif lebih terbatas.

Kunci Rekomendasi TikTok: Algoritme Penyaringan

Dari penjelasan di atas, bagian yang paling berperan meningkatkan engagement dari TikTok adalah halaman [For You] atau [Untuk Anda].

Rekomendasi video yang disajikan di sana benar-benar bergantung pada kemampuan kecerdasan buatan TikTok.

Kita dapat menyimpulkan bahwa machine learning TIkTok menggunakan 2 tipe algoritme dalam merekomendasikan video di halaman [Untuk Anda].

  1. Collaborative Filtering (penyaringan kolaboratif)
  2. Content-based Filtering (penyaringan berbasis konten).

Collaborative Filtering

Collaborative filtering atau penyaringan gabungan merupakan algoritme penyajian konten dengan menggunakan user sebagai pusatnya. Model seperti ini sering disebut sebagai user-centered design.

Saat pertama kali menggunakan TikTok, Anda hanya akan diminta 2 data terkait penyajian konten. Yaitu tanggal lahir dan preferensi kategori konten yang Anda minati.

TikTok tidak butuh alamat atau lokasi karena sudah bisa mendapatkannya dari alamat IP perangkat Anda.

Dari usia, lokasi, dan preferensi kategori yang Anda pilih, TikTok akan menyajikan video yang sesuai dengan syarat tersebut.

Kebanyakan video merupakan konten yang dinikmati oleh banyak pengguna lain yang memiliki profil dan preferensi yang mirip dengan Anda. Canggihnya, machine learning TikTok mencatat perilaku Anda (user behaviour) saat berinteraksi dengan video tersebut.

Sistem Rekomendasi di TikTok
Sistem Rekomendasi di TikTok Mengandalkan Hasil Interaksi Pengguna

Contohnya, apakah Anda memberikan like, comment, dan membagikan video tersebut? Apakah Anda menonton video tersebut sampai selesai? Atau, apakah Anda langsung men-skip atau melewatkannya begitu saja setelah 3 detik pertama.

Video dengan ciri yang mirip dengan yang Anda tonton sampai selesai akan lebih banyak dihadirkan untuk Anda. Sedangkan yang mirip dengan yang tidak selesai Anda tonton, akan dijauhkan dari Anda.

Proses machine learning ini bersifat dinamis dan berjalan otomatis serta terus-menerus. Sehingga bisa disebutkan bahwa machine learning TikTok mempelajari diri Anda.

Content-based Filtering

Seperti namanya, content-based filtering (penyaringan berbasis konten) menempatkan konten sebagai objek penyelidikan utama. Tujuannya adalah untuk mempelajari apakah konten tersebut termasuk kategori yang diminati pengguna.

Untuk itu, TikTok membutuhkan teknologi pengenalan konten, yang disebut dengan NLP (Natural Language Processing) Protocol.

Pemanfaatan Natural Language Processing (NLP) di TikTok
Pemanfaatan Natural Language Processing (NLP) di TikTok

Sederhananya, NLP Protocol adalah metode yang digunakan komputer untuk memahami bahasa dan maksud manusia.

Metode ini menggunakan analisis dari semua masukan yang diberikan oleh manusia. Termasuk yang berupa teks, gambar, suara, tags, lokasi, waktu, dan banyak yang lainnya.

Semua faktor tersebut dianalisis untuk mendapatkan pemahaman yang baik terhadap intent dan konteks kejadian.

Video yang telah dianalisis kemudian diberikan tags kategori tertentu. Sehingga ketika user dengan minat yang sesuai aktif, video tersebut akan masuk database yang disajikan bagi pengguna tersebut.

Peran Machine Learning dalam Penyaringan Konten di TikTok

Machine learning TikTok berfungsi sebagai sebuah manajer yang melakukan collaborative filtering dan content-based filtering sekaligus.

Setelah itu, TikTok akan menyajikan konten sesuai dengan preferensi dan karakter pengguna berdasarkan hasil analisis yang telah dilakukan.

Analisis dan implementasi machine learning di TikTok
Framework Implementasi Machine Learning di TikTok

Machine Learning TikTok selalu berupaya untuk menemukan match antara minat dan preferensi pengguna dengan ciri dan karakter konten.

Perjalanan konten sampai menemukan pengguna bukanlah sesuatu yang sesederhana menampilkan video di layar Anda.

Di balik video yang hadir hampir tanpa jeda tersebut, artificial intelligence (kecerdasan buatan) TikTok bekerja terus menerus.

Konten yang dibuat oleh para kreator pertama kali akan di-review secara singkat oleh mesin. Terutama berkaitan dengan keyword dan keyframe.

Keyword berarti kata kunci yang mewakili video tersebut, sedangkan key frames berarti bagian visual yang mewakili video tersebut.

Jika kedua hal tersebut tidak melanggar kebijakan TikTok (misalkan terkait kekerasan dan pornografi), maka video dinyatakan aman dan layak tayang.

Sebaliknya, jika melanggar, maka akan dilakukan review oleh manusia. Jika menurut review manusia memang benar pelanggaran, video akan dihapus dari platform.

Sedangkan jika tidak, maka video dinyatakan aman dan lolos ke tahap selanjutnya.

Alur Pengecekan Konten di TikTok
Alur Pengecekan Konten di TikTok

Tahap selanjutnya merupakan pengecekan konten duplikasi.

Jika ternyata konten tersebut hasil duplikat konten orang lain, maka video akan dibatasi hanya ditampilkan ke follower akun tersebut.

Sebaliknya, jika konten tersebut unik, buatan sendiri, dan belum pernah ada, maka akan diberikan tag dan kategorisasi tertentu. Kemudian, video tersebut akan ditampilkan ke 100-200 pengguna aktif terlebih dahulu.

Alur Rekomendasi Konten oleh Machine Learning TikTok

Para pengguna yang menampilkan video tersebut di awal disebut dengan initial pool atau initial batch. Initial pool ini diambil dari label pengguna yang menyukai konten dengan preferensi dan kategori tertentu sesuai tag video tersebut.

Machine Learning TikTok kemudian menganalisis bagaimana respon atau perilaku pengguna terhadap video tersebut. Respon yang dicatat antara lain:

  1. Apakan pengguna menonton video tersebut sampai habis?
  2. Apakah pengguna memutar video tersebut berulang-ulang?
  3. Apakah pengguna melakukan follow pada akun yang mengunggah video?
  4. Apakah pengguna memberikan like atau komen?
  5. Apakah pengguna membagikan video tersebut?

Dan lain sebagainya.

Respon tersebut dianggap sebagai feedback (umpan balik) yang akan membantu ML (Machine Learning) TikTok menentukan nasib video.

Jika respon pengguna negatif, maka video akan mengalami delay moment atau momen “pause”. Kalau selama momen tersebut engagement rate dari kreator tinggi, maka video tersebut akan dikeluarkan dari rekomendasi.

Sebaliknya, jika engagement rate kreator untuk video lain juga rendah, maka video tersebut akan di-boost ke audience yang lebih besar. Sehingga kreator akan tetap termotivasi untuk membuat konten baru lagi.

Kembali ke feedback, jika di initial pool, umpan baliknya positif, maka video juga akan di-boost ke penonton yang lebih besar.

Jika video yang di-boost tersebut menerima pengaduan (report), makan akan di-review oleh manusia. Penghapusan video bisa dilakukan jika ternyata memang melanggar kebijakan TikTok atau aturan yang berlaku di negara tersebut.

Alur Rekomendasi Konten di Machine Learning TikTok
Alur Rekomendasi Konten di Machine Learning TikTok

Sebaliknya, jika respon audiens ternyata baik, maka profil dari kreator juga akan di-boost. Dalam artian, video-videonya akan banyak ditampilkan ke penonton.

Semua video tersebut akan mengalami lagi fase penampilan pada initial pool dan menjalani algoritma yang telah diuraikan di atas.

Tahap boosting profile berlangsung selama sekitar 10 hari untuk kemudian mengalami cooldown. Proses cooldown ini dianggap penting untuk mendorong kreator membuat konten baru.

Dengan cara ini, setiap kreator berkesempatan untuk menjadi tenar, tanpa memandang status selebriti atau bukan. Pertimbangan utamanya ada pada kekuatan konten itu sendiri.

Penutup

Setelah memahami algoritme TikTok, kita dapat mengidentifikasi beberapa poin penting yang dijadikan indikator oleh TikTok.

Sama seperti orang melakukan optimasi video untuk Youtube, optimasi konten untuk TikTok pun dapat dilakukan dengan memperhatikan indikator tersebut.

Optimasi konten di TikTok akan membantu Anda untuk menjangkau lebih banyak pengguna tanpa perlu beriklan atau menjalankan ads.

Beberapa metode yang dapat digunakan untuk meningkatkan skor video sesuai indikatornya bisa dilihat di tabel berikut.

IndikatorOptimasi
Menonton video sampai habisMeletakkan punchline di akhir
Memutar video berulang-ulangMembuat punchline yang singkat atau potongan video yang singkat dan cepat
Melakukan followMenampilkan foto profil terbaik, deskripsi profil yang menarik, dan memperbanyak konten
Melakukan like, comment, dan shareMembuat konten yang emosional (lucu, menggemaskan, menyedihkan, mengundang amarah, dsb)
Cara Optimasi Konten di Tiktok Berdasarkan Machine Learning TikTok

Kini kita telah memahami cara kerja machine learning di TikTok dan bagaimana memanfaatkan Machine Learning Tiktok untuk optimasi konten.

Bila ada pertanyaan atau jikalau Anda memerlukan bantuan tentang Machine Learning TikTok, silakan langsung berkomentar di bawah.

Daftar Pustaka

  1. https://www.jumpstartmag.com/explaining-tiktoks-algorithm/
  2. https://towardsdatascience.com/the-inescapable-ai-algorithm-tiktok-ad4c6fd981b8
  3. https://towardsdatascience.com/why-tiktok-made-its-user-so-obsessive-the-ai-algorithm-that-got-you-hooked-7895bb1ab423

3 thoughts on “Bedah Teknologi Machine Learning di TikTok”

  1. Terimakasih pak Ventje, informasi yang di share sangat berguna untuk konten kreator. Kalau ada waktu luang request bahas tentang cara pembuatan aplikasi Tiktok juga. Terimakasih

    Reply

Leave a Comment