Meta cambia l’algoritmo di Reels: ora decide l’interesse reale, non solo le view

Meta ha pubblicato un nuovo approfondimento sul funzionamento delle raccomandazioni di Facebook Reels, spiegando come sta superando i classici segnali di engagement per migliorare la qualità del feed. Il punto centrale è semplice ma strategico: like, commenti e tempo di visione non bastano più a capire cosa interessa davvero alle persone.

Per questo Meta ha introdotto su larga scala dei sondaggi direttamente nel feed Reels, chiedendo agli utenti quanto un video rispecchi i loro interessi. Un feedback diretto, contestuale e immediato che viene poi integrato nei sistemi di ranking tramite un modello dedicato.

L’obiettivo dichiarato non è aumentare solo il tempo speso sulla piattaforma, ma migliorare soddisfazione, ritorno degli utenti e qualità complessiva delle raccomandazioni.

Il limite dei segnali classici: engagement ≠ interesse

Storicamente, gli algoritmi di raccomandazione si basano su metriche osservabili: watch time, like, share, follow. Il problema è che questi segnali sono spesso ambigui. Un video può essere guardato fino alla fine per noia, curiosità momentanea o semplice autoplay, senza che rappresenti un reale interesse.

Meta ammette che, prima dell’introduzione dei sondaggi, i suoi sistemi riuscivano ad allinearsi agli interessi reali degli utenti solo nel 48,3% dei casi. In pratica, più della metà dei contenuti consigliati non rispecchiava davvero ciò che le persone volevano vedere nel lungo periodo.

Questo porta a feed ripetitivi, contenuti generici e a una dipendenza eccessiva dalla popolarità, penalizzando nicchie, formati meno urlati e creator più verticali.

User True Interest Survey: come funziona il nuovo modello

Il nuovo approccio si basa su una domanda semplice inserita tra un Reel e l’altro: “Quanto questo video rispecchia i tuoi interessi?”. La risposta, su scala da 1 a 5, viene poi corretta per bias di campionamento e non risposta, così da costruire un dataset affidabile.

Su questi dati Meta ha costruito il modello chiamato User True Interest Survey (UTIS), progettato per stimare la probabilità che un utente sia realmente soddisfatto di un contenuto. Non si tratta di sostituire l’algoritmo esistente, ma di aggiungere un livello che interpreta l’interesse percepito, non solo quello dedotto.

Il dato interessante è che il modello viene addestrato usando anche le previsioni degli altri sistemi di ranking, riuscendo così a generalizzare un segnale che, per natura, è molto sparso.

Dove entra UTIS nell’algoritmo di Reels

Meta utilizza il punteggio UTIS in due momenti chiave del funnel di raccomandazione. Nella fase iniziale, serve a ricostruire un profilo di interessi più accurato dell’utente, aiutando il sistema a selezionare fin da subito contenuti più rilevanti. Questo riduce il rumore già nella fase di recupero dei video candidati.

Nella fase finale di ranking, il punteggio UTIS viene aggiunto come segnale al modello di valore che decide l’ordine dei Reel nel feed. I video con alta probabilità di interesse reale ricevono un boost, quelli percepiti come poco rilevanti vengono gradualmente ridotti.

Il risultato è un feed meno guidato dalla viralità pura e più allineato agli interessi specifici di ogni persona.

I numeri: cosa è migliorato davvero

Meta dichiara miglioramenti significativi sia offline che online. A livello di accuratezza del modello, l’allineamento con gli interessi reali degli utenti è salito oltre il 70%. Nei test su larga scala, condotti su più di 10 milioni di utenti, si è registrato un aumento del 5,4% delle valutazioni positive nei sondaggi e una riduzione del 6,84% di quelle negative.

Anche le metriche di engagement complessivo sono cresciute (+5,2%), mentre sono diminuite le violazioni legate alla qualità dei contenuti. Ma il dato più rilevante per Meta è l’aumento della retention, considerata una metrica di livello primario.

In altre parole: meno contenuti “guardati ma dimenticati”, più contenuti che spingono le persone a tornare.

Confronto implicito con TikTok: due filosofie diverse

Nel confronto con TikTok, Meta riconosce implicitamente di essere ancora indietro sul fronte della rilevanza percepita. TikTok resta il benchmark per capacità di trattenere l’utente, grazie a sistemi avanzati di riconoscimento visivo e semantico all’interno dei video.

La differenza è di approccio. TikTok sembra puntare molto su segnali profondi legati a elementi visivi, tratti fisici e contesto, mentre Meta sta costruendo una personalizzazione più dichiarata, basata su feedback espliciti.

Questo rende l’approccio di Meta meno opaco e più difendibile sul piano etico, ma anche potenzialmente meno potente sul piano dell’engagement compulsivo.

Cosa cambia per creator, influencer e marketer

Per chi crea contenuti, il messaggio è chiaro: non basta più ottimizzare per il click o per la retention artificiale. I contenuti che funzioneranno meglio saranno quelli che intercettano interessi reali, specifici e coerenti nel tempo.

I creator di nicchia, i format verticali e i contenuti pensati per un pubblico definito potrebbero beneficiarne, mentre i contenuti generici costruiti solo per “piacere a tutti” rischiano di perdere distribuzione.

Per i brand e i marketer, questo significa lavorare di più su rilevanza, contesto e qualità percepita, non solo su performance immediate.

Seguici su Instagram, Threads e Tiktok per rimanere aggiornato su come cambiano gli algoritmi e cosa significa davvero creare contenuti oggi.