Les 10 algorithmes de club House décodés par un professionnel du référencement naturel

Voici une description sommaire du fonctionnement à date des algorithmes de classements de Club House.

Let’s start by following the people you know

Mise à jour de l’analyse : 28/05/2021

Il s’agit d’une liste des membres de club House que l’application propose de suivre lorsque l’on ouvre pour la première fois l’application.

En cliquant sur le bouton « Looks Good », le nouveau membre suivi d’une seule fois tous ses contacts membres de Club House présentés.

Le membre peut aussi cliquer sur le lien « Select individually » pour suivre uniquement les contacts qui l’intéressent.

Type d’algorithme

Moteur de recommandation (de membres)

Critères d’apparition

Appartenir au carnet d’adresse du nouveau membre de Club House et avoir téléchargé et activé l’application ClubHouse.

L’algorithme identifie d’abord les numéros de téléphone présent dans votre carnet d’adresse, puis les associent au profil de membres de Club House qui ont utilisé ce numéro en s’inscrivant.

Critères de classement

Nombre de followers de vos contacts inscrits sur Club House

Le welcome pack de l’installation “Here are others we suggest”

Mise à jour de l’analyse : 28/05/2021

Il s’agit des personnes que Club House vous propose de suivre juste après l’écran précédent lors de l’onboarding de l’application.

En cliquant sur le bouton Follow, le nouveau membre suivi d’une seule fois les 50 premiers membres présentés.

Le membre peut aussi cliquer sur le lien « Select individually » pour suivre uniquement les membres Club House qui l’intéressent.

Type d’algorithme

Moteur de recommandation (de membres)

Critères d’apparition

Faire partie des membres suivis par les contacts que l’application a présenté sur l’écran « Contacts personnels proposé à

Tous les followers n’appart

Critères de classement

Nombre de followers des contacts personnelles du nouveau membre, inscrits sur Club House qu’il a sélectionné sur l’écran « Let’s start by following the people you know »

Ce critère n’est apparement pas le seul utilisé, puisqu’il n’affiche pas une liste exhaustive de tous les membres suivis les contacts personnels du membre suggérés sur l’éc

Liste des followers des personnes que vous avez

Le HALL WAY

Mise à jour de l’analyse : 30/05/2021

Il s’agit de l’écran d’accueil de l’application qui est l’équivalente du feed des autres réseaux sociaux.

Différence majeure : pas d’informations, mais une liste en temps réel de rooms qui sont actives et dans lesquels vous pouvez rentrer.

Il est composé d'un bloc de base et de blocs optionnels

• Optionnel: Rooms dont vous êtes créateur ou modérateur
• Rooms qui pourraient vous intéresser
• Optionnel: des carrousels de suggestion de rooms ou de personnes à suivre

Rooms du jour dont vous êtes créateur ou modérateur

Type d’algorithme

Algorithme basique

Critères d’apparition

• Rooms que vous avez-vous-même programmés parce que vous en êtes le créateur
• Rooms programmées par un autre créateur, mais pour lesquelles vous avez été désigné comme modérateur (avec ou sans votre autorisation)
• Rooms qui ont lieu le jour-même uniquement

Rooms qui pourraient vous intéresser

Type d’algorithme

Moteur de recommandation (de rooms)

Moteur de recommandation de rooms, club, membres dans le carroussel

Critères d’apparition

Les rooms éligbles sont les :

• Rooms créées par des membres de Club House que vous suivez
• Rooms dont vous suivez l’un des modérateurs
• Rooms dont vous suivez l’un des speakers (c’est-à-dire présent sur la scène)
• Rooms organisées par un club dont vous êtes membre
• Rooms organisées par un club dont vous êtes follower
• Rooms que organisées par des clubs, des créateurs ou modérateurs dont vous avez précédement masquer les rooms dans le hallway (en poussant la room vers la droite), peuvent apparaître.

Critères de classement

Les rooms qui remontent en priorité sont les :

• Rooms auxquelles vous vous êtes inscrits via la cloche
• Rooms auxquelles de nombreux membres de Cluh House se sont inscrits via la cloche
• Rooms liées aux clubs que vous administrez/avez créés
• Rooms accueillant un grand nombre d’auditeurs
• Rooms dont les sujets se rapprochent des sujets/topics que vous avez associé à votre profil. C'est un critère flou annoncé par les fondateurs: S'agit-il d'association sémantiques entre les mots-clés du titre ou de la description et les sujets/topics de votre profil ou bien de correspondance entre les sujets/topics du club qui organise la room et de vos sujets/topics à vous ?
• Rooms dont les créateurs ou modérateurs ou speakers ont un fort score d'affinité avec vous. Ce score dépendrait
  • du fait que vous suiviez cette personne
  • du fait que vous ayez activé la cloche.
  • de vos réactions aux notifications (barres vertes dans l'application ou notification sur le smartphone): "John Doe parle", "John Doe a lancé la room Z, "John Doe pinged you"),

Critères possibles

Room en relation avec les thèmes Club House choisis par l’utilisateur lors de l’onboarding de l’application

Evolutions et discussions des fondateurs

Paul Davison a indiqué lors du townhall du 30/05/2021 que la nouvelle version du moteur de recommandation allait progressivement être déployé. Il est probable qu’à cette occasion, l’algorithme historique qui reposait vraisemblablement sur des critères impactant de façon linéaire la sélection des rooms va progressivement disparaître pour être remplacé par un algorithme plus complexe s’appuyant, probablement sur du machine learning.  Ce qui milite en ce sens est l’arrivée début mars 2021, d’un data scientist français (ie, un spécialiste du machine learning) ayant officié sur les systèmes de recommandations d’Instagram et Facebook pendant 6 ans.

Qu’est-ce que cela change ?

L’intégration d’un algorithme de machine learning permet, en théorie, une plus grande précision des recommandations de rooms… à condition que l’algorithme de machine learning ait été bien entraîné, c’est-à-dire que les indicateurs de performances utilisée durant les tests d’efficacité de cet algorithme ait été les bons et ait été conduit de façon suffisament exhaustif. Il est ainsi possible que si les tests ont été menés sur les principales thématique ou les principaux clusters (groupes) d’utilisateurs et qu’au vu des indicateurs de performance, les recommandations soient considérées comme statistiquement meilleures, l’algorithme affiche des performances inférieures soit sur des thématiques marginales, soit sur des clusters d’utilisateurs peu représentés. Enfin, il est aussi possible que les performances se dégradent pour l’ensemble des utiliateurs, si les indicateurs de performances fournis au modèle de machine learning ne soit pas les bons : par exemple, un algorithme pourrait afficher des performances supérieures au précédent s’il ne tient compte que du nombre de personnes qui entrent dans une room et pas du temps passé sur une room (qui atteste, in fine, de l’intérêt réel, une room recommandée par l’algorithme (cela correspond au dwell time de Linkedin).

Quoiqu’il en soit, ce changement d’algorithme devrait rapprocher le système de recommandations de rooms de ce qui se pratiquent sur les réseaux sociaux classiques et donc, renforcer la priorité donnée à la quantité (les rooms affichant un grand nombre d’auditeurs, des temps passés longs et un grand nombre de cloches cliquées) versus la qualité (des rooms très ciblées, très courtes et très efficaces, par exemple.

Cela correspondrait à l’un des changements majeurs du moteur de recommandation de rooms

A l’occasion de cette annonce, Paul Davison a confirmé l’ensemble des critères de classement cités sur la présente page,  le nombre d’utilisateurs ayant cliqué sur la cloche d’une room aurait plus de poids qu’historiquement, avec effet

Sélection des rooms en fonction de la qualité des speakers/modérateurs: nombre de rooms organisées, durée des rooms, durée des interventions ?

PAGE DE RECHERCHE

Cette page accessible à partir d’un clic sur la loupe est composée de trois sections

Fonction de recherche par mot-clé de membres et de clubs

• People to Follow : membres recommandés par l’algorithme
• Find conversations about: membres recommandés par théme

« People To Follow » Membres recommandés sur la page de recherche

Il s’agit des trois membres suggérés par l’application sur la page accessible via de recherche accessible en cliquant sur la loupe en haut à gauche du hallway.

Type d’algorithme

Moteur de recommandation

Critères d’apparition

Tous les membres de Club House sont éligibles

Critères de classement

Membres de Club House suivis par des membres que vous suivez vous-même

Membres de Club House qui vous suivent déjà

Nombre de followers

Evolutions discutées par les fondateurs

Qualité de l’intervenant: nombre de rooms, durée des rooms, durée des interventions ?

RECHERCHE de membres PAR MOT-CLE

Mise à jour de l’analyse : 02/06/2021

Il s’agit de la liste des personnes qui apparaissent lors d’une recherche par mot-clé sur la page de recherche (accessible via un clic sur la loupe en haut à gauche de l’écran du hallway.

Type d’algorithme

Moteur de recherche en texte intégral

Interprétation des mots-clés recherchés

Dans le cas où aucun résultat ne correspond au mot-clé recherché n’existe, le moteur de recherche rapproche le mot-clé recherché d’un mot-clé proche existant dans son index.

Exemple : comme aucun profil ne fait apparaître le mot « Raphaeel », le moteur de recherche affiche des résultats correspondant au mot présent dans son index le plus proche, à savoir « Raphael »

Nombre de résultats

100 résultats maximum

Critères d’apparition

Le mot-clé recherché doit figurer dans le pseudo, dans le nom réel du membre, dans son creator alias ou dans sa biographie Club House.

Critères de classement

Critères principaux

Présence du mot-clé dans le pseudo/username

Présence du mot-clé dans le nom légal

Présence du mot-clé dans le creator alias

Nombre de followers

Critères secondaires

Proximité du mot-clé début du texte

Présence d’un emoji correspondant exactement au mot-clé dans une langue précise: un emoji serait l’équivalent à une chaîne de caractère et non à un concept. Exemple : l’emoji avec le drapeau Français serait équivalent à une recherche sur le mot « France », mais pas à une recherche sur le mot « Francia, Francja, Francie ou Frankreich » (traduction du mot France en italien, polonais, tchèque et allemand). Autre exemple : une recherche sur l’émoji « huitres/oyster

Critères non pris en compte

Il semble que de nombreuses occurrences ne soient pas prises en compte où que leur poids soit très marginal

Résultats en cas d’échec sur une recherche d'emoji

Lorsque le moteur ne trouve rien (par exemple, lorsque l’on lance une recherche sur un emoji rare présent sur aucune bio de membre, c’est la liste des 100 membres de Club House ayant le plus de followers qui s’affiche, classé par nombre de followers).

Recherche par mot-clé de Clubs

Mise à jour de l’analyse : 02/06/2021

Il s’agit de la liste des clubs que Club House affiche lorsque l’on lance une recherche par mot-clé dans la page d’exploration/discovery (accessible par un clic sur la loupe en haut à gauche) et que l’on clique sur l’onglet « clubs ».

Type d’algorithme

Moteur de recherche en texte intégral

Nombre de résultats

100 résultats maximum

Critères d’apparition

Présence du mot-clé dans le nom du club, la description du club ou les thèmes « Club House » choisis par le créateur du club.

En cas de recherche d’emoji, il faut que l’emoji figure en tant que tel dans la description du club (et non le mot équivalent à l’emoji).

Critères de classement

Critères principaux

Présence du mot-clé dans le nom du club

Nombre de followers (et non le nombre de membres ?)

Critères secondaires

Présence du mot dans la description du club

Présence d’un emoji représentant le mot dans une langue: un emoji est équivalent à une chaîne de caractère et non à un concept. Exemple : l’emoji avec le drapeau Français serait équivalent à une recherche sur le mot « France », mais pas à une recherche sur le mot « Francia, Francja, Francie ou Frankreich » (traduction du mot France en italien, polonais, tchèque et allemand).

Critères non pris en compte

Il semble que de nombreuses occurrences ne soient pas prises en compte où que leur poids soit très marginal

Hypothèses non vérifiées

Impact de la proximité du mot-clé au début de la description du club.

Résultats en cas d’échec sur une recherche d'emoji

Lorsque le moteur ne trouve rien. Par exemple, lorsque l’on lance une recherche sur un emoji rare présent sur aucune bio de membre, c’est la liste des 100 clubs de Club House ayant le plus de followers qui s’affiche, classé par nombre de followers (le nombre de membres n’est pas pris en compte).

Find conversation about > People interested in this follow

Il s’agit des personnes que l’algorithme recommande lorsque l’internaute clique sur une thématique de la section « Find conversions about »

Type

Moteur de recommandation

Critères d’apparition

Tous les membres de Club House qui ont sélectionné la thématique dans leur profil sont éligibles

Critères de classement

Nombre de followers

Hypothèses non vérifiées

Participants au Creator First Program.

Membres de Club House suivis par des membres que vous suivez vous-même

Membres de Club House qui vous suivent déjà

Evolutions discutées par les fondateurs

Qualité de l’intervenant: nombre de rooms, durée des rooms Durée des interventions ?

Find conversation about > Clubs to follow

Mise à jour de l’analyse : 02/06/2021

Il s’agit des clubs que l’algorithme recommande lorsque l’internaute clique sur une thématique de la section « Find conversions about ».

Ce module bugue beaucoup et ne renvoie pas toujours de résultats.

Type

Moteur de recommandation

Critères d’apparition

Tous les clubs de Club House qui ont sélectionné la thématique parmi les trois qu’ils pouvaient associer au club sont éligibles.

Critères de classement

Nombre de followers du club

D’autres critères de classement importants qui impactent le classement n’ont pas encore été identifiés.