Алгоритм составления рекомендаций: почему лента угадывает мысли
В 2026 году порог completion rate в TikTok подняли до ~70%. Не 50%, как было в 2024-м. Если зритель не досмотрел твой ролик до конца, алгоритм рекомендаций его не подхватит — он просто не выйдет за пределы тестовой группы в пару сотен человек. Лайки? Забудь.
70% — это не план, это входной билет
Подписчики? У 98% зрителей TikTok-креатора его нет в подписках. Это не соцсеть друзей — это машина по подбору контента, где твоя база фанатов работает как витрина, а не как источник трафика.
Когда креаторы и бренды это поняли, индустрия перестроилась. На смену «набрать лайки и ждать» пришла арифметика удержания. И вот тут начинается самое интересное — потому что за фасадом «умной ленты» стоит вполне просчитываемая математика.
Математика интереса: из чего собран prediction score
В каждом решении показать конкретный ролик стоит одно число — prediction score. Алгоритм оценивает вероятность, что конкретный пользователь проведёт с этим контентом максимум времени. Это не магия и не интуиция — это модель машинного обучения, которая пересчитывается за миллисекунды. Для сравнения: CatBoost от Яндекса обрабатывает модель на 5 000 объектов за 100–125 мс. TikTok, Instagram и YouTube Shorts работают с похожими по архитектуре гибридными системами.
Гибридная означает, что в работу идут сразу два фильтра:
- Коллаборативная фильтрация — алгоритм сравнивает поведение целевого пользователя с поведением миллионов похожих на него людей. Если тысяча пользователей с таким же набором подписок и временем активности залипла на конкретный ролик, велика вероятность, что и тебе зайдёт.
- Контентная фильтрация — разбор самого ролика по составляющим: звуковая дорожка, текст на экране, распознанная речь, темп монтажа, визуальный стиль, хештеги, описание.
Гибрид решает классическую проблему «холодного старта». Новый аккаунт, ноль просмотров, ноль подписчиков. Контентная часть цепляется за теги и визуал, коллаборативная подключается, как только набирается первая порция поведенческих данных. Именно поэтому ролик, снятый только что зарегистрированным пользователем, может залететь в рекомендации — алгоритму всё равно, сколько у тебя подписчиков, ему важен прогноз удержания.
Эволюция метрик: почему лайки ушли на обочину
Три года назад формула успеха выглядела просто: набрать лайки, попасть в рекомендации. В 2026-м это выгоревшая стратегия. Главная валюта — не реакция, а время. И вот как выглядит неофициальная балльная система, которую маркетологи раскопали тестами на реальных аккаунтах:
| Действие зрителя | Баллы |
|---|---|
| Просмотр до конца | 1 |
| Лайк | 1 |
| Комментарий | 2 |
| Репост | 3 |
| Повторный просмотр (rewatch) | 5 |
Чтобы ролик вышел за пределы тестовой группы в 100–200 человек, ему нужно собрать примерно 50 баллов. Пересмотр весит в пять раз больше лайка. Репост — в три. Это перевернуло мышление продакшена.
Лайк в 2026-м равен полному просмотру. Репост — тройной балл. Пересмотр — пятёрка. Алгоритм рекомендаций продаёт не одобрение, а время.
Раньше третья секунда ролика была «крючком». Сейчас это по-прежнему крючок, но финал стал важнее начала. Если зритель ушёл на 12-й секунде из 15-секундного ролика, ты проиграл — completion rate рассчитывается по всем, кто начал смотреть, а не только по тем, кто долистал. Именно поэтому петли, интриги в финале и «не договорил — повторил» работают на охват, а не на раздражение аудитории.
Экономика виральности: как набираются те самые 50 баллов
Вот конкретный сценарий из практики медиабайеров. Ты выложил ролик. Алгоритм показал его 200 пользователям — это тестовая группа. 30% отвалились сразу, ещё 20% ушли на середине. Оставшиеся 100 человек досмотрели до конца. Из них 40 поставили лайк, 5 репостнули, 12 оставили комментарий, 3 пересмотрели.
Считаем:
- 100 полных просмотров × 1 = 100 баллов
- 40 лайков × 1 = 40 баллов
- 5 репостов × 3 = 15 баллов
- 12 комментариев × 2 = 24 балла
- 3 пересмотра × 5 = 15 баллов
Итого: 194 балла. Это в четыре раза выше порога, и алгоритм пустит ролик в следующий пул — к 2 000 пользователям. Дальше — больше. Если и там показатели удержания держатся, видео идёт к 10 000, потом к 50 000, и так до входа в вирусное плавание.
Теперь сравни: если из тех же 100 досмотревших лайк поставит 60, но репостов и пересмотров не будет — всего 100 + 60 = 160 баллов. Меньше повторных касаний, меньше охват. То есть формально «положительная реакция» проигрывает менее одобряемому, но вовлекающему контенту. Это противоречит интуиции брендов, привыкших мерять успех количеством сердечек.
TikTok как поисковик: почему SEO важнее удачи
Вот цифра, которая меняет распределение рекламных бюджетов: 40% поколения Z (а среди молодых женщин этого поколения — 51%) открывают TikTok вместо Google. Это не мем, это поведенческий сдвиг, подтверждённый исследованиями Hallam Agency и другими агентствами в 2026 году. Под этот сдвиг уже подстроились те, кто считает деньги: бренды, оптимизирующие контент под внутренний поиск TikTok, получают в 3,1 раза больше органических показов, чем те, кто полагается только на рекомендательный алгоритм.
TikTok SEO — это не маркетинговая мода, это рабочий множитель. Платформа индексирует:
- хештеги в описании
- текст, всплывающий на экране
- распознанную речь (озвучку)
- подписи и субтитры
Если ты вставляешь «как приготовить пасту карбонара» в первые три секунды ролика и дублируешь в описании — у тебя больше шансов попасть в поисковую выдачу TikTok, чем в рекомендации «Для тебя». Это два разных источника трафика, и второй зачастую стабильнее первого.
Алгоритм рекомендаций — это лотерея с прогнозируемым исходом. TikTok SEO — это витрина, которую ты строишь сам.
Изоляция алгоритмов Instagram: почему активность в ленте не работает на Stories
Instagram — это не один алгоритм, а три отдельных механизма, которые ничего не знают друг о друге:
- алгоритм для Stories
- алгоритм для основной ленты
- алгоритм для Explore (и Reels)
Каждый раздел — отдельный аукцион с собственными правилами. Это удар по интуитивной стратегии «постить всё подряд и верить, что алгоритм подхватит». Так не работает. Регулярные лайки под постами автора не гарантируют, что его же Stories окажутся в верхней пятёрке у тех же людей. Это технически разные системы ранжирования, с разными весами для разных сигналов.
Отсюда — практические правила, которые уже стали стандартом у блогеров-миллионников:
- Под Stories оптимизируют отдельно: короткие опросы, таймеры, стикеры, быстрые «кто здесь»-форматы. Здесь работает реакция в первые 10 минут после публикации.
- Под Reels — удержание и пересмотры, по той же логике, что и в TikTok.
- Под статичный пост — сохранения и репосты в личные сообщения. Они весят больше, чем лайки.
Когда бренд или блогер заливает единый контент во все три канала и удивляется, что Stories пустуют, а Reels залетают — это симптом непонимания архитектуры. Три алгоритма, три стратегии, три метрики.
Что всё это значит для тех, кто платит за охват
Алгоритм составления рекомендаций — это не чёрный ящик. Это математическая модель, которую можно разложить на компоненты: prediction score, гибридная фильтрация, балльная система вовлеченности, разделённые контуры внутри одной платформы. В 2026 году она жёстче, чем когда-либо: лайки ушли на второй план, удержание вышло на первое, а внутренний поиск TikTok стал новой ареной для органического роста.
Главный миф, который до сих пор стоит денег рекламодателям: «надо набрать подписчиков — и алгоритм сам тебя найдёт». 98% просмотров в TikTok идут от неподписчиков. В Instagram Reels — 30–40% от неподписчиков. В YouTube Shorts — 50–60%. Алгоритм составления рекомендаций работает не с твоей базой — он работает с поведением миллионов незнакомых тебе людей, у которых в этот момент есть свободные полминуты. Твоя задача — не дать им уйти и дать повод вернуться.
Кто это понимает, тот покупает охват дешевле. Кто считает по лайкам — платит за красивый отчёт и пустую воронку.
