Algoritmo Reels: cosa cambia ora nelle raccomandazioni

Cosa sta cambiando davvero nelle raccomandazioni dei Reels

Nel modo in cui funziona l’algoritmo Reels sta entrando un segnale nuovo e più “esplicito”: non solo cosa fai (guardare, mettere like, condividere), ma cosa dichiari di voler vedere.

In pratica, la piattaforma sta usando su larga scala brevi domande tra un video e l’altro per capire se quel contenuto ti è piaciuto, ti interessa o ti lascia indifferente. E poi usa quelle risposte per ricalibrare le raccomandazioni.

• Dal comportamento al giudizio diretto: oltre a watch time e interazioni, conta la risposta dell’utente a una domanda specifica.
• Feedback “in tempo reale”: le risposte arrivano mentre l’esperienza è fresca, non giorni dopo.
• Correzione di distorsioni: le risposte vengono “pesate” per ridurre effetti di campionamento e mancata risposta.
• Obiettivo dichiarato: rendere il feed più personalizzato e aumentare la probabilità che le persone tornino a vedere Reels.

Perché i sondaggi contano più di like e watch time

Like e tempo di visione sono segnali utili, ma ambigui. Si può guardare un Reel a lungo per curiosità, per “capire dove va a parare”, o anche solo perché scorre lentamente. Si può mettere like per supportare un creator, non perché quel tema ti interessa davvero.

I sondaggi, invece, provano a misurare l’interesse in modo dichiarato: l’utente ti sta dicendo cosa vuole vedere di più (o di meno). Questo può cambiare come interpretare performance e oscillazioni di copertura.

• Performance più “qualitativa”: un Reel può fare numeri discreti ma ricevere risposte negative, e quindi perdere spinta nelle raccomandazioni successive.
• Meno spazio ai contenuti “generici”: se gli utenti segnalano che un certo formato è ripetitivo o poco interessante, diventa più difficile farlo scalare solo con meccaniche superficiali.
• Più coerenza nel pubblico: se funziona, i contenuti dovrebbero arrivare a persone davvero interessate, non solo a chi si ferma a guardare per inerzia.
• Lettura dei cali di reach: un calo non significa automaticamente “contenuto peggiore”, ma potrebbe indicare che il feedback esplicito sta correggendo ciò che prima sembrava interesse.
• Cosa chiedere a chi gestisce contenuti/agenzia: fate monitoraggio di segnali di qualità (salvataggi, commenti sensati, ritorno degli utenti) e coerenza del pubblico raggiunto, non solo visualizzazioni?

Il numero da tenere a mente e cosa significa per chi pubblica

La piattaforma indica di essere passata da circa 48,3% a oltre 70% di “allineamento” tra raccomandazioni e interessi reali delle persone dopo l’uso dei sondaggi integrati con modelli di apprendimento automatico.

Tradotto in modo utile per un founder o un imprenditore: la distribuzione organica può diventare più coerente con ciò che il pubblico vuole davvero vedere, ma anche più selettiva verso contenuti percepiti come intercambiabili.

Micro-scenario: un tuo Reel viene visto, ma una parte degli utenti risponde che non lo trova interessante. Anche se il tempo di visione non era male, quel segnale dichiarato può ridurre la probabilità che lo stesso tipo di contenuto venga riproposto a profili simili. Il risultato pratico è un pubblico potenzialmente più qualificato, ma meno “tolleranza” per video che cercano di piacere a tutti.

Opportunità e limiti dichiarati della piattaforma

Anche con questo miglioramento, la piattaforma riconosce aree in cui il sistema può ancora sbagliare o essere incompleto. Per chi ha budget e tempo limitati, questo serve soprattutto a evitare aspettative irrealistiche del tipo “se migliorano le raccomandazioni, allora cresceremo tutti”.

• Utenti con poca cronologia: se una persona ha poche interazioni o un uso discontinuo, è più difficile personalizzare in modo accurato.
• Bias nei sondaggi: chi risponde ai sondaggi potrebbe non rappresentare perfettamente tutti gli utenti, e anche la consegna dei sondaggi può introdurre distorsioni.
• Diversità delle raccomandazioni: migliorare la pertinenza può ridurre varietà e scoperta, se non gestito bene.
• Personalizzazione per gruppi diversi: non tutti gli utenti reagiscono allo stesso modo, e affinare per coorti differenti richiede ulteriore lavoro.
• Cosa osservare nelle prossime settimane: chiedi al tuo team o alla tua agenzia un report semplice su “qualità del pubblico” (commenti pertinenti, profili in target, messaggi ricevuti) e stabilità della copertura per format, non solo sul picco di views.

TikTok resta avanti e il motivo non è “la magia”

Il confronto più naturale resta TikTok: la capacità di trattenere attenzione e proporre contenuti “giusti” al momento giusto è ancora percepita come un riferimento. La differenza non è una magia astratta, ma una possibile maggiore capacità di riconoscere elementi presenti nei video, quindi di capire meglio cosa stai guardando e perché potrebbe interessarti.

• Più comprensione del contenuto: non solo segnali di engagement, ma anche riconoscimento di elementi visivi nel video (lettura plausibile, non una certezza tecnica pubblica in ogni dettaglio).
• Più dati per il matching: più dettagli sul contenuto significano più combinazioni per abbinare video e preferenze.
• Effetto pratico: raccomandazioni spesso più “agganciate” a gusti specifici, con rischio di diventare estremamente ripetitive o polarizzanti.
• Decisione per chi investe con risorse limitate: invece di inseguire il mito del “basta fare trend”, valuta con il tuo consulente se diversificare canali e formati in base a dove oggi ottieni pubblico più qualificato, non solo più visualizzazioni.
• Controllo utile da chiedere: per ogni piattaforma, fate un confronto mensile tra copertura e segnali di valore (richieste, visite al profilo, contatti), così la scelta non dipende da percezioni sull’algoritmo ma da risultati osservabili.