🎯 情报来源：Engineering at Meta
Meta近日公布其通过机器学习与多样性算法优化Instagram通知系统的技术细节。新推出的多样性感知通知排名框架通过多维度降权机制，在减少24%通知量的同时提高了用户点击率（CTR）。该系统在保持核心参与度模型的基础上，新增内容创作者、产品类型等多维度相似性评估层。
技术文档显示，该系统采用最大边际相关性（MMR）算法计算相似度，通过可调节权重（wi∈[0,1]）实现不同维度的差异化降权。测试表明，该框架有效解决了用户过度接触同类型创作者（出现概率降低37%）和单一产品界面（如Stories独占现象减少29%）两大核心痛点。
💡 核心要点
- 通知总量减少24%的同时实现CTR正向增长
- 采用MMR算法构建7大语义维度相似性评估（作者/产品类型/内容等）
- 同创作者通知曝光率降低37%，Stories单一产品占比下降29%
- 动态降权机制可根据通知密度自动调节惩罚强度
- 规划引入LLM实现语义级多样性优化
📌 情报分析
技术价值：极高
创新性将MMR算法应用于社交通知系统，数学建模显示其通过R(c)×D(c)的乘性降权机制实现多维度平衡。框架支持自定义wi权重参数，具备工程扩展性。
商业价值：高
实测CTR提升直接关联广告变现效率。通知疲劳度降低可延缓用户关闭通知权限（历史数据表明该行为会导致30%+的DAU流失）。
趋势预测：高
LLM+多样性算法的结合将成为行业标配。TikTok等竞品需在6-12个月内跟进类似技术，但Meta的先发优势已形成数据飞轮（日活用户触达量达20亿+）。