Letní minisérie, díl 3: Algoritmus mi ukazuje jen to, co mě zajímá. Nebo ne?
Kdo a jak rozhoduje o tom, co vidíme, když otevřeme Instagram, TikTok, Facebook nebo YouTube? Odráží náš feed spíš naše zájmy, nebo zájmy platformy? A jak můžeme ovlivnit vlastním chováním, co se nám zobrazí? V dalším díle naší letní minisérie o mediálních zkratkách poodhalíme tajemný svět algoritmů a logiky platforem.
Všechny díly letní minisérie si můžete poslechnout na vašich oblíbených podcastových platformách: Spotify, Apple Podcasts, Podcast Addict, Buzzsprout, Podcast Index nebo platformě Podchaser.
Jedno video může změnit celý feed
Představme si, že při scrollování narazíme na video, které nás nijak zvlášť nezajímá. Jeho autor není mezi účty, které sledujeme, a podobné téma jsme si sami nevyhledávali. Jenže titulek zní: „Tenhle každodenní zvyk vám může ničit zdraví.“ A tak se zastavíme. Video nás možná vyděsí nebo pobouří. Dokoukáme ho téměř do konce, podíváme se do komentářů a třeba si otevřeme profil autora. Nakonec ale nedáme lajk, nic nesdílíme a účet nezačneme sledovat. Přesto se nám za chvíli mohou začít objevovat další podobná videa. Najednou vidíme příspěvky o zdraví jeden za druhým. A po několika minutách můžeme nabýt dojmu, že právě toto téma řeší celý internet. Ve skutečnosti se ale změnil především náš výsek internetu. Naším chováním jsme vyslali hned několik signálů. A platforma nemusí vědět, proč jsme se u videa zastavili, důležité je, že jsme to udělali.
Lajk není jediný signál
Něco se nám ve feedu líbí, označíme to lajkem a platforma nám následně nabídne více podobného obsahu – ale opravdu to je takhle jednoduché? Ve skutečnosti je množství signálů mnohem větší.
To znamená, že platformě nemusíme dát vědomý signál typu „chci toho víc“. Někdy stačí, že zůstaneme u videa o několik sekund déle.
To, co nás zaujme, nemusí být to, co chceme
Klikneme ale na titulek vždycky, protože nás zajímá? Nebo protože je zkrátka absurdní? Nebo protože nás rozčiluje? Pro algoritmus jsou všechny tyto situace určitým typem uživatelského chování.
Výzkum Smithy Milliové a jejích kolegů z roku 2025 ukázal, že obsah vybraný algoritmickým řazením nemusí odpovídat tomu, co by si lidé sami přáli ve svém feedu vidět. Studie porovnávala algoritmicky řazený obsah na tehdejším Twitteru s nejnovějšími příspěvky účtů, které uživatelé sami sledovali, a zároveň se účastníků ptala na jejich preference. Algoritmický feed obsahoval více emocionálně vyhrocených a vůči politickým protivníkům nepřátelštějších příspěvků. Ty přitom nebyly automaticky tím, co by uživatelé sami preferovali.
Tato zjištění nejde vztáhnout automaticky na všechny sociální sítě, ale ukazuje to na důležitý rozdíl: Naše pozornost není totéž co naše preference.
Když se algoritmus učí z našeho chování
Doporučování navíc není jednosměrný proces. Platforma nám něco nabídne. My na to nějak zareagujeme. Tato reakce se stane jedním ze signálů pro další výběr obsahu. Ten nás znovu může ovlivnit a tak dále.
Studie Maximiliana Boekera a Aleksandry Urmanové z roku 2022 tento princip testovala přímo na TikToku. Výzkumníci pomocí kontrolovaných účtů měnili například sledované účty, lajkovaný obsah a míru zhlédnutí videí. Všechny tyto faktory následná doporučení ovlivňovaly, přičemž v jejich experimentu mělo nejsilnější efekt právě sledování účtů. To může vysvětlovat i známý pocit, že se nám najednou „všude“ objevuje jedno konkrétní téma. Jenže ono „všude“ neplatí pro celý internet, ale jen pro náš feed.
Proč vidím obsah od lidí, které vůbec nesleduji?
Pokud algoritmus vychází z toho, koho sledujeme, může se zdát zvláštní, proč nám sociální sítě tak často ukazují obsah úplně neznámých tvůrců. Právě objevování nového obsahu je ale důležitou součástí fungování některých platforem. Meta například označuje část doporučeného obsahu jako „unconnected content“ – tedy příspěvky od lidí, skupin nebo účtů, se kterými uživatel zatím nemá žádné spojení. Instagram navíc rozlišuje jednotlivé části aplikace. Feed a Stories jsou více spojené s účty, které už sledujeme, zatímco Explore a Reels jsou výrazněji zaměřené na objevování nového obsahu. A TikTok postavil svůj feed Pro vás právě na doporučování videí, která nemusí pocházet od účtů, jež už sledujeme. Když tedy vidíme video od úplně neznámého tvůrce, nemusí jít o chybu algoritmu. Může to být přesně to, k čemu je daná část platformy určena.
Algoritmus sám pravidla neurčuje
Je snadné mluvit o „algoritmu“ jako o něčem, co samo rozhoduje, co nám ukáže. Ve skutečnosti ale algoritmus funguje uvnitř systému pravidel, která nastavuje platforma. Ta rozhoduje například o tom, jaké signály bude systém sledovat, co bude považovat za úspěšné doporučení, jaký podíl prostoru dostane obsah od účtů, které sledujeme, a kolik prostoru připadne doporučenému obsahu. A tato pravidla se mohou v průběhu času měnit. Dobře se to dá ukázat na Facebooku. V roce 2018 Meta oznámila změnu News Feedu, která měla dát větší prostor příspěvkům podporujícím interakce mezi přáteli a rodinou. Současně platforma uvedla, že uživatelé kvůli tomu uvidí méně veřejného obsahu, například od médií nebo firem. O několik let později, v roce 2026, Meta oznámila další změnu priorit: ve Facebook Feedu a Reels chce více podporovat originální obsah a omezovat distribuci obsahu, který pouze přebírá příspěvky jiných tvůrců. To, co vidíme na sociálních sítích, tedy není výsledkem neměnného algoritmu. Pravidla doporučování se mohou měnit podle toho, co se platforma rozhodne podporovat.
Některý obsah existuje, a přesto ho nejspíš neuvidíme
Platforma neovlivňuje pouze to, čemu dá větší prostor. Může také omezovat dosah obsahu, který není v souladu s pravidly jejího fungování. Ne vždy to znamená jeho odstranění. Některý příspěvek může zůstat veřejně dostupný, ale zároveň být méně doporučovaný. Meta například popisuje postup, při kterém může problematický obsah místo odstranění pouze méně distribuovat. TikTok zase rozlišuje mezi obsahem odstraněným kvůli porušení pravidel a obsahem, který zůstane dostupný, ale není způsobilý pro doporučování ve feedu Pro vás. I když tedy platformy dělají rozdíly v tom, jak přistupují k problematickým příspěvkům, pro uživatele mohou být důsledky podobné. I příspěvek, který systém nedoporučuje, se pro něj může stát téměř neviditelný.
Co můžeme udělat my?
Možná proto stojí za to při používání sociálních sítí občas přestat automaticky scrollovat a položit si několik jednoduchých otázek.
- Proč se mi zobrazil právě tento příspěvek? Sleduji autora? Vyhledávala jsem podobné téma? Reagovala jsem před chvílí na něco podobného? Nebo mi platforma ukazuje obsah od někoho, koho vůbec neznám?
- Co naopak ve svém feedu nevidím? Které účty sleduji, ale jejich obsah se mi dlouhodobě nezobrazuje? Co bych našla, kdybych jejich profil otevřela přímo?
- Jaké signály platformě právě posílám? Pokud už několikáté video sledujeme jen proto, že nás rozčiluje, můžeme to změnit. Třeba ho příště přeskočit nebo použít možnost „nemám zájem“. Pokud chceme více obsahu od konkrétního autora, můžeme jeho účet aktivně navštívit a sledovat.
A někdy může být nejjednodušším řešením úplně opustit feed. Pokud chceme zjistit, co se děje v politice, kultuře nebo třeba v našem městě, můžeme informace aktivně vyhledat i mimo doporučený obsah sociálních sítí.
Feed není mapa světa
Vraťme se tedy k původní větě: „Algoritmus mi ukazuje jen to, co mě zajímá.“ Je v ní kus pravdy. Naše chování skutečně ovlivňuje, jaký obsah nám platformy doporučují. Jenže ne „jen“. Do toho, co nakonec vidíme, vstupují také ostatní uživatelé, tvůrci obsahu a pravidla samotné platformy. Náš feed proto není přesným odrazem našich zájmů. A už vůbec není odrazem celého světa. Je to výběr. Výběr, který svým chováním částečně ovlivňujeme, ale jehož pravidla nastavuje daná platforma.
I tento díl si můžete jako obvykle poslechnout na vašich oblíbených podcastových platformách: Spotify, Apple Podcasts, Podcast Addict, Buzzsprout, Podcast Index nebo platformě Podchaser. Poslechnout si můžete i předchozí dva díly letní minisérie o tom, jestli si stačí přečíst jen titulek, a o tom, co to znamená, když média o nějakém tématu mlčí.
K namluvení některých ukázek v letní minisérii jsme využili umělou inteligenci.
Zdroje
Podívejte se, z čeho jsme vycházeli, nebo si přečtete více o tom, co vás zaujalo.
MILLI, Smitha, Micah CARROLL, Yike WANG, Sashrika PANDEY, Sebastian ZHAO a Anca D. DRAGAN. Engagement, user satisfaction, and the amplification of divisive content on social media. Online. PNAS Nexus. 2025, roč. 4, č. 3, pgaf062. Dostupné z: https://doi.org/10.1093/pnasnexus/pgaf062 [cit. 2026-08-13].
Co když nás něco zaujme, ale ve skutečnosti to vidět nechceme? Právě rozdílem mezi naší pozorností a skutečnou preferencí uživatelů se tato studie zabývá.
BOEKER, Maximilian a Aleksandra URMAN. An Empirical Investigation of Personalization Factors on TikTok. Online. In: Proceedings of the ACM Web Conference 2022. New York: Association for Computing Machinery, 2022, s. 2298–2309. Dostupné z: https://doi.org/10.1145/3485447.3512102 [cit. 2026-08-13].
Co uděláme s jedním videem dnes, může ovlivnit, co nám TikTok nabídne zítra. Experiment se zaměřil právě na vliv sledování účtů, lajků a délky sledování na další doporučení.
Oficiální zdroje k tomu, jak platformy vybírají obsah:
CLEGG, Nick. How AI Influences What You See on Facebook and Instagram. Online. Meta Newsroom. 29. 6. 2023. Dostupné z: https://about.fb.com/news/2023/06/how-ai-ranks-content-on-facebook-and-instagram/ [cit. 2026-08-13].
Jak se rozhoduje o tom, co se objeví na Facebooku a Instagramu? Meta popisuje množství signálů, které do výběru obsahu vstupují – včetně našeho předchozího chování.
INSTAGRAM. Instagram Ranking Explained. Online. Instagram. 31. 5. 2023. Dostupné z: https://about.instagram.com/blog/announcements/instagram-ranking-explained [cit. 2026-08-13].
Feed, Stories, Explore a Reels nejsou řízené jedním univerzálním algoritmem. Instagram vysvětluje, v čem se jejich systémy řazení liší a proč nám každý z nich může nabídnout něco jiného.
TIKTOK. How TikTok recommends content. Online. TikTok Support. Dostupné z: https://support.tiktok.com/en/using-tiktok/exploring-videos/how-tiktok-recommends-content [cit. 2026-08-13].
Lajk není jediný způsob, jak TikToku něco „říct“. Do doporučování vstupuje třeba i to, jestli video dokoukáme, přeskočíme nebo s ním jinak pracujeme.
GOODROW, Cristos. On YouTube’s recommendation system. Online. YouTube Blog. 15. 9. 2021. Dostupné z: https://blog.youtube/inside-youtube/on-youtubes-recommendation-system/ [cit. 2026-08-13].
Klikli jsme na video a sledovali ho dlouho. Znamená to automaticky, že se nám líbilo? YouTube vysvětluje, proč samotná délka sledování nestačí a jaké další informace při doporučování zohledňuje.
MOSSERI, Adam. Bringing People Closer Together. Online. Meta Newsroom. 11. 1. 2018. Dostupné z: https://about.fb.com/news/2018/01/news-feed-fyi-bringing-people-closer-together/ [cit. 2026-08-13].
V roce 2018 Facebook přenastavil News Feed tak, aby dával větší prostor příspěvkům přátel a rodiny. Změna zároveň znamenala menší viditelnost části obsahu médií, firem a dalších veřejných stránek.
META. Rewarding Original Creators on Facebook. Online. Meta Newsroom. 13. 3. 2026. Dostupné z: https://about.fb.com/news/2026/03/rewarding-original-creators-on-facebook/ [cit. 2026-08-13].
Priority Facebooku se mezitím znovu posunuly. Meta nyní dává větší váhu originálnímu obsahu a omezuje dosah příspěvků, které pouze přebírají tvorbu jiných.
META. Reducing the distribution of problematic content. Online. Meta Transparency Center. Aktualizováno 25. 4. 2025. Dostupné z: https://transparency.meta.com/en-gb/enforcement/taking-action/lowering-distribution-of-problematic-content/ [cit. 2026-08-13].
Smazat a přestat doporučovat není totéž. Meta popisuje situace, kdy obsah na platformě zůstane, ale jeho další šíření omezí.
TIKTOK. Content violations and bans. Online. TikTok Support. Dostupné z: https://support.tiktok.com/en/safety-hc/account-and-user-safety/content-violations-and-bans [cit. 2026-08-13].
Ani video, které z TikToku nezmizí, nemusí dostat prostor ve feedu For You. Platforma rozlišuje mezi odstraněním obsahu a jeho vyřazením z doporučování.
