Tinjauan Intensi, Spesifikasi dan Implementasi Tiktok
Salah satu intensi pengembangan aplikasi TikTok adalah memaksimalkan engagement, di mana berupaya untuk meraih jumlah pengguna yang besar, serta penggunaan waktu interaksi yang lama. Secara statistik, Indonesia merupakan negara dengan durasi penggunaan TikTok terlama, dengan rata-rata pemakaian mencapai 2.495 menit per bulan. Hal ini menunjukkan bahwa tingkat engagement pengguna di Indonesia sangat tinggi.
Konsep lain yang turut menyumbang perhatian khusus pengembangan aplikasi TikTok adalah terkait attention economy. Kompas, dalam salah satu artikelnya menjelaskan tentang konsep attention economy, bahwa uang mengikuti perhatian (money follows attention), tapi tidak sebaliknya. Karena adanya nilai ekonomis dari sebuah perhatian, maka muncul istilah attention economy. Yang menjadi persoalan, attention economy tak terbagi adil, bahkan cenderung njomplang (attention inequality). Algoritma TikTok makin memperkuat bagaimana pengguna menganggap bahwa TikTok mendapat manfaat dari polarisasi konten. Sehingga intensi TikTok dalam hal meningkatkan keterlibatan pengguna dan keuntungan makin kuat.
Bagaimana spesifikasi yang disusun, dirancang untuk memenuhi intensi tersebut. TikTok sedikitnya mengembangkan tiga fitur utama yaitu collaborative filtering, behavioral data processing dan feedback loops. Dalam implementasinya collaborative filtering atau penyaringan kolaboratif merupakan sebuah teknik yang digunakan dalam pembelajaran mesin (machine learning) untuk membuat rekomendasi berdasarkan perilaku pengguna yang sama. Dalam proses ini, algoritma yang disusun bagaimana sebuah matriks (dari tinjauan matematika), di mana setiap baris mewakili pengguna dan setiap kolom mewakili item. Dalam konteks TikTok, item ini dapat berupa video, profil pengguna dan konten yang direkomendasikan. Dalam tinjauan statistik, dengan nilai pada matriks yang mewakili berapa besar nilai pada tiap item, maka akan dengan mudah, melalui metode jarak terdekat, akan membentuk klaster yang bersesuaian. Pengguna yang memiliki ciri yang mirip akan membentuk kelompok yang sama. Kesimpulan statistik ini mendorong algoritma untuk memberikan konten sesuai dengan personalisasi pengguna. Pada akhirnya.
Spesifikasi yang kedua adalah kebutuhan pengolahan data perilaku (behavioral data processing). Beberapa peneliti menunjukkan kekhawatiran bahwa TikTok bukan hanya mengambil data berupa teks, video dan audio. Namun juga data berupa biometrik wajah, melakukan pengolahan data video yang lebih ekstrem. Kemungkinan TikTok mengumpulkan lebih banyak data ini sangat beralasan. Pengumpulan behavioral biometric ini disinyalir memanfaatkan sensor pada smartphone, sehingga dikenali bagaimana pengguna memegang ponsel mereka, serta data lain yang ada pada fitur utama yaitu geo location.
Pun, dalam membangun intensi engagement tadi, maka TikTok, sebagai media sosial juga memiliki spesifikasi umpan balik (feedback loops). Di mana ada hubungan tak terlihat antara pengguna dan media (dalam hal ini TikTok) dalam bertukar informasi dan komunikasi. Setiap konten yang diunggah, disebarluaskan, diikuti oleh pengguna akan memberikan masukan bagi media dan sebaliknya bagi pengguna. Looping ini akan membentuk tren, pola kreasi dan interaksi yang kompleks. Memandu konsumsi dan kreasi media (TikTok) saat ini.
