Pernah merasa TikTok, Instagram, atau YouTube seolah memahami hal yang sedang kamu pikirkan? Saat kamu baru mencari sebuah topik, platform tersebut langsung menyodorkan konten dengan topik serupa. Fenomena ini memperlihatkan hubungan yang menarik antara Gen Z dan algoritma. Pengguna menentukan konten yang ingin mereka tonton, cari, sukai, atau bagikan. Pada saat yang sama, algoritma membaca aktivitas tersebut, mengolah berbagai sinyal, lalu menyusun rekomendasi yang sesuai dengan pola minat pengguna. Akibatnya, algoritma dapat terus menyodorkan jenis konten tertentu saat pengguna membuka media sosial.
Kondisi ini sebenarnya tidak berarti algoritma benar-benar “membaca pikiran”. Platform digital memakai beragam sinyal dari aktivitas pengguna untuk memperkirakan konten yang kemungkinan sesuai. Dari durasi menonton, like, komentar, share, hingga riwayat pencarian, setiap aktivitas dapat membantu sistem memahami pola minat pengguna.
Lalu, apakah Gen Z benar-benar menentukan sendiri konten yang mereka pilih? Atau justru algoritma ikut mengarahkan pilihan mereka melalui berbagai rekomendasi yang muncul di media sosial?
Mengapa Gen Z Begitu Dekat dengan Algoritma?
Bagi banyak Gen Z, media sosial bukan sekadar tempat untuk melihat unggahan teman. TikTok, Instagram, YouTube, dan platform lainnya juga menjadi tempat mencari hiburan, informasi, inspirasi, hingga referensi sebelum mengambil keputusan.
Ketika membuka TikTok, contohnya, pengguna tidak harus mencari video satu per satu. Konten sudah tersusun melalui halaman For You atau FYP. Begitu pula Instagram yang menampilkan Reels, Stories, dan unggahan berdasarkan beragam sinyal aktivitas pengguna.
Di sinilah hubungan Gen Z dan algoritma menjadi semakin dekat. Algoritma berusaha mempersonalisasi pengalaman setiap pengguna. Jika seseorang sering menonton konten tentang sepak bola sampai selesai, sistem dapat memperkirakan bahwa topik tersebut menarik. Jika pengguna sering melewati video tertentu dalam beberapa detik, sinyal tersebut juga dapat menjadi pertimbangan untuk rekomendasi berikutnya.
Akan tetapi, sistem rekomendasi tidak hanya melihat satu aktivitas. Platform biasanya mempertimbangkan banyak sinyal sekaligus. Karena itu, kita tidak bisa menyederhanakan prosesnya menjadi “like satu video berarti semua video serupa akan muncul”.
Justru, pola aktivitas secara keseluruhan yang membantu platform memperkirakan minat pengguna.
Bagaimana Algoritma Menentukan Konten yang Muncul?
Bayangkan kamu membuka TikTok dan menemukan beberapa video yang terasa sangat sesuai dengan minatmu. Ada konten tentang film, teknologi, kuliner, musik, atau bahkan topik yang baru saja kamu cari.
Kemunculan konten tersebut bukan terjadi secara acak. Sistem rekomendasi dapat memakai beragam informasi, seperti interaksi pengguna, karakteristik konten, hingga konteks tertentu untuk menentukan konten yang kemungkinan sesuai. Setiap platform juga mempunyai sistem dan strategi yang berbeda.
Beberapa sinyal yang dapat berperan antara lain:
- Durasi menonton, terutama ketika seseorang menonton video dalam waktu cukup lama.
- Like, yang dapat memperlihatkan ketertarikan terhadap suatu konten.
- Komentar, yang menunjukkan adanya interaksi selanjutnya.
- Share, karena pengguna membagikan konten yang mereka anggap menarik atau bermanfaat kepada orang lain.
- Save, terutama pada platform yang menyediakan fitur penyimpanan.
- Riwayat pencarian, karena pengguna mencari topik tertentu dan aktivitas tersebut membantu algoritma mengenali minat mereka.
- Akun yang pengguna ikuti, karena pilihan tersebut membantu algoritma membaca topik yang mereka minati.
- Konten yang sering pengguna lewati, karena aktivitas tersebut membantu algoritma mengenali topik yang kurang menarik bagi mereka.
Artinya, kebiasaan scrolling yang terlihat sederhana sebenarnya dapat menyajikan banyak sinyal kepada sistem.
Pelajari juga: Berapa Kali Sebaiknya Bisnis Posting dalam Seminggu? Ketahui bagaimana frekuensi posting dapat membantu brand menjaga konsistensi konten dan membangun interaksi dengan audiens.
Apakah Gen Z Menentukan Sendiri Konten yang Mereka Tonton?
Jawabannya tidak sesederhana “iya” atau “tidak”.
Pengguna tetap menentukan akun yang ingin mereka ikuti, kata kunci yang ingin mereka cari, video yang ingin mereka buka, serta konten yang ingin mereka lewati. Setelah itu, algoritma membaca aktivitas tersebut dan menyusun rekomendasi untuk menentukan konten yang muncul berikutnya.
Artinya, pengguna dan algoritma saling memengaruhi. Pengguna memberikan berbagai sinyal melalui aktivitas mereka di media sosial. Selanjutnya, algoritma membaca sinyal tersebut untuk menyusun rekomendasi konten. Rekomendasi itu kemudian memengaruhi pilihan konten yang pengguna tonton.
Konten yang muncul juga dapat memengaruhi pilihan pengguna saat mereka melanjutkan scrolling. Siklus tersebut membuat hubungan Gen Z dan algoritma tidak sekadar membahas siapa yang memilih konten. Perilaku pengguna memberikan sinyal kepada algoritma, lalu algoritma menggunakan sinyal tersebut untuk menyusun rekomendasi berikutnya.
Mengapa Dua Orang Bisa Mendapatkan FYP Berbeda?
Pernah membandingkan FYP dengan teman dan menemukan bahwa isinya benar-benar berbeda?
Hal tersebut cukup masuk akal. Dua orang dapat memakai platform yang sama, tetapi mempunyai riwayat interaksi yang berbeda.
Contohnya, pengguna A sering menonton konten olahraga dan memasak. Sementara itu, pengguna B lebih sering melihat konten musik dan teknologi. Meskipun keduanya membuka TikTok pada waktu yang sama, sistem dapat menyajikan rekomendasi yang berbeda berdasarkan pola aktivitas masing-masing.
Bahkan, minat seseorang juga dapat berubah. Hari ini seseorang mungkin banyak mencari rekomendasi tempat makan. Minggu berikutnya, ia lebih sering mencari informasi tentang laptop atau pekerjaan. Sistem rekomendasi dapat menyesuaikan diri berdasarkan perubahan pola aktivitas tersebut.
Jadi, personalisasi konten bukan berarti setiap orang memiliki “algoritma pribadi” yang sepenuhnya terpisah dari sistem platform. Lebih tepatnya, sistem menggunakan beragam sinyal untuk memperkirakan konten yang sesuai bagi setiap pengguna.
Bagaimana Perilaku Gen Z Membaca Sinyal untuk Algoritma?
Untuk memahami hubungan antara perilaku pengguna dan rekomendasi konten, perhatikan gambaran berikut:
| Perilaku pengguna | Contoh | Kemungkinan dampaknya terhadap rekomendasi konten |
| Menonton sampai selesai | Menonton video tutorial selama satu menit penuh | Dapat menjadi salah satu sinyal bahwa konten tersebut menarik |
| Memberikan like | Menyukai video tentang skincare | Sistem dapat mempertimbangkan minat terhadap topik serupa |
| Memberikan komentar | Bertanya pada video teknologi | Menunjukkan adanya interaksi dengan konten |
| Membagikan konten | Mengirim video lucu kepada teman | Dapat menjadi sinyal bahwa konten dianggap bernilai untuk dibagikan |
| Menyimpan konten | Menyimpan tutorial untuk ditonton kembali | Dapat menunjukkan bahwa konten dianggap berguna |
| Mencari topik tertentu | Mencari rekomendasi laptop | Dapat membantu sistem memahami minat atau kebutuhan pencarian |
| Melewati video | Langsung menggeser video setelah beberapa detik | Dapat menjadi salah satu sinyal bahwa konten kurang menarik bagi pengguna |
| Mengikuti akun | Mengikuti kreator teknologi | Konten dari topik atau akun terkait dapat lebih relevan dalam pengalaman pengguna |
Tentu saja, tabel tersebut bukan berarti setiap tindakan otomatis menghasilkan rekomendasi tertentu. Algoritma media sosial bekerja dengan banyak sinyal dan sistemnya dapat berbeda antara satu platform dengan platform lainnya.
Algoritma Mengikuti Pengguna atau Membentuk Kebiasaan?
Ini bagian yang menarik. Sekilas, algoritma memang terlihat hanya mengikuti aktivitas pengguna. Saat kamu menonton konten tertentu, platform kemudian membaca aktivitas tersebut dan menyajikan lebih banyak rekomendasi yang sesuai dengan minatmu.
Akan tetapi, setelah rekomendasi terus muncul, pengguna dapat semakin sering berinteraksi dengan topik tersebut.
Contohnya, seseorang awalnya hanya menonton satu atau dua video tentang olahraga. Karena video serupa terus muncul, ia akhirnya menonton lebih banyak konten olahraga. Lama-kelamaan, topik tersebut menjadi bagian dari kebiasaan scrolling-nya.
Di sinilah algoritma bukan hanya merespons perilaku, tetapi juga dapat ikut membentuk pengalaman digital seseorang.
Algoritma tidak sepenuhnya mengendalikan pengguna. Pengguna tetap bisa berhenti mengikuti akun, menggunakan fitur pencarian, melewati konten, atau mencari topik lain. Meski begitu, perubahan rekomendasi dari waktu ke waktu dapat mengarahkan perhatian pengguna pada konten tertentu yang lebih sering mereka temukan dan tonton.
Karena itu, penting bagi pengguna untuk menyadari bahwa apa yang muncul di layar bukan gambaran keseluruhan internet. Konten tersebut merupakan temuan dari tahapan penyaringan dan rekomendasi.
Apa Artinya bagi Perilaku Digital Gen Z?
Hubungan Gen Z dan algoritma juga berkaitan erat dengan cara generasi ini menemukan informasi.
Seseorang mungkin awalnya tidak mempunyai niat mencari sebuah produk. Akan tetapi, setelah beberapa kali melihat video ulasan, tutorial penggunaan, atau pengalaman pengguna lain, rasa ingin tahu dapat muncul.
Hal serupa juga terjadi ketika sebuah tren mulai ramai. Ketika algoritma berulang kali menampilkan lagu, gaya berpakaian, makanan, tempat wisata, atau produk tertentu, semakin banyak orang mengenal dan membicarakannya. Setelah itu, pengguna ikut menonton, menyukai, membagikan, atau membuat konten serupa sehingga tren tersebut semakin menyebar.
Namun, pengguna tetap perlu memiliki sikap kritis. Konten yang sering muncul belum tentu berarti konten tersebut paling benar, paling populer, atau paling sesuai untuk semua orang. Frekuensi kemunculan suatu topik tidak otomatis menjadi ukuran kualitas informasi.
Karena itu, pengguna tetap perlu memilah informasi dengan cermat, terutama saat menggunakan media sosial untuk mencari informasi yang lebih serius.
Bagaimana Brand Menjangkau Gen Z dengan Lebih Tepat?
Bagi bisnis dan digital marketer, memahami algoritma saja sebenarnya belum cukup. Brand perlu memahami alasan seseorang mau berhenti scrolling dan memperhatikan sebuah konten. Gen Z tidak hanya berhadapan dengan satu atau dua konten dalam sehari. Mereka melihat banyak informasi dari beragam akun dan platform. Karena itu, konten yang sekadar mengikuti tren belum tentu membuahkan engagement yang baik.
Pelajari juga: AI Generatif Mengubah Cara Bisnis Menjangkau Konsumen Gen Z cari tahu bagaimana AI generatif dapat membantu bisnis menyesuaikan strategi pemasaran dengan perilaku dan kebutuhan konsumen Gen Z.
Brand dapat mulai dengan beberapa strategi berikut:
Pertama, pahami kebutuhan audiens. Jangan membuat konten hanya karena sebuah tren sedang ramai. Cari tahu persoalan, pertanyaan, atau ketertarikan yang sesuai dengan target audiens.
Kedua, buat konten yang menyajikan alasan untuk berhenti scrolling. Pembukaan yang jelas dan relevan dapat membantu audiens memahami kegunaan konten sejak awal.
Pelajari juga: Cara Membuat Caption Jualan yang Menarik Pembeli pelajari cara menyusun caption yang menarik agar audiens lebih mudah memahami pesan konten dan terdorong untuk berinteraksi.
Ketiga, prioritaskan relevansi daripada sekadar mengejar viral. Konten yang mendapatkan banyak penayangan memang terlihat menarik, tetapi belum tentu menopang sasaran bisnis.
Keempat, perhatikan respons audiens. Komentar, pertanyaan, share, dan bentuk interaksi lainnya dapat menjadi bahan penilaian untuk membuat konten berikutnya.
Kelima, jangan menganggap Gen Z sebagai kelompok yang seragam. Gen Z mempunyai minat, kebiasaan, kebutuhan, dan preferensi yang beragam. Strategi yang berhasil pada satu kelompok belum tentu menghasilkan respons yang sama pada kelompok lainnya.
Dengan pendekatan tersebut, brand tidak hanya mencoba “mengakali algoritma”. Mereka juga berusaha menciptakan konten yang memang berguna bagi audiens.
Jadi, Siapa Sebenarnya yang Memilih Kontenmu?
Pada akhirnya, pengguna dan algoritma sama-sama menentukan konten yang muncul di layar. Pengguna mencari, menonton, menyukai, membagikan, menyimpan, atau melewati konten sesuai pilihan mereka. Setelah itu, algoritma membaca aktivitas tersebut dan menyusun rekomendasi berdasarkan pola minat pengguna.
Hubungan Gen Z dan algoritma berjalan melalui interaksi dua arah. Pengguna memberikan sinyal melalui aktivitas mereka, lalu algoritma menggunakan sinyal tersebut untuk menyusun rekomendasi. Rekomendasi itu kemudian memengaruhi pilihan konten yang pengguna lihat dan lakukan selanjutnya.
Kesadaran terhadap tahapan ini membuat kita dapat memakai media sosial dengan lebih bijak. Kita tetap bisa menikmati FYP, mengikuti tren, dan menemukan konten menarik tanpa menganggap apa yang muncul di layar sebagai satu-satunya informasi yang tersedia.
Bagi bisnis, pemahaman tersebut juga menjadi dasar penting dalam menyusun strategi digital marketing. Memahami algoritma memang penting, tetapi memahami manusia yang berada di balik layar jauh lebih penting.
Ingin memahami lebih jauh bagaimana digital marketing dapat membantu bisnis membaca perilaku konsumen di tengah pengaruh algoritma? Anda dapat mengunjungi Isee Digital Marketing untuk menemukan strategi yang lebih relevan..
Masih penasaran bagaimana Gen Z dan algoritma dapat memengaruhi strategi pemasaran digital? Anda dapat menghubungi admin Isee Digital Marketing melalui WhatsApp di wa.me/6289508029834 untuk berdiskusi lebih lanjut.