Чому маленький блог може раптом почати рости: що дослідження алгоритмів говорять про «наступних великих» авторів
У соцмережах роками працювала майже інтуїтивно зрозуміла логіка: у кого більше підписників, той отримує більше переглядів; більше переглядів приносить нових підписників; велика аудиторія стає ще більшою.
Тобто виникає класичний ефект «багаті багатіють».
Але для самої платформи нескінченно підтримувати таку систему не дуже вигідно.
Якщо Instagram, TikTok, YouTube чи інша creator-платформа постійно розподіляє більшість трафіку між уже відомими великими авторами, вона отримує короткостроково передбачуваний результат, але створює довгострокову проблему: новим авторам складніше прориватися, частина з них втрачає мотивацію створювати контент, а стрічка поступово концентрується навколо обмеженої кількості переможців.
Саме тому одне з найцікавіших питань сучасних рекомендаційних систем звучить не так:
«Який контент уже найпопулярніший?»
А так:
«Кому варто дати трафік зараз, щоб платформа отримала більше цінності в майбутньому?»
І тут починається дуже цікава математика creator economy.
Нове дослідження 2026 року: найбільший автор не завжди є найвигіднішим для платформи
3 серпня 2026 року на arXiv з'явилася робота Zhengli Wang, Franklin Lin Feng та Zhixi Wan «Dynamic Traffic Allocation for Revenue Maximization on Creator Economy Platform». Автори пов'язані з University of Hong Kong та Stanford Graduate School of Business. Раніша версія цієї роботи також доступна на SSRN. (Wang, Feng & Wan, Dynamic Traffic Allocation for Revenue Maximization on Creator Economy Platform, arXiv:2608.02293; також SSRN) arXiv
Дослідники моделюють дуже реальну для будь-якої соціальної платформи проблему.
У платформи є обмежений ресурс: увага користувачів, тобто покази.
Кому їх віддати?
Великому автору, який уже має аудиторію та, найімовірніше, прямо зараз принесе більше рекламного доходу?
Чи меншому автору, який поки приносить менше, але за допомогою додаткового трафіку може швидко наростити аудиторію й стати значно ціннішим для платформи в майбутньому?
Математична модель показує, що оптимальна стратегія не зводиться до правила «віддавати все найбільшим».
За певних умов виникає механізм, який автори називають conditional reversal, умовним перевертанням пріоритету: платформі може бути вигідно тимчасово переключити більше трафіку на автора, який зараз відстає, якщо це дозволяє використати потенціал подальшого органічного поширення та зростання його аудиторії. arXiv
Але тут є важлива деталь, яку легко загубити в красивому заголовку.
Дослідження не говорить, що платформа повинна просувати всіх маленьких авторів.
Навпаки, оптимальна модель поводиться як досить жорсткий «відбірник»: автор має продемонструвати достатній потенціал, щоб додаткові покази були економічно виправданими. Дослідники описують навіть своєрідний capability threshold, поріг, нижче якого платформі не вигідно інвестувати трафік у розвиток конкретного автора. arXiv
Це дуже важливий нюанс.
Мова не про «підтримку маленьких».
Мова про пошук перспективних.
І ось тут з'являється momentum
У тому самому дослідженні автори показують, що дуже прості правила розподілу трафіку можуть бути економічно неефективними й у моделюванні призводити до втрати до 25% потенційного доходу платформи.
Натомість вони пропонують практичнішу евристику, яку називають follower-growth adjusted: під час розподілу трафіку враховується не лише те, скільки підписників автор уже має, але й те, як змінюється його аудиторія. Така модель у їхніх розрахунках наближається до оптимальної стратегії значно краще. arXiv
Саме звідси виникає цікава для маркетолога концепція growth momentum, динаміки росту.
Але тут я спеціально поставлю великий знак «обережно».
Це не доказ того, що Instagram має всередині алгоритму окрему метрику Momentum.
Meta такого не заявляла.
Це математична модель того, як раціональна creator-платформа могла б розподіляти трафік, якщо її мета полягає не лише в сьогоднішніх переглядах, а й у довгостроковому розвитку creator ecosystem.
І саме тому значно цікавіше перевірити, чи бачимо ми схожу поведінку в реальних платформах.
Бачимо.
Instagram уже офіційно визнав проблему переваги великих акаунтів
У квітні 2024 року Meta опублікувала дуже важливий матеріал «Helping Content Creators Find New Audiences».
Компанія прямо написала, що історично система рекомендацій давала перевагу авторам із великою кількістю підписників і агрегаторам контенту, а меншим авторам оригінального контенту було складніше отримувати рекомендації.
Meta заявила, що хоче це змінити й «дати всім авторам більш рівні шанси охопити нову аудиторію». (Meta, Helping Content Creators Find New Audiences, 30 April 2024) Фейсбук
А далі Meta описала механіку, яка для нашої теми ще цікавіша.
Придатний до рекомендацій оригінальний контент спочатку може бути показаний невеликій групі людей, які, на думку системи, потенційно ним зацікавляться, незалежно від того, чи підписані вони на автора.
Якщо матеріал демонструє хороший результат, його показують трохи більшій аудиторії.
Найкращі матеріали з цієї групи отримують ще ширший розподіл.
І так далі. Фейсбук
Тобто модель рекомендацій дедалі менше схожа на:
«У тебе велика база підписників, тому ось тобі багато показів».
І дедалі більше схожа на:
«Ми дамо твоєму контенту шанс на невеликій аудиторії. Якщо люди реагують добре, дамо наступну порцію трафіку».
Для невеликого експертного блогу це принципово інша реальність.
Чому Reel із 3-тисячного акаунта може отримати 100 тисяч переглядів
У старій логіці аудиторія автора була головним каналом первинного розповсюдження.
У recommendation-first системі платформа сама може знаходити людей, які ніколи вас не бачили.
Звідси і виникає знайомий багатьом феномен: профіль має 2–5 тисяч підписників, а окремий Reel раптом отримує десятки або сотні тисяч переглядів.
Це не означає, що кількість підписників перестала мати значення. Велика база все одно дає стартову увагу, соціальний доказ, повторні контакти й сильнішу систему дистрибуції.
Але розмір аудиторії перестає бути стелею для розповсюдження окремої одиниці контенту.
І це одна з найбільших змін у соціальних мережах останніх років.
Trial Reels фактично перетворили цю логіку на окремий продукт
У грудні 2024 року Instagram запустив Trial Reels, ролики, які спочатку спеціально демонструються людям, що не підписані на автора.
Автор може перевірити, чи працює нова тема, формат або ідея на холодній аудиторії, перш ніж показувати її власним підписникам. (Meta, Test Content With Non-Followers Using Trial Reels, 10 December 2024) Фейсбук
У 2025 році Meta опублікувала результати внутрішнього аналізу використання Trial Reels.
За даними компанії, після використання функції 40% авторів почали публікувати Reels частіше, а серед тих, хто збільшив частоту, 80% побачили зростання охоплення Reels серед непідписників. Meta окремо зазначає, що ці дані не означають гарантованого причинно-наслідкового ефекту для кожного акаунта. (Meta, Inspiring Creativity That Brings People Together, June 2025) Фейсбук
Це важливе уточнення.
Але сама архітектура продукту прекрасно демонструє напрямок:
новий матеріал → тест на холодній аудиторії → оцінка реакції → потенційно ширша дистрибуція.
Є ще сильніший доказ: польові експерименти на реальній short-video платформі
У матеріалах конференції ICIS 2024 була опублікована робота Qinlu Hu, Nina Huang та Renyu Zhang «Traffic Allocation Optimization on Video Sharing Platforms: Balancing Viewer Engagement and Small Creator Development».
Дослідники співпрацювали з великою short-video платформою та провели два масштабні рандомізовані польові експерименти. Назву платформи в опублікованому абстракті не розкрито, тому приписувати результати конкретно TikTok було б некоректно. (Hu, Huang & Zhang, Traffic Allocation Optimization on Video Sharing Platforms: Balancing Viewer Engagement and Small Creator Development, ICIS 2024 Proceedings, Paper 1670) Aisel
Результати дуже цікаві.
Коли невеликим авторам збільшили алгоритмічний трафік:
- вони створили на 5,87% більше відео;
- дослідники зафіксували підвищення якості контенту;
- приріст підписників збільшився на 289,81%;
- особливо сильним ефект був серед невеликих авторів, які вже мали певний досвід. Aisel
Тобто додатковий трафік не просто дає автору більше переглядів.
Він може змінити його поведінку.
Автор бачить результат → отримує мотивацію → створює більше контенту → покращує його → набирає аудиторію → стає ціннішим активом для самої платформи.
І ось це вже пояснює, чому платформі взагалі може бути вигідно «інвестувати» покази в невеликих перспективних авторів.
Але це дослідження показало й незручну другу половину картини.
У viewer-side експерименті зменшення частки контенту невеликих авторів могло короткостроково підвищити загальну залученість глядачів. Aisel
Тобто у платформи існує реальний конфлікт:
дати користувачеві гарантовано популярний контент зараз
або
витратити частину уваги на пошук авторів, які можуть стати сильними завтра.
Саме цей компроміс лежить в основі значної частини сучасних рекомендаційних систем.
У науці для цього є поняття exploration vs exploitation
У машинному навчанні та recommender systems давно існує фундаментальна проблема:
exploitation означає показувати те, про що система вже знає, що воно працює;
exploration означає давати шанс новому контенту, про який система поки знає недостатньо.
Якщо платформа робить тільки exploitation, вона постійно показує вже відомих переможців.
Це ефективно сьогодні, але створює замкнене коло: новий автор не отримує трафіку → система не збирає достатньо даних про його контент → не може довести, що цей контент хороший → автор знову не отримує трафіку.
У роботі Fan Yao та співавторів «Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms» дослідники теоретично й емпірично показують саме цей конфлікт.
Політика з малою кількістю exploration може збільшувати короткострокову задоволеність користувачів, але водночас зменшувати довгострокову різноманітність та обсяг контенту. Більша exploration, навпаки, може трохи поступатися в миттєвій релевантності, але стимулює виробництво контенту. (Yao et al., Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms, arXiv:2410.23683, 2024) arXiv
Схожу проблему ще раніше формалізували Jiri Hron, Karl Krauth, Michael I. Jordan, Niki Kilbertus і Sarah Dean у роботі «Modeling Content Creator Incentives on Algorithm-Curated Platforms»: алгоритм формує не тільки те, що бачить глядач, а й стимули самих авторів, які адаптують контент під розподіл уваги. (Hron et al., Modeling Content Creator Incentives on Algorithm-Curated Platforms, arXiv:2206.13102) arXiv
І це важливо для розуміння Instagram.
Алгоритм не просто «вибирає найкращі пости».
Він фактично формує creator economy, вирішуючи, хто отримує достатньо уваги, щоб продовжувати рости.
Навіть YouTube спеціально створює перевагу для менших авторів
Ще один цікавий приклад, хоча це вже не звичайний recommendation algorithm, а окремий механізм discovery.
У 2024 році YouTube представив Hype для emerging creators. Відео автора з меншою кількістю підписників отримує спеціальний бонус до hype points, щоб невеликі канали могли конкурувати з більшими.
YouTube прямо пояснив мотив: меншим авторам складніше досягати нової аудиторії, тому система має спеціальний small creator bonus, який вирівнює шанси. При цьому компанія окремо уточнює, що Hype не впливає на звичайні пошукові та рекомендаційні алгоритми YouTube. (YouTube, Hype: Giving Fans a Stake in Boosting Their Favorite Emerging Creators, September 2024) blog.youtube
Тому використовувати Hype як доказ того, що основний алгоритм YouTube «бустить маленьких», неправильно.
Але як доказ стратегічного інтересу платформи до створення нових зірок, цей кейс дуже показовий.
Отже, чи справді momentum важливіший за кількість підписників?
Я б дала більш точну відповідь:
ми поки не можемо сказати, що Instagram ранжує авторів за окремою метрикою momentum.
Але сукупність досліджень і офіційних рішень платформ показує три речі.
По-перше, recommendation systems мають економічний стимул не концентрувати весь трафік назавжди навколо найбільших акаунтів.
По-друге, платформи потребують exploration, тобто тестового трафіку для нового контенту й нових авторів.
По-третє, динаміка росту автора може бути ціннішою інформацією, ніж одна лише поточна кількість його підписників, принаймні в моделях оптимального розподілу трафіку. arXiv
Саме тому мені подобається слово momentum як робоча маркетингова концепція, а не як нібито відома метрика Instagram.
Для автора momentum означає:
контент почав дедалі частіше виходити до непідписників;
кілька публікацій поспіль показують кращі результати;
зростає кількість людей, які переходять у профіль і підписуються;
нова аудиторія не просто переглядає один вірусний Reel, а взаємодіє з наступними матеріалами;
одна тема або формат починають системно масштабуватися.
І от із цим уже можна працювати.
Що конкретно робити експерту
Найгірший висновок із цієї статті був би таким:
«Треба просто частіше постити, щоб алгоритм побачив momentum».
Дослідження цього не доводять.
Набагато практичніша стратегія виглядає так.
1. Перестаньте оцінювати потенціал блогу лише кількістю підписників.Акаунт на 5 тисяч людей може отримати значно більше recommendation traffic, ніж його власна аудиторія. Тому поряд із загальним охопленням дивіться окремо на охоплення непідписників.
2. Відстежуйте не окремий вірусний Reel, а динаміку серії публікацій.Створіть просту таблицю хоча б для останніх 10–20 Reels: охоплення, частка непідписників, перегляди, shares/sends, збереження, переходи в профіль, нові підписники. Вас цікавить не один рекорд, а напрямок руху.
3. Рахуйте, наскільки контент перетворює рекомендації на аудиторію.Корисна власна метрика:
нові підписники / 1000 охоплених непідписників.
Два Reels можуть мати однакові 50 тисяч переглядів, але один принесе 30 підписників, а другий 700. Для розвитку експертного бренду це абсолютно різна цінність.
4. Коли знаходите тему, яка почала працювати, не кидайте її після одного допису.Створіть навколо неї 5–10 матеріалів із різними кутами: проблема, помилка, кейс, інструкція, контрарна думка, відповідь на коментар, особиста історія, розбір.
Мета не в тому, щоб дублювати один Reel.
Мета в тому, щоб використати вже сформований інтерес аудиторії.
5. Тестуйте контент на холодній аудиторії.Якщо доступні Trial Reels, використовуйте їх не як забавку, а як дослідницький інструмент: тестуйте нові теми, хуки й формати на непідписниках. Фейсбук
6. Створюйте короткі контентні спринти.Замість випадкового «три пости цього тижня про різне» спробуйте 7–14 днів концентровано працювати навколо однієї стратегічної теми.
Наприклад:
Reel 1 — гостра проблема;карусель — системне пояснення;Reel 2 — кейс;Stories — питання аудиторії;Reel 3 — відповідь на найпопулярніше питання;допис — власна позиція;Reel 4 — практична інструкція.
Це не «хак алгоритму». Це спосіб швидше накопичити сигнали й зрозуміти, чи справді тема здатна масштабуватися.
7. Якщо один матеріал пішов у рекомендації, негайно підготуйте профіль до нового трафіку.Людина має за кілька секунд зрозуміти: хто ви, яку проблему вирішуєте, чому варто залишитися і що подивитися далі.
Інакше ви отримаєте перегляди, але не отримаєте актив.
8. Не намагайтеся сподобатися алгоритму ціною якості.Польові експерименти показують, що платформі цікаві не просто маленькі автори, а автори, додатковий трафік до яких породжує якісний подальший розвиток. Aisel
Тому сама частота публікацій без сильної експертизи нічого не гарантує.
Головний висновок
Мені здається, найкорисніше змінити саме спосіб мислення про Instagram.
Раніше експерт дивився на великого блогера і думав:
«У нього 200 тисяч підписників. Як я можу з ним конкурувати зі своїми п'ятьма тисячами?»
Але recommendation-first платформа ставить дещо інше питання:
«Якщо я дам цьому контенту ще 10 тисяч показів, що станеться?»
Якщо люди дивляться, пересилають, переходять у профіль, підписуються й хочуть наступний матеріал, платформі є сенс продовжувати експеримент.
Тому вашою стратегічною перевагою стає не лише розмір накопиченої аудиторії.
Не менш важливою стає здатність перетворювати невелику порцію алгоритмічної уваги на доказ того, що вам варто дати наступну.
І це, мабуть, одна з найкращих новин для невеликих експертних блогів.
Вам не обов'язково спочатку стати великим, щоб почати отримувати великі охоплення.
Але потрібно щоразу давати системі й людям причину зробити наступний крок.
Джерела для перевірки матеріалу: Wang, Feng & Wan, Dynamic Traffic Allocation for Revenue Maximization on Creator Economy Platform — arXiv та SSRN; Hu, Huang & Zhang, Traffic Allocation Optimization on Video Sharing Platforms: Balancing Viewer Engagement and Small Creator Development — ICIS 2024 Proceedings; Yao et al., Unveiling User Satisfaction and Creator Productivity Trade-Offs in Recommendation Platforms — arXiv; Hron et al., Modeling Content Creator Incentives on Algorithm-Curated Platforms — arXiv; офіційні матеріали Meta Helping Content Creators Find New Audiences, Test Content With Non-Followers Using Trial Reels та Inspiring Creativity That Brings People Together; офіційний YouTube Blog, Hype: Giving Fans a Stake in Boosting Their Favorite Emerging Creators. arXiv