Objavljeno 31. svibnja 2026.Aron Balog

Social media algoritmi: zašto vidite što vidite — i kako vas to mijenja

Algoritam ne pita što volite — prati što zaustavlja vaš palac. TikTok engagement je 49% porastao YoY i sada je 7× veći od Instagrama. Evo zašto.

Žena s crvenim noktima pomno gleda u pametni telefon dok pregledava društvene mreže

Otvorite TikTok. Prve dvije sekunde nekog videa vas ne zanimaju — scrollate. Petnaest sekundi kasnije naletite na nešto što vas uhvati. Zastanete. Odgledate do kraja. Možda i reprize. Taj trenutak — to "ovo me je zaustavilo" — jest točno ono što algoritam čeka, mjeri i uči.

TikTok nije slučajno postao najbrže rastuća društvena platforma u povijesti. Izgradio je sustav koji je bolji od vas samih u predviđanju što će vas zadržati. I to nije kompliment — jer ono što zadržava nije uvijek ono što biste sami odabrali.

Algoritmova jedina metrika: što zaustavlja palac

Sve algoritamske platforme rade na istom principu — optimiziraju za engagement. Ali što se ubraja u engagement? Lajk je vidljiv i namjerni signal. Ono što platforme zapravo mjere puno je suptilnije i pouzdanije:

Completion rate: koji postotak videa ste odgledali
Rewatches: jeste li reprizu pokrenuli
Shares: jeste li nešto proslijedili bez da ste komentriali
Pause duration: koliko ste se dugo zaustavili na postu u feedu
Save: jeste li spremili post za kasniji pregled

Prema istraživanjima Buffer-a iz 2026., completion rate i rewatches sada nose više algoritmičke težine od samih lajkova na Instagramu, TikToku i YouTubeu. Lajk je lagan za dati i zavaravajući signal — može biti refleksna reakcija. Gledanje videa do kraja je iskren pokazatelj da je sadržaj zadržao pažnju.

Ova distinkcija ima važne implikacije. Algoritam ne nagrađuje kvalitetu — nagrađuje zadržavanje pažnje. Kvalitetno i zadržavajuće nije uvijek isto.

Kako TikTok testira svaki video

TikTok je razvio sustav koji funkcionira bitno drukčije od starijih platformi. Na Facebooku i Instagramu doseg tradicionalno ovisi o followerima — novi post vide oni koji vas prate, a potencijal viralizacije ograničen je tom mrežom. Na TikToku follower count je gotovo irelevantan za svaki novi video.

Svaki upload prolazi kroz sekvencijalni test distribucije. Video se prikazuje maloj kohorci korisnika — otprilike 200 do 500 gledatelja — i algoritam mjeri engagement metriku te grupe. Ako completion rate, rewatches i shares prelaze prag, video se gura prema sljedećoj, značajno većoj skupini. Taj proces se ponavlja eksponencijalno: 300 → 3.000 → 30.000 → i dalje, sve dok engagement ostaje iznad praga.

Rezultat je dramatičan za kreatore: potpuno nepoznat kreator s nula pratitelja može sutra imati milijunske preglede ako video prode testove. I obratno — kreator s milijun pratitelja može dobiti 4.000 pregleda ako novi video ne prode nijednu testnu kohortu. Follower count je dekoracija, ne jamstvo dosega.

Interest graph: tko ste bez da ste ikad pitani

Facebook i stariji Instagram gradili su "social graph" — prikazivali vam sadržaj od ljudi koje pratite. TikTok je uveo "interest graph" — prikazuje sadržaj koji algoritam predviđa da ćete konzumirati, bez obzira na to koga pratite ili ne pratite.

YouTube i Instagram u međuvremenu krenuli su istim putem. Reels i YouTube Shorts sekcije sve više guraju sadržaj od nepoznatih kreatora na osnovi vašeg ponašanja, ne vaše mreže. Instagramov feed od 2022. prikazuje sve više "preporučenog" sadržaja od nepraćenih računa; kritike korisnika bile su glasne (Kylie Jenner je to javno kritizirala), Meta se nakratko povukla — ali se 2024. ponovo okrenula istoj strategiji jer podaci pokazuju da "preporučeni" sadržaj povećava ukupno vrijeme korištenja.

Razlika između social i interest grafa nije samo tehnička — ima epistemološke posljedice. Social graph vam daje sadržaj koji su ljudi koje poznajete odlučili dijeliti. Interest graph vam daje sadržaj koji je, na osnovi vaše povijesti gledanja, izračunato da će vas zadržati. Jedno je curation kroz socijalne filtre. Drugo je optimizacija za fiziologiju pažnje.

Engagement brojke koje govore same za sebe

Benchmark podatak iz 2026. je ilustrativan: TikTok bilježi stopu angažmana od 3,70%, što je rast od 49% u jednoj godini. Instagram stoji na 0,48%, Facebook na 0,15%, X (bivši Twitter) na 0,12%.

TikTok-ov interest graph je, u smislu zadržavanja pažnje, bolji od svega što je prethodilo. Korisnici troše više vremena, engagement je viši, a platforma raste. Za Meta i YouTube to je bio alarm koji nije bilo moguće ignorirati — otuda pivot prema Reels i Shorts formatima koji kopiraju TikTok-ov interest graph model.

Filter bubble i algoritmička eskalacija

Problem nije samo što vidite previše jednog tipa sadržaja. Problem je kamo taj sadržaj vodi. Istraživači MIT Media Lab i Mozilla Foundation dokumentiraju fenomen algoritmičke eskalacije: ako gledate blago kontroverzne sadržaje, algoritam vas postupno vodi prema ekstremnijim temama — jer ekstremni sadržaj generira viši engagement. Ljutnja, strah i šok zadržavaju pažnju bolje od uravnoteženih perspektiva.

YouTube je 2019. modificirao preporuke u pokušaju smanjenja tog efekta, i neovisni istraživači potvrdili su djelomičan uspjeh. TikTok je uveo "Wellbeing" postavke i "Content Level" filtre. Rezultati su mješoviti — platforme imaju ekonomski motiv za maximiziranje vremena korištenja, što je u direktnoj tenziji s minimalnom eskalacijom sadržaja.

Problem je i strukturni: algoritmi su optimizirani na signal koji mi dajemo nesvjesno (gdje zastajemo, što prelistamo), a ne na signal koji bi svjesno dali kada bismo se pitali "što bih zapravo htio vidjeti?"

Što možete napraviti

Potpuno izmaknuti algoritmu dok koristite platformu nije realistično — algoritam je tkivo same usluge. Ali postoje konkretni koraci za veću kontrolu:

Na TikToku: "Not interested" na videu koji vam ne odgovara aktivno trenira algoritam. "Time Well Spent" limit u postavkama fizički ograničava dnevno korištenje.

Na Instagramu: Chronological Feed dostupan je od 2022. i prikazuje sadržaj od praćenih računa bez algoritmičke primjese — samo nije default. Pritisnite logo Instagram-a u gornjem lijevom kutu za odabir.

Na YouTubeu: brisanje povijesti gledanja i pauziranje algoritma resetira preporuke. YouTube Studio ima opciju "Pause watch history" koja sprečava kreiranje preporuka na osnovi novih pregleda.

Najiskreniji savjet koji nijedna od tih platformi neće sama reći: jedina ozbiljna obrana od algoritma koji je dizajniran da bude neodoljiv jest svjesno ograničavanje vremena na platformi — ne borba s algoritmom iznutra. Algoritam uvijek pobijedi na svom terenu.

Izvori i dodatno čitanje

Više članaka

← Nazad na blog