Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title An Empirical Analysis of the Recommendation Algorithm of TikTok
Organization Unit
Authors
  • Maximilian Böker
Supervisors
  • Aniko Hannak
  • Aleksandra Urman
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2021
Abstract Text TikTok is the fastest growing social media platform of the 21st century with over 1.5 billion active users of which the majority is from generation Z. Its most important success-driver is its recommendation system. With its impressive growth, TikTok has attracted many researchers, but little work has been done on finding empirical evidence for the influence of certain factors on the recommender system deployed by TikTok. Our work lays the foundation to fill this research gap. We have developed our own scraping algorithm with which we tested and analysed the effect of the language and location used to access TikTok, follow- and like-feature, as well as how the recommended content changes as a user watches certain posts longer than others. We provide evidence that all of our tested factors influence the content recommended to TikTok users. Further, we identified that the follow-feature is the strongest influential factor, followed by the like-feature and video view rate. Our analysis reveals the creation of filter bubbles and weighting the video view rate as too high may result in severe consequences, specifically considering naive and gullible people, such as children, who are easy to manipulate.
Zusammenfassung TikTok ist derzeit die am schnellsten wachsende Social Media Plattform des 21st Jahrhunderts. Der Internet Gigant hat bereits über 1.5 Milliarden aktive Nutzer, dessen größter Anteil der Generation Z angehört, das bedeutet zwischen 6 und 24 Jahre alt ist. Durch diesen beeindruckenden Vormarsch hat TikTok besonders viel Interesse im Bereich der Wissenschaft hervorgerufen. Erstaunlich dabei ist, dass sich wissenschaftlich bisher wenig mit dem Empfehlungssystem von TikTok auseinandergesetzt wurde, obwohl viele behaupten, dass dies System einer der Hauptgründe für den Erfolg von TikTok ist. Die ihnen präsentierte Arbeit legt das Fundament einer solchen Untersuchung. Wir haben eine Software selbst entwickelt, die in der Lage ist automatisiert mit TikTok zu interagieren und währenddessen Daten zu den Posts, die der Software gezeigt wurden, abzuspeichern. Mit dieser Methode ist es uns gelungen empirisch zu beweisen, dass der Ort von dem und die Sprache mit der ein Nutzer auf TikTok zugreift, sowie die Folgen- und Gefällt-mir-Funktion, aber auch ob und wie lange ein User ein Video anschaut, alle einen Einfluss auf das Empfehlungssystem von TikTok nehmen. Wir haben festgestellt, dass die Folge-Funktion das System am meisten beeinflusst gefolgt von der Länge, die von einem Video angeschaut wird und der Gefällt-mir-Funktion. Des Weiteren stellen wir fest, dass die Empfehlungen von TikTok sehr schnell dazu neigen eine sogenannte Filter-Bubble um einen Benutzer zu erstellen. Außerdem denken wir, dass das Signal, ob und wie lange ein bestimmtes Video geschaut wird einen zu starken Einfluss auf das Empfehlungssystem hat. Diese Mechanismen können vor allem leicht manipulierbare Nutzer, wie zum Beispiel Kinder, erheblich beeinflussen.
PDF File Download
Export BibTeX