活躍用戶突破7億、限時動態用戶超過2億的Instagram，已經成為了許多年輕世代社群媒體首選，不過Instagram更改演算法及個人化推薦，會成為用戶加速逃離的毒藥嗎？
個人化推薦是適得其反嗎？還是粗魯？
過去Instagram是依照用戶追蹤帳號貼文的發佈時間排序，因此只要用戶花時間瀏覽幾乎不太會錯過任何內容，不過就在去年六月，Instagram導入全新演算法，讓貼文不再按照單純的時間序排列，當時這項「Facebook化」的做法引起相當多用戶抗議。
當時根據Instagram數據統計，用戶平均會錯過70%的貼文內容，隨著用戶、品牌帳號數量擴張，Instagram認為單純照時間順序呈現內容會讓用戶掌握動態的難度提高，因此導入新的個人化推薦演算法，Instagram創辦人Kevin Systrom曾說過：「個人化推薦可以讓使用者看到資訊流中最好的30%。」
Instagram透過個人化推薦判斷用戶可能喜歡的內容，但許多用戶卻認為，既然已經有「追蹤」按鈕的存在，為什麼還需要被「告知」我們想看什麼內容呢？且Instagram迷人之處，就是可以只追蹤自己喜歡的主題，不會像Facebook內容較雜受到干擾。
個人化推薦是適得其反嗎？還是粗魯？外媒《Huffpost》文章中評論，Instagram高層在做這項決定時是不是聰明反被聰明誤呢？透過演算法篩選出他們「認為」用戶會有興趣的內容，以為這樣是在幫助用戶「看到資訊流中最好的30%。」
文中談到令人失望的關鍵在於「忽略了用戶真正想看到的」，當我們按下「追蹤」按鈕的那一刻，就是期待未來可以只看到想看的內容，而Instagram這項個人化推薦的決策，並沒有了解什麼樣的內容是真正跟用戶相關的，你我是不是就因此被迫跟許多不相干的帳號內容產稱連結了呢？
不按讚就代表不想看到這類內容嗎？
許多人可能都有這樣的經驗，在Instagram上追蹤了火辣網美或是天菜鮮肉，但因為擔心另一半生氣，因此不會在這類的貼文上留言或按讚，如此一來演算法就會認為你沒有跟這類貼文有互動、連結，因而減少內容在動態時報露出，但這就真的表示用戶不想看到這些帳號的內容嗎？
不！當然不是這樣，許多人在圖片導向的Instagram瀏覽圖片，做為煩悶生活的出口，很多時候我們因為人情壓力按下家人、同事、朋友的貼文，但根據現在演算法運作方式，這麼做用戶真正想看的內容可能會深埋在谷底或根本不會出現，裁量權完全落在演算法上，用戶完全失去選擇權。
演算法到底怎麼算？10小時前的貼文怎麼一直出現？
根據網站《 Buffer Social》，Instagram演算法由七個要素組成：
- 關聯性
- 互動連結
- 關係
- 時間軸
- 搜尋紀錄
- 直接分享
- 停留時間
關聯性很好理解，感情很好的朋友或喜歡內容，就會按讚、留言搜尋頻率也較高，過去Instagram透過這樣的方式餵給你喜歡的內容，但若最近使用Instagram，常常會發現ㄧ點開App第一則貼文居然是10小時以前的內容，甚至還已經看過、按讚，這是因為演算法認為這些內容對你很重要，因此才會反覆出現在較前面的位置。
互動連結代表的，是就算用戶追蹤上千個帳號，也能不錯過親密好友的貼文，因為演算法根據歷史互動頻率，自動將這些帳號歸類為好友，因此出現的排序也會在前面；除了為你的動態時報找出最有關聯性的帳號，Instagram還會衡量你「關係」中的親疏遠近，概括來說，演算法會預測前八位重要的人來優先呈現。
時間軸，根據官方說法是「動態時報上內容的順序，會依據有興趣的內容、關係以及即時性呈現」，也就是說一小時前的內容還是會比一天前的內容優先呈現，因為大家都對新的東西感興趣；另外用戶過去的搜尋紀錄（包括帳號、hashtag）、透過私訊（Direct）轉傳給好友的內容、每則貼文的停留時間，也都會成為演算法在做個人化推薦的依據。
為什麼要調整演算法？
許多人應該都會同意社群平台需要透過銷售廣告來維持獲利，但讓用戶真正不滿意的或許不是廣告本身，而是透過演算法打亂動態時報的平衡。如果假設用戶花放費在Instagram上的時間不變，那麼資訊越多，用戶錯過的資訊也會增加，如果採用傳統依照時間序排列的演算法，廣告用戶及一般用戶都必須維持高頻率的更新才能被看到。
如此一來，廣告用戶肯定卯足全力更新內容，想當然一般用戶的更新速度一定追不上廣告用戶，最後平台是就會充斥著大量廣告，使用者體驗受到傷害，這絕對不是Instagram所樂見。
沒靈魂的個人化推薦
Instagram的個人化推薦靠得是機器演算法，透過過往的資料、經驗做出判斷，缺點是所有的判斷都被過去所侷限，無法跟上最新趨勢，然而人們卻可以輕易的影響演算法。
外媒《Business 2 Community》就寫到，必須想像貼文是比賽中的跑者，起跑前的幾秒對勝負相當關鍵，因此透過hashtag或號召性用語都可能影響機器判斷；然而機器終究是機器，沒有特定價值觀或審美觀，人工影響演算法後可能讓內容品質又雜又亂。
