3s Hold
43.0%
Måler hook og stop-scroll-effekt i de første sekundene.
Norsk PromptingArbeidsflate
Algoritmer
Algoritmer og kampanjeplanlegging er en levende kunnskapsbase for hvordan discovery fungerer i Instagram, YouTube, TikTok, Facebook og LinkedIn. Verktøyet kobler kilder, claims, planlegging og diagnose i én arbeidsflate for elever og lærere.
i
KPI-start (intro)
Brukes for video i Instagram Reels, TikTok, LinkedIn og Facebook. Disse KPI-ene går utover vanity metrics og måler oppmerksomhet, kvalitet, nytte og spredning.
Legg inn tall
KPI-resultat
Average Watch Time
11.2s (32.0% av videolengde)
Måler om innholdet oppleves relevant nok til å bli sett videre.
Saves
4.40% rate per visning
Måler verdi/nytte: innhold som folk vil tilbake til.
Shares
2.60% rate per visning
Måler spredning og relevans: innhold som folk sender videre.
| KPI | Fokuserer på | Indikerer |
|---|---|---|
| 3s Hold | Hook | Umiddelbar interesse / stop-scroll-styrke |
| Average Watch Time | Content depth | Kvalitet og lengde på engasjement |
| Saves | Verdi / nytte | Innhold verdt å vende tilbake til (høy intensjon) |
| Shares | Reach / viralitet | Høy relevans og delbarhet |
Hvordan discovery fungerer nå
Verktøyet er bygget for å forklare moderne anbefalingslogikk og gjøre den om til praktisk kampanjeplanlegging. Fokus er mål, publikum, topic fit, hook, retention, tilfredshet og iterasjon.
StabilPå tvers av plattformer · Planlegging
Discovery på tvers av plattformer er i hovedsak anbefalingsdrevet, ikke kun follower-feed.
Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
StabilPå tvers av plattformer · Diagnose
Seeratferd som visning, avbrudd, interaksjon og tilfredshet påvirker rangering.
Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
StabilPå tvers av plattformer · Planlegging
Små kontoer kan få distribusjon når tema, pakking og respons matcher publikum.
Du trenger ikke stor konto for å få visninger. God match mellom innhold og rett publikum er viktigere tidlig.
StabilPå tvers av plattformer · Planlegging
Topic fit og tidlig relevans veier ofte tyngre enn ren follower-størrelse i første testing.
Hvis temaet ditt er tydelig og relevant for rett målgruppe, kan innholdet testes bredere selv fra små kontoer.
StabilPå tvers av plattformer · Ordliste
Anbefaling fungerer ofte i to trinn: kandidatgenerering (hva kan passe?) og rangering (hva er best nå?).
Systemet finner først relevante kandidater, deretter rangerer det hva som bør vises til denne seeren akkurat nå.
StabilYouTube · Diagnose
Langsiktig seertilfredshet er viktigere enn rå visningstall alene.
Høye views hjelper lite hvis folk ikke opplever verdi eller faller raskt av. Kvalitet på opplevelsen teller.
Instagram-kort
Anbefaling + ranking med tydelig vekt på relevans, respons og ikke-følger-testing.
Stabilt å undervise
- Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
- Instagram kan teste en reel mot personer som ikke følger deg for å måle tidlig respons.
- Du trenger ikke stor konto for å få visninger. God match mellom innhold og rett publikum er viktigere tidlig.
Volatilt (må re-sjekkes)
- Optimal lengde varierer med mål, tema, format og plattform. Test og lær er viktigere enn faste regler.
- Ikke bygg strategi på påstander om faste tall. Bruk observasjon, testing og dokumenterte signaler.
YouTube-kort
Discovery styres av seerinteresse, watch behavior og tilfredshet over tid.
Stabilt å undervise
- Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
- Høye views hjelper lite hvis folk ikke opplever verdi eller faller raskt av. Kvalitet på opplevelsen teller.
- Systemet finner først relevante kandidater, deretter rangerer det hva som bør vises til denne seeren akkurat nå.
Volatilt (må re-sjekkes)
- Optimal lengde varierer med mål, tema, format og plattform. Test og lær er viktigere enn faste regler.
- Ikke bygg strategi på påstander om faste tall. Bruk observasjon, testing og dokumenterte signaler.
TikTok-kort
For You personaliseres etter interesse- og interaksjonssignaler, med sterk topic fit-dynamikk.
Stabilt å undervise
- Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
- Hvis temaet ditt er tydelig og relevant for rett målgruppe, kan innholdet testes bredere selv fra små kontoer.
- Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
Volatilt (må re-sjekkes)
- Det er bedre å publisere færre innlegg med tydelig hook og verdi enn å poste ofte uten retning.
- Optimal lengde varierer med mål, tema, format og plattform. Test og lær er viktigere enn faste regler.
Facebook-kort
Feed-distribusjon styres av relevanssignal og respons, spesielt i samspill mellom organisk og betalt.
Stabilt å undervise
- På Facebook må innholdet fortsatt vise verdi for riktig publikum; antall følgere alene gir ikke stabil rekkevidde.
- Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
- Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
Volatilt (må re-sjekkes)
- Det finnes ikke én publiseringsoppskrift som alltid virker på Facebook; test format mot kampanjemål.
- Ikke bygg strategi på påstander om faste tall. Bruk observasjon, testing og dokumenterte signaler.
LinkedIn-kort
B2B-ytelse påvirkes av profesjonell relevans, nettverkssignaler og tydelig verdi i faglig kontekst.
Stabilt å undervise
- For B2B virker innhold best når temaet treffer faglige behov i målgruppen og utløser meningsfull respons.
- Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
- Start med hvorfor og hvem, ikke med trendlyd. Bygg innholdet i en tydelig rekkefølge.
Volatilt (må re-sjekkes)
- Lang faglig tekst, kort innsiktspost og video kan alle fungere, men effekten må testes i riktig segment.
- Det er bedre å publisere færre innlegg med tydelig hook og verdi enn å poste ofte uten retning.
Algoritme-assistent
Bygger på kampanjeplanlegger-rammen: Mål → Publikum → Temavinkel → Format → Første-frame hook → Verdileveranse → Retention-design → CTA → Test-/iterasjonsplan.
Algoritme-assistent (kundeklar)
Kort anbefaling til kunde
For VGS-elever (mediefag) på Instagram anbefaler vi kort video 9:16 for awareness-kampanje. Prioriter tydelig opening, konkret verdi tidlig og en CTA som kan måles og itereres.
Viktigste prioriteringer nå
1. Hook som stopper scroll
Kan en konto med 350 følgere fortsatt vinne reach i 2026?
Høy 3s hold viser om åpningen faktisk fanger interesse.
2. Verdileveranse med tydelig struktur
Vis ett konkret eksempel + hvorfor det fungerte gjennom signaler
Average watch time viser om innholdet oppleves relevant og nyttig.
3. CTA + iterasjon med KPI-styring
Lagre denne sjekklisten og test én variant i dag Test 3 hook-varianter over 7 dager og evaluer hold/klikk før neste runde
Saves og shares viser nytte og spredning, og gir retning for neste test.
KPI-fokus
3s holdAverage watch timeSavesShares
Vis detaljert plan og pedagogisk begrunnelse
1. Mål
Awareness-kampanje
2. Publikum
VGS-elever (mediefag)
3. Temavinkel
Hvordan små kontoer kan nå ut uten å jage algoritme-mytter
4. Format
Kort video 9:16
5. Første-frame hook
Kan en konto med 350 følgere fortsatt vinne reach i 2026?
6. Verdileveranse
Vis ett konkret eksempel + hvorfor det fungerte gjennom signaler
7. Retention-design
3 steg: hook → bevis → handling
8. CTA
Lagre denne sjekklisten og test én variant i dag
9. Test/iterasjon
Test 3 hook-varianter over 7 dager og evaluer hold/klikk før neste runde
Playbook-signaler
Publikumsstadium: Kaldt publikum
Målbare KPI-er: 3s hold, Average watch time, Saves, Shares
Relevante evidens-claims
StabilPå tvers av plattformer · Planlegging
Discovery på tvers av plattformer er i hovedsak anbefalingsdrevet, ikke kun follower-feed.
Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
StabilPå tvers av plattformer · Diagnose
Seeratferd som visning, avbrudd, interaksjon og tilfredshet påvirker rangering.
Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
TolkningPå tvers av plattformer · Planlegging
Kampanjeplanlegging bør følge: mål → publikum → vinkel → format → hook → verdi → retention → CTA → iterasjon.
Start med hvorfor og hvem, ikke med trendlyd. Bygg innholdet i en tydelig rekkefølge.
Diagnose svak ytelse
Velg symptom, legg inn kontekst, og få forklaringer som er koblet mot evidensbaserte claims.
Mulige årsaker
- • Temaet er uklart i åpningen
- • Innholdet matcher ikke målgruppens interesseprofil
- • Hook lover lite eller feil verdi
Hva du bør sjekke
- • Sjekk om verdiforslaget vises innen 1-3 sekunder
- • Sammenlign tema, ordvalg og format med tidligere vinnere i samme nisje
- • Vurder om thumbnail/tittel/caption beskriver faktisk innhold
Neste endringer å teste
- • Test ny opening med tydelig problem eller payoff
- • Spiss tema til én konkret situasjon i målgruppen
- • Lag 2-3 varianter av pakking (hook + caption) og iterer
StabilPå tvers av plattformer · Planlegging
Topic fit og tidlig relevans veier ofte tyngre enn ren follower-størrelse i første testing.
Hvis temaet ditt er tydelig og relevant for rett målgruppe, kan innholdet testes bredere selv fra små kontoer.
StabilPå tvers av plattformer · Diagnose
Seeratferd som visning, avbrudd, interaksjon og tilfredshet påvirker rangering.
Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
TolkningPå tvers av plattformer · Diagnose
Diagnose av symptom er bedre enn å skylde på en skjult straffemekanisme.
Når noe stopper opp, se på opening, tema-match, retention, payoff og CTA før du konkluderer med suppression.
Myte vs virkelighet
Myte
Et stopp rundt 200 visninger forklares bedre med tidlig test, lav topic fit, svak hook eller lav retention.
Kilde: Instagram Creators: Hvordan rangering fungererKilde: YouTube Help: Search, Discovery og anbefalingerKilde: TikTok Support: Hvordan For You anbefaler innhold
Virkelighet
- Algoritmen ser hva folk faktisk gjør med videoen din. Blir de, hopper de av, deler de, eller ignorerer de?
- Hvis temaet ditt er tydelig og relevant for rett målgruppe, kan innholdet testes bredere selv fra små kontoer.
- Når noe stopper opp, se på opening, tema-match, retention, payoff og CTA før du konkluderer med suppression.
Myte
Hashtags kan gi kontekst, men de kan ikke alene kompensere for dårlig relevans og lav seerrespons.
Kilde: Instagram Creators: Hvordan rangering fungererKilde: TikTok Newsroom: For You, kontroll og discovery
Virkelighet
- Innhold vises først og fremst til personer som systemet tror er interessert, ikke bare dine følgere.
- Start med hvorfor og hvem, ikke med trendlyd. Bygg innholdet i en tydelig rekkefølge.
Myte
Stor konto hjelper ikke hvis innholdet ikke treffer. Små kontoer kan lykkes med riktig tema og levering.
Kilde: Meta/Instagram: Trial ReelsKilde: YouTube Help: Search, Discovery og anbefalingerKilde: TikTok Support: Hvordan For You anbefaler innhold
Virkelighet
- Du trenger ikke stor konto for å få visninger. God match mellom innhold og rett publikum er viktigere tidlig.
- Instagram kan teste en reel mot personer som ikke følger deg for å måle tidlig respons.
MytePå tvers av plattformer · Myte vs virkelighet
"200 view jail" er ikke en offisiell plattform-definisjon.
Et stopp rundt 200 visninger forklares bedre med tidlig test, lav topic fit, svak hook eller lav retention.
MytePå tvers av plattformer · Myte vs virkelighet
Det finnes ingen dokumentert universell hashtag-triks som alltid gir distribusjon.
Hashtags kan gi kontekst, men de kan ikke alene kompensere for dårlig relevans og lav seerrespons.
MytePå tvers av plattformer · Myte vs virkelighet
Follower-antall alene avgjør ikke om nytt innhold får reach.
Stor konto hjelper ikke hvis innholdet ikke treffer. Små kontoer kan lykkes med riktig tema og levering.
Glossary
Recommendation (anbefaling)
Systemet velger innhold det tror en bestemt person vil like.
Personaliserte modeller estimerer sannsynlighet for visning, engasjement og tilfredshet per bruker/innehold-par.
Plattformnotat: Kjerneprinsipp på Instagram, YouTube og TikTok.
Ranking signals
Måter brukerrespons forteller systemet om innholdet fungerer.
Observerte signaler som klikk, watch time, completion, rewatch, likes, kommentarer og andre kvalitetssignaler.
Plattformnotat: Vekting varierer mellom plattformer og over tid.
Retention
Hvor lenge folk blir værende i innholdet.
Andel seere som fortsetter gjennom sekvenser i videoen, ofte målt med avspillingskurver.
Plattformnotat: Særlig viktig i tidlig distribusjon og ranking.
Satisfaction
Om seeren opplevde innholdet som nyttig eller verdifullt.
Langsiktige kvalitetssignaler utover enkeltvisninger, inkludert brukerrespons på relevans og nytte.
Plattformnotat: YouTube omtaler dette eksplisitt i discovery-kontekst.
Candidate generation
Første steg der systemet finner et sett mulige videoer for en seer.
Et retrieval-trinn som reduserer enormt innholdsrom til kandidater før finere rangering.
Plattformnotat: Pedagogisk nyttig for å forklare hvorfor tema-match er kritisk.
Non-follower testing
Innhold testes på personer som ikke følger kontoen.
Systemet eksponerer innhold til relevante segmenter utenfor følgerbasen for å estimere kvalitet og interesse.
Plattformnotat: Trial Reels er et tydelig eksempel.
Topic fit
Hvor godt temaet i innholdet matcher interessene til målgruppen.
Semantisk relevans mellom innholdets tema, brukerens historiske signaler og kontekstuelle prediksjoner.
Plattformnotat: Påvirker både kandidatutvalg og rangering.
Packaging
Hvordan innholdet presenteres: hook, tittel, thumbnail, første sekunder.
Kombinasjon av metadata og kreative signaler som påvirker initialt valg om å se eller scrolle videre.
Plattformnotat: Særlig viktig i tidlig testfase.
Hook
Åpningsgrep som gjør at folk stopper og følger med videre.
Første stimuli som reduserer tidlig drop-off ved å etablere tydelig verdi eller nysgjerrighet.
Plattformnotat: Må speile faktisk payoff senere i innholdet.
Watch-through
Hvor stor andel av videoen seerne faktisk ser.
Forhold mellom avspilt varighet og total varighet på tvers av seere eller segmenter.
Plattformnotat: Brukes som ett av flere signaler, ikke eneste mål.
Skip signal
Når seere hopper videre tidlig, tolkes det som lav relevans.
Negative atferdssignaler i tidlig fase som påvirker videre distribusjonsbeslutninger.
Plattformnotat: Ofte knyttet til svak åpning eller feil målgruppe-match.
Iteration loop
Planlagt testsyklus der man justerer én ting av gangen mellom publiseringer.
Strukturert eksperimentering med kontroll av variabler for å forbedre signaler over flere publiseringsrunder.
Plattformnotat: Kritisk i undervisning for å unngå tilfeldig læring.
Kilderegister og struktur
Hver claim er koblet til kilder i datastrukturen. Dette gjør verktøyet oppdaterbart uten å skrive om hele produktet.
Kildehierarki
- 1. Offisiell plattformdokumentasjon
- 2. Offisiell engineering/research
- 3. Akademisk forskning
- 4. Redaksjonell oversettelse (kildekoblet)
- 5. Praktiker-observasjoner (merket lavere tillit)
| Kilde | Type | Plattform | Status | Sjekket | Tillit |
|---|---|---|---|---|---|
| Instagram Creators: Hvordan rangering fungerer | Offisiell plattform | active | 2026-03-10 | Høy tillit | |
| Meta/Instagram: Trial Reels | Offisiell plattform | active | 2026-03-10 | Høy tillit | |
| YouTube Help: Search, Discovery og anbefalinger | Offisiell plattform | YouTube | active | 2026-03-10 | Høy tillit |
| YouTube Blog: Hvordan anbefalinger fungerer | Offisiell plattform | YouTube | active | 2026-03-10 | Høy tillit |
| TikTok Support: Hvordan For You anbefaler innhold | Offisiell plattform | TikTok | active | 2026-03-10 | Høy tillit |
| TikTok Newsroom: For You, kontroll og discovery | Offisiell plattform | TikTok | active | 2026-03-10 | Høy tillit |
| Meta Business Help Center: Distribution og feed-relevans | Offisiell plattform | active | 2026-03-10 | Høy tillit | |
| LinkedIn Help: Feed, relevans og innholdsdistribusjon | Offisiell plattform | active | 2026-03-10 | Høy tillit | |
| Deep Neural Networks for YouTube Recommendations | Offisiell research | På tvers av plattformer | active | 2026-03-10 | Høy tillit |
| KI-akademi redaksjonell ramme: Algoritmer og kampanjeplanlegging | Redaksjonell | På tvers av plattformer | active | 2026-03-10 | Middels tillit |
Claims klassifisering
- Stable: 9
- Volatile: 5
- Myth: 3
- Interpretation: 3
Moduler
- KPI-start (intro)
- How discovery works now
- Instagram / YouTube / TikTok / Facebook / LinkedIn-kort
- Campaign planner
- Diagnose weak performance
- Myth vs reality
- Glossary
Kombiner med Kampanje-assistent for praktiske forslag i sanntid.