Algoritma For You X Dibuka: Mengapa Balasan Lebih Kuat dari Like

Source code resmi algoritma For You X mengonfirmasi reply adalah sinyal yang dihitung eksplisit — bukan sekadar mitos growth hacker.

#algoritmax #mediasosial #contentcreator #growthstrategy #engagement

Kreator Moco
5 menit baca
Memuat gambar...
Algoritma For You X Dibuka: Mengapa Balasan Lebih Kuat dari Like

Kebanyakan orang yang serius mau tumbuh di X menghabiskan waktu berjam-jam buat mikirin hook kalimat pertama, jam posting paling optimal, sampai bolak-balik A/B testing caption. Tapi mereka sering melewatkan satu bagian yang justru dihitung paling eksplisit oleh sistem: kolom reply di bawah post mereka sendiri.

Mei 2026, xAI merilis pembaruan besar untuk source code algoritma "For You" feed X — sistem yang mereka sebut Phoenix. Di dalam kode itu ada satu fakta yang langsung menjelaskan kenapa sebagian creator tumbuh jauh lebih cepat dari yang lain meski volume posting mereka sama: algoritma secara eksplisit memprediksi seberapa besar kemungkinan seseorang membalas post kamu, dan angka itu langsung masuk ke skor akhir yang menentukan apakah post-mu didorong ke lebih banyak orang atau tenggelam di feed.

Apa yang Sebenarnya Tertulis di Source Code

Menurut dokumentasi resmi di repository GitHub xai-org/x-algorithm, sistem Phoenix menggabungkan dua sumber konten — post dari akun yang kamu follow (ditangani modul bernama Thunder) dan post dari luar network yang ditemukan lewat pencarian berbasis machine learning — lalu meranking semuanya pakai satu model transformer berbasis Grok.

PDF page 1

Model ini tidak menghasilkan satu skor "relevansi" tunggal. Ia memprediksi probabilitas untuk sekitar 15 jenis aksi berbeda secara terpisah: kemungkinan di-like, di-reply, di-repost, di-quote, di-klik, sampai kemungkinan di-block atau di-report. Reply — balasan — adalah salah satu dari segelintir aksi yang diprediksi langsung, bukan turunan dari metrik lain.

Semua probabilitas itu kemudian dijumlah dengan rumus sederhana: skor akhir sama dengan jumlah dari bobot dikali probabilitas tiap aksi. Aksi positif seperti like, repost, dan share punya bobot positif; aksi negatif seperti block, mute, dan report punya bobot negatif yang justru menekan post itu turun.

Satu detail kecil yang sering kelewatan: ada filter khusus bernama DedupConversationFilter yang tugasnya menggabungkan cabang-cabang berbeda dari satu thread percakapan yang sama. Ini artinya sistem memang melihat percakapan sebagai satu kesatuan, bukan menganggap tiap reply sebagai post yang berdiri sendiri tanpa konteks.

Insight kuncinya: karena reply adalah sinyal yang dihitung langsung — bukan proxy dari metrik lain — setiap balasan yang masuk ke post-mu adalah satu titik data konkret yang dipakai sistem buat menaikkan skor distribusinya.

PDF page 2

Reply vs Like: Angka yang Beredar (dan Kenapa Saya Tetap Hati-Hati)

Banyak blog dan agensi marketing mengutip angka spesifik soal seberapa besar selisih bobot reply dibanding like. Sprout Social, misalnya, menyebut reply bernilai sekitar 13,5 kali bobot like. Sumber lain yang mengulas kode yang sama mengklaim angkanya bisa sampai 27 kali, bahkan ada yang menyebut reply-yang-kemudian-dibalas-lagi-oleh-penulis-asli bisa bernilai puluhan kali lipat dari sekadar like.

Masalahnya, angka-angka itu tidak konsisten satu sama lain, dan kebanyakan berasal dari pembacaan ulang terhadap rilis open source Twitter yang lebih lama dari 2023 — sebelum Phoenix dan model Grok dipakai. README resmi repository yang sekarang justru menyebut bahwa sistem ini "menghilangkan hampir semua heuristik dan fitur yang direkayasa manual," dan tidak mempublikasikan tabel bobot numerik terbaru secara eksplisit.

Jadi inilah posisi saya: arah datanya jelas dan konsisten di semua sumber — reply secara substansial lebih berharga daripada like di mata algoritma. Tapi angka pasti seperti "13,5x" atau "27x" sebaiknya kamu anggap estimasi dari analis luar, bukan fakta resmi yg dikonfirmasi xAI. Jangan jadikan satu angka spesifik sebagai patokan mati strategi kamu.

PDF page 3

Conversation Loop: 1 Post → 10 Replies → Kamu Balas Semua

Ini bagian praktisnya. Targetkan 5-10 reply berkualitas untk setiap post penting yang kamu publish, lalu balas semuanya — idealnya dalam satu jam pertama setelah posting.

Kenapa jam pertama? Beberapa analisis independen terhadap perilaku algoritma X (termasuk dari Sprout Social dan SocialBee) konsisten mengamati adanya time decay — visibilitas sebuah post menyusut tajam dalam beberapa jam pertama setelah dipublikasikan. Angka presisinya berbeda-beda antar sumber dan belum dikonfirmasi resmi oleh xAI, tapi pola umumnya jelas: engagement awal yang cepat jauh lebih berharga daripada engagement yang sama besarnya tapi datang belakangan.

Berikut cara membangun loop-nya:

  1. Pancing reply dengan substansi, bukan reply-bait kosong. Ajukan pertanyaan terbuka, pendapat yang ada ruang debatnya, atau klaim yang bikin orang ingin menambahkan pengalaman mereka sendiri.
  2. Targetkan kualitas, bukan kuantitas brutal. 5-10 reply yang genuinely engaged lebih bernilai daripada 50 reply generik hasil "tag temanmu" yang tidak nyambung dengan isi post.
  3. Balas semua di jam pertama, dan usahakan balasanmu memancing reply lagi dari orang yang sama — karena DedupConversationFilter dan struktur thread menunjukkan sistem benar-benar melihat percakapan sebagai satu unit yang terus dievaluasi.
  4. Hindari balasan template seperti "makasih ya!" tanpa isi. Tambahkan pertanyaan balik atau perspektif baru supaya orang termotivasi membalas lagi — itu yang menciptakan rantai reply, bukan reply tunggal yang berhenti di situ.
PDF page 4

Algoritma Cuma Menghitung Apa yang Sudah Manusia Lakukan Sejak Dulu: Ngobrol

Intinya bukan trik baru. Algoritma cuma memberi angka pada sesuatu yang sebenarnya sudah jadi inti media sosial sejak awal — percakapan dua arah, bukan siaran satu arah.

Implikasi jangka panjangnya juga perlu diwaspadai. Model berbasis Grok ini dirancang memprediksi banyak sinyal sekaligus, termasuk pola-pola yang menunjukkan engagement buatan atau reply-bait yang terlalu seragam. Strategi "reply dengan link-mu di sini" yang generik kemungkinan makin mudah dikenali sistem dan makin cepat kehilangan efeknya, sementara percakapan yang otentik dengn balasan yang benar-benar nyambung tetap jadi sinyal yang sulit dipalsukan.

Key takeaway: post terbaikmu bukan yang paling banyak di-like, tapi yang berhasil bikin orang ngomong balik — dan kamu meladeni obrolan itu sebelum jam pertama berakhir.

PDF page 5

Coba cek post terakhirmu: dari semua reply yang masuk, berapa yang benar-benar kamu balas dengan niat membangun obrolan, bukan cuma emoji jempol?


Referensi & Resources:

Kreator Moco

Penulis

Lanjut menelusuri Sains & Teknologi: