チャンネル

チャンネルはVerychatの核心コンテンツであり、インフルエンサーを中心に情報を共有し、共通の関心を持つインフルエンサーとユーザーが対話できるコミュニティプラットフォームです。 これにより、ユーザーはチャンネルに属する会話チャンネルを通じてお互いにコミュニケーションを取り、交流することができます。

チャンネルの最大ユーザー数

初期にはチャンネルごとに最大200,000人の加入者を募集することができ、今後サーバー仕様を増設して加入者数の制限を無制限に拡張する計画です。

チャンネルの機能

• 権限設定 チャンネルオーナー(Admin)は、管理者を指定してチャンネルを共同管理することができます。 チャンネルの削除権限はAdminにのみ付与されます。

• メンバーレベル チャンネルオーナーは、チャンネル加入者及び活動ユーザーにレベルを付与することができ、レベル別に差別的な特典を設定することができます。

• お知らせ Pin機能を使用して重要なメッセージをチャンネル上部に告知するこ

• ができます。 チャンネルオーナーは、@everyoneメンションを通じて1日に1回、チャンネル登録者に重要なメッセージを伝えることができます。

• エアドロップ チャンネルオーナーはチャンネル加入者に自分のウォレットにある$VERYコインをエアドロップすることができます。

• 特定のNFT/トークンホルダーの入場 特定のNFTまたはトークンを所有しているユーザーのみ入場できるように設定することができます。

• ステーキング VERYコインを所有しているすべてのホルダーが$VERYをステーキングするためには、購読しているチャンネルを指定する必要があります。

おすすめチャンネル

Verychatには、チャンネルオーナーのチャンネル活性化の動機づけとコンテンツ提供者としての成長を支援するために推薦チャンネルアルゴリズムを適用しました。

チャンネルオーナーが作成したフィードが人気投稿になると、そのチャンネルは推薦チャンネルアルゴリズムにより、Verychatのほとんどのユーザーに表示される推薦チャンネルになります。この時、同じ言語を使用しないユーザーにも一部露出され、グローバルユーザーにもより多くの露出を引き起こすことができます。VerychatのオンデバイスAi翻訳により、グローバルユーザーとも簡単にコミュニケーションが可能です。 おすすめチャンネルのアルゴリズムは、YouTubeの"メイン画面"やInstagramなどの"人気タブ"と似ていると考えてください。

チャンネル推薦アルゴリズム

推薦スコア 𝑅 は複数の要素の重み付けの合計で計算されます。

$$R=w 1 ​ ×E+w 2 ​ ×M+w 3 ​ ×U$$

• Eはユーザーエンゲージメントスコア(Engagement Score)

• Mはコンテンツメタデータスコア(Metadata Score)

• Uはユーザー-チャンネルインタラクションスコア(User-Channel Interaction Score)

• w1,w2,w3はそれぞれの要素に対する重み付けです。

ユーザーエンゲージメントスコア (Engagement Score, 𝐸 )

$$E=w e1 ​ ×LI+w e2 ​ ×V+w e3 ​ ×S$$

• LIはいいね(Likes)

• Vはビュー (Views)

• Sは共有(Shares)

• we1,we2,we3はそれぞれの要素の重み付けです。

コンテンツメタデータスコア (Metadata Score, 𝑀 )

$$M=w m1 ​ ×K+w m2 ​ ×D+w m3 ​ ×C$$

• Kはキーワードマッチ(Keyword Match) - ユーザーの関心とコンテンツキーワードの一致度合い。

• Dは説明一致(Description Match) - コンテンツの説明の質とキーワードの一致の度合い

• Cはテーマの関連性(Content Relevance) - コンテンツのテーマのトレンドと関連性

• wm1,wm2,wm3はそれぞれの要素に対する重み付けです。

ユーザー-チャンネルインタラクションスコア (User-Channel Interaction Score, 𝑈 )

$$U=w u1 ​ ×H+w u2 ​ ×SU+w u3 ​ ×A$$

• Hは視聴履歴(View History) - ユーザーが以前にそのチャンネルのコンテンツを見た回数。

• SUはサブスクリプションかどうか（Subscription） - ユーザーがそのチャンネルを購読したかどうか。

• Aは活動度(Activity) - ユーザーがそのチャンネルでどれだけ頻繁に活動するか(例えば、会話参加、いいねなど)

• wu1,wu2,wu3はそれぞれの要素に対する重み付けです。