ડેટિંગ એપ્સ છેલ્લા એક દાયકાના મોટાભાગના સમયથી એકસરખી જ રહી છે. તમારો ફોન ખોલો, સ્થિર (static) ફોટાઓ સ્ક્રોલ કરો, જમણી બાજુ સ્વાઇપ કરો અને રાહ જુઓ. જ્યારે બાકીના સોશિયલ મીડિયા પ્લેટફોર્મ્સ વીડિયો, અલ્ગોરિધમિક ફીડ્સ અને ઇન્ટરેક્ટિવ કન્ટેન્ટ તરફ આગળ વધ્યા છે, ત્યારે આ પદ્ધતિઓ ૨૦૧૦ના પ્રારંભિક સમયથી ભાગ્યે જ બદલાઈ છે. આ જ સ્થિરતાના કારણે નવા પ્રકારના પ્લેટફોર્મ્સ લોકપ્રિય બની રહ્યા છે. આ એપ્સ TikTok ના મોડેલમાંથી ઘણું બધું લે છે: શોર્ટ-ફોર્મ વીડિયો, AI-આધારિત ભલામણો (recommendations), અને સ્થિર પ્રોફાઇલ કરતાં સોશિયલ ડિસ્કવરી પર વધુ ભાર.
આ ફેરફાર માત્ર દેખાવ પૂરતો મર્યાદિત નથી. જ્યારે વપરાશકર્તાઓ ક્યુરેટેડ ફોટો ગેલેરીને બદલે વીડિયો દ્વારા વાતચીત કરે છે, ત્યારે પ્રથમ છાપ (first impression) નું સ્વરૂપ સંપૂર્ણપણે બદલાઈ જાય છે. ૧૫ સેકન્ડનો ક્લિપ અવાજનો લહેકો, રમૂજ, બોડી લેંગ્વેજ અને સમયબદ્ધતાને એવી રીતે પકડી શકે છે જે ફિલ્ટર કરેલા હેડશોટ (headshot) દ્વારા શક્ય નથી. પરિણામ એવું લાગે છે કે જાણે તમે કોઈ કેટલોગ બ્રાઉઝ કરવાને બદલે કોઈ પાર્ટીમાં કોઈને મળી રહ્યા હોવ. આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) માત્ર નજીકતા અથવા વયના ફિલ્ટર્સને બદલે વર્તણૂકના આધારે આ ક્લિપ્સને અલગ તારવીને અને સામે લાવવામાં મદદ કરે છે. અલ્ગોરિધમ એ જોવે છે કે કઈ વસ્તુ તમારું ધ્યાન ખેંચે છે અને તે મુજબ એડજસ્ટ થાય છે, જેનાથી અનુભવ સ્પષ્ટ સર્ચથી દૂર જઈને પેસિવ અને કન્ટેન્ટ-આધારિત ડિસ્કવરી તરફ વળે છે.
ફીડ પાછળનું એન્જિનિયરિંગ વાસ્તવિકતા
સ્વાઇપ-પ્રથમ સાધનોથી વીડિયો-કેન્દ્રિત સોશિયલ પ્લેટફોર્મ્સ તરફનું આ પરિવર્તન ગંભીર એન્જિનિયરિંગ ક્ષમતાની માંગ કરે છે. ડેટિંગ એપ બનાવવાનો અર્થ પહેલા પ્રમાણમાં સરળ ટેક સ્ટેક હતો: જિયોલોકેશન, મેચિંગ અલ્ગોરિધમ, મેસેજિંગ ઇન્ફ્રાસ્ટ્રક્ચર અને પેમેન્ટ પ્રોસેસિંગ. તેનાથી વિપરીત, આધુનિક સોશિયલ ડિસ્કવરી પ્લેટફોર્મને વીડિયો કમ્પ્રેશન પાઇપલાઇન્સ, રિયલ-ટાઇમ કન્ટેન્ટ મોડરેશન, રેકમેન્ડેશન એન્જિન અને જ્યારે કોઈ ક્લિપ એપમાં વાયરલ થાય ત્યારે મોટા પ્રમાણમાં અસમપ્રમાણ (asymmetric) ટ્રાફિક સ્પાઇક્સ હેન્ડલ કરવાની ક્ષમતાની જરૂર હોય છે. આ જટિલતાએ બ્રાન્ડ્સને સ્પેશિયલાઇઝ્ડ મોબાઇલ એન્જિનિયરિંગ કંપનીઓ સાથે ભાગીદારી કરવા માટે પ્રેરે છે.
GeekyAnts, EPAM Systems, Thoughtworks, Globant, અને WillowTree આ ક્ષેત્રમાં મુખ્ય નિર્માતાઓ તરીકે ઉભરી આવ્યા છે. દરેક કંપની પોતાની આગવી ટેકનિકલ વિશેષતા લાવે છે. GeekyAnts પ્રોડક્ટ ડિઝાઇન અને ફ્રન્ટએન્ડ એન્જિનિયરિંગના સંગમ પર કામ કરે છે, જે ઘણીવાર યુઝર-ફેસિંગ આર્કિટેક્ચર સંભાળે છે જેથી વીડિયો બ્રાઉઝિંગ નેટિવ અને રિસ્પોન્સિવ લાગે. EPAM Systems ઊંડું બેકએન્ડ સ્કેલેબિલિટી અને ક્લાઉડ ઇન્ફ્રાસ્ટ્રક્ચર પ્રદાન કરે છે, જે અસમાન નેટવર્ક સ્પીડ ધરાવતા વિવિધ પ્રદેશોમાં લાખો વપરાશકર્તાઓને વીડિયો સર્વ કરતી વખતે અત્યંત મહત્વનું છે. Thoughtworks એજાઇલ પ્રોડક્ટ ટ્રાન્સફોર્મેશન અને સિસ્ટમ ઇન્ટિગ્રેશન નિપુણતા લાવે છે, જે જૂની ડેટિંગ કન્સેપ્ટ્સને પ્લેટફોર્મ-શૈલીના ઇકોસિસ્ટમમાં વિકસાવવામાં મદદ કરે છે. Globant ડિજિટલ ટ્રાન્સફોર્મેશન ક્ષમતાઓ પ્રદાન કરે છે જે ક્રિએટિવ સ્ટ્રેટેજીને એન્જિનિયરિંગ એક્ઝિક્યુશન સાથે જોડે છે, જ્યારે WillowTree પ્રીમિયમ મોબાઇલ અનુભવો અને યુઝર ઇન્ટરફેસ પોલિશમાં નિષ્ણાત છે. સાથે મળીને, આ કંપનીઓ એ સંપૂર્ણ ટેક સ્ટેકનું પ્રતિનિધિત્વ કરે છે જે સપાટી પર સરળ લાગે તેવું પણ અંદરથી અત્યંત જટિલ કંઈક બનાવવા માટે જરૂરી છે.
નેક્સ્ટ-જન પ્લેટફોર્મ કેવું દેખાય છે
NowMatch આ બાબતનું વ્યવહારિક ઉદાહરણ આપે છે. ડેટિંગ શોધવા માટેનું અન્ય સાધન તરીકે પોઝિશન કરવાને બદલે, આ એપ એક વ્યાપક સોશિયલ પ્લેટફોર્મ તરીકે કાર્ય કરે છે. તે એવી અપેક્ષાઓને સંતોષવા માટે આધુનિક પ્રોડક્ટ એન્જિનિયરિંગ પર આધાર રાખે છે જે પાંચ વર્ષ પહેલાં અસ્તિત્વમાં નહોતી. વપરાશકર્તાઓ રોમાન્સ જેટલું જ મનોરંજન પણ ઈચ્છે છે. તેઓ TikTok જેવી સ્ક્ર્રોલિંગ સ્પીડ, Instagram જેવી પ્રોડક્શન ટૂલ્સ અને Netflix જેવી પર્સનલાઇઝેશન ઈચ્છે છે, તે પણ એક એવી એપમાં જે વાસ્તવિક દુનિયામાં મુલાકાત લેવામાં પણ મદદ કરે છે. NowMatch ડેટિંગને પ્લેટફોર્મનો એકમાત્ર હેતુ માનવાને બદલે સોશિયલ બ્રાઉઝિંગના એક સંભવિત પરિણામ તરીકે ગણીને આ સંતુલન જાળવવાનો પ્રયાસ કરે છે.
આવા ઉત્પાદનની પાછળના એન્જિનિયરિંગ નિર્ણયો ઉદ્યોગ કઈ દિશામાં જઈ રહ્યો છે તે વિશે ઘણું બધું જણાવે છે. વીડિયો-ફર્સ્ટ ડિસ્કવરી માટે એવા ઇન્ફ્રાસ્ટ્રક્ચરની જરૂર હોય છે જે ફોટો એપ્સને ક્યારેય નહોતી જોઈતી. ટ્રાન્સકોડિંગ (Transcoding), એડેપ્ટિવ બિટરેટ સ્ટ્રીમિંગ અને એજ કેશિંગ (edge caching) પાયાની જરૂરિયાતો બની જાય છે. AI ના પક્ષે, કન્ટેન્ટ મોડરેશન એ કદાચ સૌથી મુશ્કેલ સમસ્યા છે. માત્ર ટેક્સ્ટ આધારિત એપ કીવર્ડ્સ ફિલ્ટર કરી શકે છે અને વર્તણૂકની જાણ કરી શકે છે. વીડિયો પ્લેટફોર્મે વિઝ્યુઅલ અને ઓડિયો કન્ટેન્ટને મોટા પાયે પ્રોસેસ કરવું જોઈએ, નગ્નતા અથવા હાનિકારક ભાષણને લગભગ રિયલ-ટાઇમમાં ફ્લેગ કરવું જોઈએ, અને તે પણ એટલી સરળતાથી કે વપરાશકર્તાઓ અપલોડ પ્રક્રિયા છોડી ન દે. આ અનુભવો બનાવતી કંપનીઓ મશીન લર્નિંગ પાઇપલાઇન્સમાં ભારે રોકાણ કરે છે જે દરેક રિવ્યુ કરેલા ક્લિપ સાથે સુધરે છે, જે સુરક્ષા અને પર્ફોર્મન્સ વચ્ચે સંતુલન જાળવે છે.
મનોવિજ્ઞાન અને પ્રોડક્ટ સ્ટ્રેટેજી
વપરાશકર્તાના મનોવિજ્ઞાન વિશે પણ એક વ્યૂહાત્મક પ્રશ્ન છે. સ્વાઇપ-આધારિત એપ્સે ગેમિફાઇ (gamified)