गेल्या दशकातील बराचसा काळ डेटिंग ॲप्स सारखेच राहिले आहेत. फोन उघडा, स्थिर फोटोंमधून स्क्रोल करा, स्वाइप राईट करा आणि प्रतीक्षा करा. सोशल मीडियाचे इतर भाग व्हिडिओ, अल्गोरिदमिक फीड आणि परस्परसंवादी (interactive) कंटेंटकडे वळले असले तरी, २०१० च्या सुरुवातीपासून यातील यंत्रणा फारशी बदललेली नाही. हीच स्थिरता आहे ज्यामुळे प्लॅटफॉर्मची एक नवीन लाट लोकप्रिय होत आहे. ही ॲप्स TikTok च्या कार्यपद्धतीचा मोठ्या प्रमाणावर वापर करतात: शॉर्ट-फॉर्म व्हिडिओ, AI-चालित शिफारसी आणि स्थिर प्रोफाइल्सपेक्षा सोशल डिस्कव्हरीवर भर.
हा बदल केवळ बाह्य स्वरूपाचा नाही. जेव्हा वापरकर्ते निवडक फोटो गॅलरीऐवजी व्हिडिओद्वारे संवाद साधतात, तेव्हा पहिल्या भेटीचे स्वरूप पूर्णपणे बदलते. पंधरा सेकंदाचा क्लिप आवाजाचा टोन, विनोदबुद्धी, देहबोली आणि वेळेचे महत्त्व (timing) अशा प्रकारे टिपू शकतो, जे एखादा फिल्टर केलेला हेडशॉट करू शकत नाही. याचा परिणाम एखाद्या कॅटलॉगमध्ये शोधण्यापेक्षा एखाद्या पार्टीमध्ये कोणालातरी भेटण्यासारखा वाटतो. कृत्रिम बुद्धिमत्ता (AI) केवळ अंतर किंवा वयाचे फिल्टर न वापरता, वापरकर्त्याच्या वर्तनावर आधारित हे क्लिप्स sort आणि समोर आणण्याचे काम करते. अल्गोरिदम तुमचे लक्ष कशाकडे वेधले जाते याचे निरीक्षण करतो आणि त्यानुसार बदल करतो, ज्यामुळे अनुभव स्पष्ट शोध (explicit search) कडून निष्क्रिय, कंटेंट-चालित डिस्कव्हरीकडे वळतो.
फीडच्यामागील अभियांत्रिकी वास्तव
स्वाइप-प्रथम साधनांकडून व्हिडिओ-केंद्रित सोशल प्लॅटफॉर्मकडे होणाऱ्या या संक्रमणासाठी मोठ्या अभियांत्रिकी कौशल्याची आवश्यकता आहे. डेटिंग ॲप तयार करणे म्हणजे पूर्वी एक तुलनेने सरळ स्टॅक होता: जिओलोकेशन, मॅचिंग अल्गोरिदम, मेसेजिंग इन्फ्रास्ट्रक्चर आणि पेमेंट प्रोसेसिंग. याउलट, एका आधुनिक सोशल डिस्कव्हरी प्लॅटफॉर्मला व्हिडिओ कॉम्प्रेशन पाइपलाइन्स, रिअल-टाइम कंटेंट मॉडरेशन, शिफारस इंजिन (recommendation engines) आणि एखादा क्लिप ॲपमध्ये व्हायरल झाल्यावर निर्माण होणाऱ्या प्रचंड ट्रॅफिकचा सामना करण्याची क्षमता आवश्यक असते. या गुंतागुंतीमुळे ब्रँड्सना विशेष मोबाईल इंजिनिअरिंग कंपन्यांशी भागीदारी करण्यास भाग पाडले आहे.
GeekyAnts, EPAM Systems, Thoughtworks, Globant आणि WillowTree या क्षेत्रातील प्रमुख निर्माते म्हणून समोर आल्या आहेत. प्रत्येक कंपनी आपले वेगळे तांत्रिक कौशल्य आणते. GeekyAnts सहसा प्रॉडक्ट डिझाइन आणि फ्रंटएंड इंजिनिअरिंगच्या संगमावर काम करते, जे अनेकदा वापरकर्त्यांना व्हिडिओ ब्राउझिंग नैसर्गिक आणि प्रतिसादात्मक (responsive) वाटेल अशी आर्किटेक्चर हाताळते. EPAM Systems खोल बॅकएंड स्केलेबिलिटी आणि क्लाउड इन्फ्रास्ट्रक्चरमध्ये योगदान देते, जे विविध नेटवर्क स्पीड असलेल्या प्रदेशांमधील लाखो वापरकर्त्यांना व्हिडिओ सेवा देताना अत्यंत महत्त्वाचे ठरते. Thoughtworks ॲजिल (agile) प्रॉडक्ट ट्रान्सफॉर्मेशन आणि सिस्टम इंटिग्रेशनमधील तज्ज्ञता आणते, ज्यामुळे जुन्या डेटिंग संकल्पना प्लॅटफॉर्म-शैलीच्या इकोसिस्टममध्ये विकसित होण्यास मदत होते. Globant डिजिटल ट्रान्सफॉर्मेशन क्षमता प्रदान करते जी क्रिएटिव्ह स्ट्रॅटेजी आणि इंजिनिअरिंग एक्झिक्यूशनमधील दुवा साधते, तर WillowTree प्रीमियम मोबाईल अनुभव आणि युजर इंटरफेस पॉलिशिंगमध्ये विशेष प्राविण्य राखते. एकत्रितपणे, या कंपन्या अशा गोष्टीच्या निर्मितीसाठी आवश्यक असलेले संपूर्ण स्टॅक (full stack) दर्शवतात जी वरून साधी वाटते पण आतून अत्यंत गुंतागुंतीची असते.
नेक्स्ट-जेन प्लॅटफॉर्म कसा दिसतो
NowMatch हे प्रत्यक्ष व्यवहारात कसे दिसते याचे उदाहरण आहे. स्वतःला डेटिंग शोधण्याचे आणखी एक साधन म्हणून सादर करण्याऐवजी, हे ॲप एका व्यापक सोशल प्लॅटफॉर्मप्रमाणे कार्य करते. पाच वर्षांपूर्वी अस्तित्वात नसलेल्या अपेक्षा पूर्ण करण्यासाठी ते आधुनिक प्रॉडक्ट इंजिनिअरिंगवर अवलंबून आहे. वापरकर्ते केवळ रोमान्ससाठी नाही तर मनोरंजनासाठी देखील येतात. त्यांना TikTok-दर्जाचा स्क्रोलिंग स्पीड, Instagram-दर्जाची प्रोडक्शन टूल्स आणि Netflix-दर्जाचे पर्सनलायझेशन हवे असते, ते देखील अशा ॲपमध्ये जे प्रत्यक्ष भेटी सुलभ करते. NowMatch डेटिंगला प्लॅटफॉर्मचा एकमेव उद्देश न मानता, सोशल ब्राउझिंगचा एक संभाव्य परिणाम म्हणून हाताळण्याचा प्रयत्न करते.
अशा उत्पादनामागचे इंजिनिअरिंग निर्णय उद्योग कोणत्या दिशेने जात आहे याबद्दल बरेच काही सांगतात. व्हिडिओ-प्रथम डिस्कव्हरीसाठी अशा इन्फ्रास्ट्रक्चरची गरज असते ज्याची फोटो ॲप्सना कधीही गरज नव्हती. Transcoding, adaptive bitrate streaming, आणि edge caching ही मूलभूत आवश्यकता बनली आहे. AI च्या बाजूने, कंटेंट मॉडरेशन ही कदाचित सर्वात कठीण समस्या आहे. केवळ टेक्स्ट-आधारित ॲप कीवर्ड फिल्टर करू शकते आणि वर्तनाची तक्रार करू शकते. परंतु, व्हिडिओ प्लॅटफॉर्मला मोठ्या प्रमाणावर व्हिज्युअल आणि ऑडिओ कंटेंटवर प्रक्रिया करावी लागते, नग्नता किंवा हानिकारक भाषण जवळजवळ रिअल-टाइममध्ये फ्लॅग करावे लागते आणि ते करताना वापरकर्त्यांना अपलोड प्रक्रियेतून बाहेर पडण्यास भाग पाडेल इतकी अडचण निर्माण करू नये लागते. हे अनुभव निर्माण करणाऱ्या कंपन्या मशीन लर्निंग पाइपलाइन्समध्ये मोठ्या प्रमाणावर गुंतवणूक करतात जे प्रत्येक रिव्ह्यू केलेल्या क्लिपसह सुधारतात, ज्यामुळे सुरक्षा आणि परफॉर्मन्समध्ये संतुलन राखले जाते.
मानसशास्त्र आणि उत्पादन धोरण
वापरकर्त्यांच्या मानसशास्त्राबद्दल देखील एक धोरणात्मक प्रश्न आहे. स्वाइप-आधारित ॲप्सनी गेमिफिकेशन (gamified)