Може ли изкуственият интелект да реши проблема с пренасищането от избор на платформите с голямо количество съдържание?

Въведение

Системите за препоръки намаляват броя на изборите, които човек трябва да направи, а данните сочат, че това е по-ценно за платформата, отколкото повечето хора предполагат. Дали това става за сметка на възможността да се натъкнеш на нещо ново, е отделен въпрос, на който също не е лесно да се отговори.

Приложенията за стрийминг изискват много от един вторничен вечер. Отворите едно и се налага да прегледате редици от миниатюри, преди да попаднете на нещо, което си заслужава да се гледа – ако изобщо попаднете на нещо. Много хора не успяват. Банерите се сменят, същите няколко заглавия продължават да се появяват отново и отново, а в даден момент затварянето на приложението може да изглежда като пътят с най-малко съпротивление. Казино сайтове като Vegas Stars casino nz се сблъскват със сходен проблем от различен ъгъл: нов потребител влиза в акаунта си и открива стотици непознати игри, без ясно откъде да започне. Изследователите дадоха име на това явление преди време – „претоварване с избор“, а платформите го третират като някакъв вид проблем, свързан с приходите.

Действителната стойност на системата за препоръки

Ако замените системата за препоръки на Netflix с обикновена класация по популярност, ангажираността спада с 12%, според работен документ на SSRN от ноември 2025 г., изготвен от група икономисти, свързани с компанията (трима от авторите на документа работят директно в Netflix). Опитайте вместо това модел за матрично факторизиране – една стъпка по-надолу от пълната персонализация – и загубата е по-малка – 4%. Умножена по абонатска база от стотици милиони, тази разлика се равнява на милиарди часове гледане и пари, които в крайна сметка по един или друг начин се отразяват в броя на подновяванията.

Клаус Вертенброк не е напълно убеден, че персонализацията е еднозначно нещо добро. Той преподава маркетинг в INSEAD и е съавтор на статия, в която се поставя под въпрос колко значение хората придават изобщо на алгоритмичните предложения. „Аз и моите съавтори предупреждаваме потребителите да не разчитат прекалено много на алгоритмите за изкуствен интелект при вземането на такива решения“, отбелязва Вертенброк в статията, опитвайки се да накара хората да се замислят за пристрастията. Той изрази надежда, че препоръките ще се възприемат просто като това, което са – не като официално одобрение, а просто като съвет.

Това е свързано с предубеждението към популярността. Когато достатъчно акаунти вече гледат дадено предаване, това може да даде сигнал на модела да препоръча това предаване на други (по-безопасно е да се препоръча съществуващ хит, отколкото някакъв неизвестен продукт) и в резултат на това малките аудитории намаляват при следващите прегледи, като в крайна сметка изчезват от погледа на онези, които не търсят активно даден заглавие. Икономистите се позовават на ефекта „богатите стават по-богати“, за да обяснят този процес. Това има последствия за индексирането в търсачките и за фийдовете в социалните медии – навсякъде, където алгоритмите имплицитно използват популярността като показател за оценка на качеството.

Netflix и INSEAD стигнаха до едно и също заключение, но избраха различни пътища, за да стигнат до него. Въпреки че работеха с напълно различни данни от различни индустрии, те установиха, че основната причина, поради която потребителите остават, обикновено е една и съща. Разрастващите се библиотеки, които не подобряват качеството на вече наличните предложения, са склонни да натрупват боклук и да стават неефективни при привличането на нови потребители или задържането на съществуващите.

Алгоритмите не се справят добре с „щастливите случайности“

Историята на кликовете, времето, прекарано на страницата, и термините за търсене съставляват основата на повечето търсачки. Те разчитат на тези цифрови следи, за да ви предлагат повече от това, което вече сте прекарали време да гледате или играете. Това има смисъл от гледна точка на дизайнерското намерение. Но от друга страна, съществува вероятност никога да не ви бъде показано точно това предложение. Причината е донякъде фина и се основава на факта, че никога не е имало индикация за интерес, защото никога не сте били запознати с нея. Преди време, преди да се появят системите за препоръки и изкуственият интелект, това се наричаше „устен маркетинг“. Когато братът или сестрата ви даваше микстейп с само няколко парчета и изведнъж откривахте изцяло нов поджанр, без изобщо да сте го търсили.

Тип съдържание	Стандартно взаимодействие	Курирано взаимодействие	Ключово наблюдение
Хитове с широка популярност	Вече е висока	Едва се променя	Само популярността прави тези заглавия забележими
Каталог от среден клас	Забравени, лесно се пропускат	Отбелязва се забележим скок	Кураторството си заслужава тук
Нишови заглавия	Почти невидими	Показва леко подобрение	Дори доброто таргетиране има граници

Самите данни трудно успяват сами да изведат на преден план тези неочаквани и забавни предложения. Сайт като Vegas Stars управлява обширен каталог, пълен с игри с карти, слотове с висока волатилност и дилъри на живо, работещи денонощно. Очевидно е, че подреждането на такава библиотека изисква известна организация. Алгоритъмът за машинно обучение се грижи за математиката в основата, докато интелигентният UX/дизайн на продукта довършва задачата. Ако даден потребител си създаде нов акаунт без никакъв предишен опит, изкуственият интелект и добре структурираните категории съдържание правят своето вълшебство. Подреждането на платформата по този начин гарантира, че списъкът с игри не става претрупан.

Добрият подбор има голямо значение

Хората, които посещават Vegas Stars за първи път, се натъкват на около 200 отделни плочки с игри, без да имат никаква история на кликвания до този момент. Много от по-старите системи за препоръки се справят с тази „чиста страница“ по остарял начин, най-вече защото никой не ги е създал с оглед на този сценарий. Някои от тях в крайна сметка рециклират едни и същи няколко жанра, докато всичко на екрана не започне да се слива. По-добрите системи правят по-голямо усилие, проследявайки какво вече харесва даден играч, след което вмъкват от време на време заглавие извън този модел, само за да видят какво ще се хареса.

• Кликванията и продължителността на сесията казват повече за играча, отколкото което и да е проучване.
• Хиляди акаунти се сравняват помежду си чрез съвместно филтриране, като се търсят припокривания в това, което е било играно или пропуснато.
• Волатилността и механиката се четат директно от файловете на играта, така че съвпаденията в стила следват данните, а не предположенията.
• Промените в настроението по време на сесията също се засичат – нещо, което един статичен профил просто би пропуснал.

Инженерите имат име за този начален сценарий – нов акаунт, в който все още няма нищо записано: проблемът с „студения старт“. Някои системи се справят с него, като по подразбиране насочват новите акаунти към това, което е широко популярно, докато не се натрупат достатъчно данни за поведението, за да се направи правилна персонализация. Други вместо това задават няколко въпроса при регистрацията, като заменят малко по-тромавата регистрация с преднина при подбора. Нито едното решение не е съвършено, но и двете са по-добри от това да се покажат 200 плочки на случаен принцип и да се надяваме, че нещо ще се хареса.

Две техники извършват по-голямата част от действителното сортиране, когато започнете да разглеждате всичко. Първо, сътрудническото филтриране установява оценка за сходство между един акаунт и хиляди други, като сравнява заглавията, които са били кликнати, възпроизведени или дори „пропуснати“ от всички. Маркирането на базата на съдържанието пропуска това сравнение и вместо това чете метаданните на всеки заглавие – индекс на волатилност, тема, структура на таблицата с печалби – след което съпоставя тези атрибути с това, което даден акаунт е предпочитал преди (двете техники често работят успоредно, вместо едната да замества другата). И двата метода спестяват на потребителя необходимостта да седи и да претърсва всеки каталог на ръка.

Ако го разделим на етапи, процесът преминава през около пет стъпки, всяка от които е доста ясна:

1. Данните за сесиите, предпочитанията по категории и моделите на пропускане се въвеждат в модела, преди да се извърши каквато и да е класификация.
2. Индивидуалните профили се съпоставят с заглавия, свързани с действителната история на кликовете, а не просто с това, което е широко популярно.
3. Класифицирайте правилно. По-голямата част от ангажираността, която получава решетката на началната страница, се случва в първите няколко реда, което е една от причините, поради които редът на класиране има по-голяма тежест от размера на списъка под него.
4. Новите кликове, пропуски и завършени сесии се включват обратно като допълнителни данни за обучение.
5. Новите издания и промените в поведението на играчите се включват в рамките на минути, вместо да се чака за планирана актуализация.

Как изглежда по-доброто куриране в Vegas Stars

Мобилните сесии съставляват по-голямата част от трафика на сайт като Vegas Stars, а това променя това, което курирането всъщност трябва да прави за потребителя. По-малкият екран има място за може би шест или осем видими плочки, преди да се наложи да се превърта, така че каквото и да се намира в първия видим ред, има изключително голямо значение – подобно на ефекта на решетката на началната страница, посочен в проучването на Netflix. Ако този начален ред е подбран неправилно, играчът никога няма да види останалата част от библиотеката, независимо колко добро е съответствието в основата.

След това има игри на маса с дилър на живо, което добавя изцяло ново ниво на сложност. Да речем, че имате маса за блекджек с три свободни места и потребител, който иска да се присъедини; трябва да ги свържете за милисекунди, а не за секунди, прекарани в ровене из календара с резервации. Не можете просто да пуснете повторение, след като мястото вече е заето. Тук времето има значение, за разлика от библиотеката с видео по заявка, защото щом масата на живо се запълни, възможността за играча е изгубена. Това е като лобито за мултиплейър в „Call of Duty“ или друга отборна игра, която можете да намерите на PlayStation и Xbox.

Скоростта на изплащане също допринася до известна степен косвено за откриването на нови играчи. Играчите, които прехвърлят пари чрез криптовалути или електронни портфейли, обикновено преминават през сесиите по-бързо, отколкото тези, които чакат дни наред за банков превод, което оставя на алгоритъма за препоръки по-малко време на посещение, за да научи нещо, преди този акаунт да премине към друга платформа. По-бързото постъпване на пари обикновено означава по-бързо заключение дали лобито действително е било подходящо за този играч.

Реализирането на това изисква истинско инженерно майсторство. Необходими са бързи и отзивчиви бекенд системи, съчетани с дизайн, създаден така, че да съответства на това, към което всъщност е насочено вниманието на играча.

Предупреждение: Хазартът е форма на забавление и носи присъщ риск. Той не трябва да се разглежда като източник на доход или финансова стратегия. Залагайте само толкова, колкото можете да си позволите да загубите, поставете строги лимити и потърсете помощ, ако хазартът ви засяга. Участието е ограничено до пълнолетни лица на възраст над 18 години. Винаги играйте отговорно.