Kan kunstig intelligens løse problemet med valgoversvømmelse på indholdstunge platforme?

Indledning

Anbefalingssystemer reducerer antallet af valg, en person skal træffe, og dataene tyder på, at det har større værdi for en platform, end de fleste antager. Om det sker på bekostning af at støde på noget nyt, er et andet spørgsmål, som heller ikke er så let at besvare.

Streaming-apps stiller store krav til en tirsdag aften. Åbner man en, skal man gennem en række miniaturer, før man finder noget, der er værd at se – forudsat at man overhovedet finder noget. Det gør mange mennesker ikke. Bannere skifter, den samme håndfuld titler dukker op igen og igen, og på et tidspunkt kan det føles som den nemmeste løsning at lukke appen. Casinosider som Vegas Stars casino nz støder på et lignende problem set fra en anden vinkel: En ny konto logger ind og finder hundredvis af ukendte spilfliser uden noget oplagt sted at starte. Forskere gav dette et navn for et stykke tid siden, nemlig »valgoverbelastning«, og platforme betragter det som en slags indtægtsproblem.

En anbefalingsmotors reelle værdi

Udskifter man Netflix’ anbefalingsmotor med en simpel popularitetsrangliste, falder engagementet med 12 %, ifølge et SSRN-arbejdspapir fra november 2025 udarbejdet af en gruppe økonomer tilknyttet virksomheden (tre af papirets forfattere arbejder direkte hos Netflix). Prøv i stedet en matrixfaktoriseringsmodel – et trin ned fra fuld personalisering – og faldet er mindre, nemlig 4 %. Ganget op på en abonnentbase på flere hundrede millioner udgør denne forskel milliarder af seertimer og penge, der på den ene eller anden måde ender med at slå igennem på fornyelsestallene.

Klaus Wertenbroch er ikke helt overbevist om, at personalisering er et utvetydigt gode. Han underviser i markedsføring på INSEAD og er medforfatter til en artikel, der sætter spørgsmålstegn ved, hvor stor vægt folk overhovedet lægger på algoritmiske valg. »Mine medforfattere og jeg advarer forbrugerne mod at stole for meget på AI-algoritmer, når de træffer sådanne valg,« bemærkede Wertenbroch i artiklen i et forsøg på at få folk til at tænke sig om en ekstra gang med hensyn til forudindtagelser. Han sagde, at han håbede, at anbefalingerne ville blive opfattet for det, de er – ikke som en officiel godkendelse, men blot som et råd.

Dette hænger sammen med popularitetsforudindtaget. Når et program allerede ses af et tilstrækkeligt antal brugere, kan det signalere til modellen, at den skal anbefale programmet til andre (det er mere sikkert at anbefale en eksisterende succes end noget ukendt), og som følge heraf svinder det lille publikum ind i de efterfølgende runder, indtil det til sidst forsvinder ud af syne for dem, der ikke aktivt søger efter en bestemt titel. Økonomer henviser til »de rige bliver rigere«-effekten for at forklare denne proces. Det har konsekvenser for indeksering i søgemaskiner og feeds på sociale medier – overalt, hvor algoritmer implicit bruger popularitet som en indikator for at bedømme kvalitet.

Netflix og INSEAD nåede frem til den samme konklusion, men de fulgte forskellige veje for at nå dertil. Selvom de arbejdede med helt forskellige data fra forskellige brancher, fandt de ud af, at den underliggende årsag til, at brugerne bliver hængende, som regel er den samme. Voksende biblioteker, der ikke forbedrer kvaliteten af de tilbud, de allerede har, har en tendens til at samle skrammel og bliver ineffektive til at tiltrække nye brugere eller fastholde de eksisterende.

Algoritmer er dårlige til lykkelige tilfældigheder

Klikhistorik, tid på siden og søgeord udgør grundlaget for de fleste søgemaskiner. De stoler på disse digitale fodspor for at vise dig mere af det, du allerede har brugt tid på at se eller spille. Det giver mening set ud fra et designmæssigt perspektiv. Men der er også en risiko for, at du måske aldrig får vist netop denne type forslag. Årsagen er noget subtil og bygger på, at der aldrig har været tegn på interesse, fordi du aldrig er blevet introduceret til det. Før i tiden, før anbefalingssystemer og AI dukkede op, var det »mund-til-mund«-markedsføring. Når din bror eller søster gav dig et mixtape med kun et par numre på, og du pludselig opdagede en helt ny undergenre uden nogensinde at have ledt efter den.

Indholdstype	Standardengagement	Kurateret engagement	Vigtig observation
Bred appel	Allerede høj	Bevæger sig knap nok	Det er udelukkende populariteten, der får disse titler til at blive fundet
Mellemklasse-katalog	Begravet, let at overse	Stiger mærkbart	Kuratering betaler sig her specifikt
Nichetitler	Næsten usynlige	Stiger lidt	Selv god målretning har sine begrænsninger

Rene data har svært ved på egen hånd at finde frem til disse uventede, sjove valg. Et websted som Vegas Stars forvalter et bredt katalog fyldt med kortspil, spilleautomater med høj volatilitet og live-dealere, der er på vagt døgnet rundt. Det kræver naturligvis en vis organisering at strukturere et sådant bibliotek. Algoritmen for maskinlæring tager sig af den underliggende matematik, mens smart UX/produktdesign fuldender opgaven. Hvis en person opretter en ny konto uden nogen tidligere erfaring, udøver AI og gode indholdskategorier deres magi. At indrette platformen på denne måde sikrer, at oversigten over spil ikke bliver rodet.

God kuratering gør en stor forskel

Førstegangsbesøgende på Vegas Stars støder på omkring 200 separate spilfelter, uden at de indtil videre har nogen klikhistorik bag sig. Mange ældre anbefalingsmotorer håndterer denne tomme tavle på en forældet måde, hovedsageligt fordi ingen har udviklet dem med netop dette scenarie for øje. Nogle ender med at genbruge den samme håndfuld genrer, indtil alt på skærmen begynder at flyde sammen. Bedre systemer gør en større indsats ved at spore, hvad en spiller allerede kan lide, og derefter indsætte en og anden titel uden for det mønster, bare for at se, hvad der fanger interessen.

• Klik og sessionens længde siger mere om en spiller end nogen undersøgelse gør.
• Tusindvis af konti sammenlignes med hinanden ved hjælp af kollaborativ filtrering, hvor der søges efter overlapninger i, hvad der er blevet spillet eller sprunget over.
• Volatilitet og mekanikker aflæses direkte fra spilfilerne, så stilmatchninger følger data, ikke gætterier.
• En stemningsændring midt i en session registreres også – noget, som en statisk profil simpelthen ville overse.

Ingeniører har et navn for det indledende scenarie, hvor en ny konto endnu ikke har noget registreret: cold-start-problemet. Nogle systemer håndterer det ved som standard at henvise nye konti til det, der er bredt populært, indtil der er opbygget nok adfærdsdata til at kunne personalisere ordentligt. Andre stiller i stedet en håndfuld introduktionsspørgsmål og bytter dermed en lidt mere besværlig tilmelding mod et forspring i matchningen. Ingen af løsningerne er perfekte, men begge er bedre end at vise 200 spilbrikker tilfældigt og håbe på, at noget fanger.

To teknikker står for det meste af den egentlige sortering, når man begynder at se på det hele. For det første fastlægger kollaborativ filtrering en lighedsscore mellem én konto og tusindvis af andre ved at sammenligne de titler, der er blevet klikket på, afspillet eller endda »sprunget over i fællesskab«. Indholdsbaseret tagging springer den sammenligning over og læser i stedet metadata fra hver titel – volatilitetsindeks, tema, gevinsttabelstruktur – og matcher derefter disse attributter med det, en konto tidligere har foretrukket (de to teknikker kører ofte sideløbende i stedet for, at den ene erstatter den anden). Begge metoder sparer nogen for at sidde der og gennemgå hvert eneste katalog manuelt.

Når man bryder det ned, foregår det i cirka fem trin, som alle er ret ligetil:

1. Sessionsdata, kategori-præferencer og springmønstre indgår i modellen, før noget bliver rangordnet.
2. Individuelle profiler matches med titler, der er knyttet til den faktiske klikhistorik, ikke blot det, der generelt er populært.
3. Rangordn det rigtigt. Størstedelen af interaktionen med et gitter på en startside sker i de første par rækker, hvilket er en del af grunden til, at rangordningen vejer tungere end størrelsen på listen nedenunder.
4. Nye klik, spring over og afsluttede sessioner indgår som yderligere træningsdata.
5. Nye udgivelser og ændringer i brugeradfærd indarbejdes inden for få minutter i stedet for at vente på en planlagt opdatering.

Sådan ser bedre kuratering ud hos Vegas Stars

Mobilbesøg udgør størstedelen af trafikken på et websted som Vegas Stars, og det ændrer, hvad kuratering rent faktisk skal gøre for brugeren. En mindre skærm har plads til måske seks eller otte synlige felter, før man er nødt til at rulle ned, så det, der ligger i den første synlige række, har en uforholdsmæssig stor betydning – ligesom den effekt, som Netflix’ forskning peger på med hensyn til rasteret på hjemmesiden. Hvis den første række er forkert sammensat, ser spilleren aldrig resten af biblioteket, uanset hvor god den underliggende matchning er.

Så er der live dealer-bordspil, som tilføjer et helt nyt lag af kompleksitet. Lad os sige, at du har et blackjack-bord med tre ledige pladser og en bruger, der er interesseret i at deltage; du skal forbinde dem på millisekunder, ikke sekunder brugt på at grave sig igennem en aftalekalender. Man kan ikke bare trykke på afspil på en genudsendelse, når pladsen først er optaget. Timingen er afgørende her, i modsætning til et on-demand-videobibliotek, for når det live-bord er fyldt, er muligheden forspildt for spilleren. Det er ligesom en multiplayer-lobby i ethvert Call of Duty-spil eller andet holdspil, man finder på PlayStation og Xbox.

Udbetalingshastigheden spiller også en vis indirekte rolle for opdagelsen. Spillere, der overfører penge via kryptovaluta eller e-wallets, har en tendens til at skifte mellem sessioner hurtigere end nogen, der venter i dagevis på en bankoverførsel, hvilket giver en anbefalingsmotor mindre tid pr. besøg til at lære noget, før den pågældende konto skifter til en anden platform. Hurtigere indbetalinger betyder som regel en hurtigere vurdering af, om lobbyen faktisk fungerede for den pågældende spiller.

At få dette til at fungere kræver reel teknisk ekspertise. Det kræver hurtige, responsive backend-systemer kombineret med et layout, der er bygget til at matche, hvor spillerens fokus rent faktisk ligger.

Ansvarsfraskrivelse: Spil er en form for underholdning og indebærer en iboende risiko. Det bør ikke betragtes som en indtægtskilde eller en finansiel strategi. Spil kun for det, du har råd til at tabe, sæt strenge grænser, og søg hjælp, hvis spil påvirker dig negativt. Deltagelse er forbeholdt voksne over 18 år. Spil altid ansvarligt.