Mesterséges intelligencia által javasolt tartalmak kontra trendi tartalmak: Mi eredményez nagyobb interakciót?

Bevezető

A legmagasabb elkötelezettségi mutatók mögött egy egyszerű kudarc rejtőzhet: az emberek rákattintottak, de nem találtak semmit, amiért érdemes lett volna ott maradniuk. A trendek gyorsan magukra vonják a figyelmet, míg az ajánlások relevanciát ígérnek. Az igazi próba az, hogy melyik út segít a felhasználóknak jobb döntést hozni anélkül, hogy időt pazarolnának vagy először türelmüket kellene próbára tenniük.

Megnyitunk egy weboldalt, hogy valamit keressünk, majd tíz percet töltünk azzal, hogy olyan javaslatokra kattintgatunk, amelyeket soha nem akartunk elolvasni. Ez ugyan interakció, de nem feltétlenül hasznos interakció. Az AI-alapú ajánlások és a trendlisták egyaránt mozgásban tartják az embereket; a nehezebb kérdés az, hogy segítenek-e a felhasználóknak megtalálni azt, amiért valójában jöttek.

Egy lobbiból többféle felfedezés is lehetséges

Egy nagy játéklobby sikere vagy bukása attól függ, hogy az emberek megtalálják-e, amit keresnek, anélkül, hogy elmerülnének a választékban. Ez az igazi elkötelezettségi probléma itt. Egy látogató esetleg azt szeretné megnézni, mi vonzza a figyelmet, játéktípus szerint böngészni, vagy egyenesen egy ismert szolgáltatóhoz menni, és az oldalnak támogatnia kell ezeket a döntéseket anélkül, hogy a felhasználónak meg kelljen dolgoznia értük.

AtheCasiny online kaszinó új-zélandi lobbija éppen ilyen réteges felfedezésre épül. A „Népszerű” sáv azonnal kiemeli az éppen figyelmet kapó címeket, míg a „Stevo válogatása” külön, gondosan összeállított útvonalat kínál a katalógusban. A „Pokies” és a „Live” formátum szerint osztja fel a lobbyt, a „Drops & Wins” pedig a promóciós versenyek tartalmának saját, egyértelmű helyet biztosít, ahelyett, hogy az általános hírfolyamba keverné őket.

A keresősáv és a szolgáltatói szűrő ezután visszaadja az irányítást a látogatónak. Aki egy konkrét játékot keres, megkerülheti a fő menüsávokat, míg egy másik felhasználó a lobbiban a kiválasztott stúdió szoftvereire szűkítheti a keresést. A Casiny tehát a felfedezést a termék szerves részének tekinti: az aktuális népszerűség segít az első döntés meghozatalában, a kurátori válogatás útmutatást nyújt, a közvetlen szűrés pedig azokat támogatja, akik már tudják, mit akarnak.

Ez a kombináció jobb tesztelési lehetőséget kínál a marketingeseknek. A cél nem egyszerűen annak számlálása, hogy melyik sáv kapja a legtöbb kattintást, hanem annak megállapítása, hogy melyik út segít az egyes látogatótípusoknak a legkevesebb akadály mellett eljutni a releváns tartalomhoz.

A viselkedési jelek nem mindig tükrözik a valódi érdeklődést

Egy kattintás azt bizonyítja, hogy valaki megnyitott valamit. Nem bizonyítja azonban, hogy tetszett neki. A megtekintési idő is félrevezető lehet, mert az emberek néha futni hagyják a videót, elterelődik a figyelmük, vagy tovább néznek valamit, ami nem tetszik nekik.

A Meta a Facebook Reels-en tesztelte ezt a problémát.Egy 2026-os Meta Engineering-tanulmány, amelyet Senthil Rajagopalan és 11 társszerző készített, megállapította, hogy a korábbi érdeklődési heurisztikák pontossága csupán 48,3% volt. A csapat közvetlen, a hírfolyamban megjelenő felmérési visszajelzéseket is beépített, majd a módosított modellt több mint 10 millió felhasználón tesztelte. A pontosság 63,2%-ra emelkedett, a visszahívási arány 45,4%-ról 66,1%-ra nőtt, az összes interakció pedig 5,2%-kal emelkedett.

A tanulság egyértelmű. A viselkedés nyomokat ad a rendszernek, de ezek a nyomok nem azonosak a szándékkal. Előfordulhat, hogy valaki azért kattint, mert a cím furcsa, azért marad, mert az automatikus lejátszás folytatódik, majd távozik anélkül, hogy bármi hasznosat nyert volna.

A trendi tartalom megoldja a „hidegindítás” problémáját

A személyre szabás akkor működik a legjobban, ha a rendszer már tud valamit a felhasználóról. Egy első alkalommal látogató felhasználónak nincs kattintási előzménye, nincsenek elmentett elemei és nincsenek befejezett munkamenetei, így az algoritmusnak nagyon kevés adat áll rendelkezésére.

A trendi tartalom azonnal kitölti ezt a hiányt. Összesített aktivitást használ, ami azt jelenti, hogy az oldal megmutathatja, mi vonzza a figyelmet, még mielőtt bármit is tudna a nézőről. Ez hasznos lehet élő események vagy új megjelenések körül, mert az aktuális érdeklődés hasznosabb lehet, mint egy régi preferenciaprofil.

A gyenge pontja az a körforgás, amit létrehozhat. A korai láthatóság kattintásokat eredményez, ezek a kattintások feljebb tolják az elemet, a magasabb pozíció pedig még nagyobb láthatóságot biztosít. A népszerű tartalom így továbbra is nyerhet, mert már eleve népszerű volt.

A Casiny úgy csökkenti ezt a problémát, hogy a „Népszerű” sávot a különálló „Pokies”, „Live” és „Drops & Wins” szakaszok mellett tartja. Az oldal továbbra is gyors hozzáférést biztosít az új látogatóknak az aktuális címekhez, de a kategóriák megakadályozzák, hogy a népszerűség legyen az egyetlen út a lobbin keresztül. Ez teret hagy azoknak, akik már érkezésük előtt tudják, milyen típusú tartalmat szeretnének.

Az ausztrál felhasználók továbbra is szeretnék irányítani a felfedezést

Az emberek nem mindig szeretnék, ha egy algoritmus döntene helyettük. A keresés továbbra is hasznos, mert a szándék pontos lehet, különösen akkor, ha valaki már ismeri a kívánt előadót, témát vagy szolgáltatót.

A YouGov 2025. júliusi, 4 017 ausztrál streaming-felhasználót felölelő felmérése –amelyet a Spotify 2025 novemberében tett közzé – megállapította, hogy a válaszadók 85%-a elégedett azzal, hogy milyen könnyen fedezhet fel új zenét. A felmérésből az is kiderült, hogy a válaszadók 81%-a szerint az ausztrál előadók könnyen megtalálhatók, ez az arány a Z generáció körében 83%-ra, a millenniumi generáció körében pedig 84%-ra emelkedett. Egy külön YouGov Profiles-felmérésből kiderült, hogy a válaszadók 42%-a aktívan keresett független vagy kevésbé ismert előadókat.

Ezek az adatok azt mutatják, hogy az ajánló rendszerek az aktív felfedezés mellett működnek, nem pedig helyettesítik azt. Előfordulhat, hogy egy hallgató egyik nap elfogad egy személyre szabott lejátszási listát, másnap pedig név szerint keres egy helyi zenekart.

Ugyanez az elv érvényesül a Casiny játéknév-keresőjében és szolgáltatói szűrőjében is. A látogató megkerülheti a fő menüpontokat, és közvetlenül szűkítheti a lobbiban megjelenő eredményeket, ami praktikus megoldást kínál, ha a trendi tartalmak vagy a szerkesztők által összeállított válogatások nem felelnek meg az aktuális feladatnak.

A felhasználói megtartás nehezebb feladat, mint a következő kattintás

Az azonnali elkötelezettséget könnyű mérni. A megtartás nehezebb, mert azt vizsgálja, hogy a felhasználó visszatért-e az első látogatás után, és ez az eredmény függhet az ártól, az időzítéstől vagy tucatnyi külső tényezőtől.

Gustav Söderström, a Spotify társelnökea 2026. májusi Spotify Befektetői Napon adta meg a legvilágosabb indokot az ajánló rendszerekbe való befektetésre: „Korán fektettünk be a gépi tanulásba, mint a visszatartás hajtóerejébe”.

Ez az idézet hasznos különbséget tesz a figyelem és az érték között. Egy trendi cím megnyerheti az első kattintást, de egy ajánló rendszer csak akkor érdemli ki a helyét, ha később is folyamatosan segít valakinek hasznos tartalmakat találni.

A felhasználói megtartás a rossz személyre szabást is leleplezi. Egy olyan rendszer, amely ugyanazokat a témákat ismételgeti, eleinte erős kattintási arányt eredményezhet, de később unalmassá válik. A jobb teszt az, hogy az emberek visszatérnek-e, a szokásos választásaikon túl is felfedeznek-e új tartalmakat, és elvégzik-e azt a feladatot, amiért jöttek.

A kontrollált tesztelés egyértelműbb választ ad a marketingeseknek

A találgatás nem megfelelő módszer a személyre szabott és a trendi tartalmak közötti választáshoz. A legegyértelműbb választ a kontrollált tesztelés adja, összehasonlítható közönségekkel, rögzített oldalpozíciókkal és egyértelmű időkerettel.

Az A/B-tesztelő eszközök lefedik azokat a platformokat, amelyek segítségével összehasonlítható az elkötelezettség, a konverziók és a viselkedés a különböző oldalélmények között. Ez a fajta teszt megmutathatja, hogy egy ajánló sáv mélyebb használatot eredményez-e, vagy csupán az első kattintást vonzza.

Hasznos mérőszámok:

• Kattintási arány az egyes sávokon
• A kattintás utáni befejezés
• Keresés használata rossz ajánlás után
• Elrejtési vagy kihagyási viselkedés
• Ismételt látogatások egy meghatározott időszakon belül
• Konverzió vagy feladat teljesítése
• A fogyasztott tartalom sokszínűsége
• Az új felhasználók eredményeinek összehasonlítása a visszatérő felhasználókéval

Fontos a közönség felosztása. A trendi tartalom az első látogatók körében nyerhet, mert gyorsan eldönti a választást, míg a személyre szabott tartalom a visszatérő, egyértelmű előzményekkel rendelkező felhasználók számára teljesíthet jobban. A két csoport együttes tesztelése elrejtheti ezt a különbséget, és téves döntéshez vezethet.

A teszt során az oldalon belüli elhelyezkedésnek is változatlannak kell maradnia. A tetejére helyezett személyre szabott sáv általában felülmúlja az alatta elrejtett trendi sávot, de ez az eredmény inkább a láthatóságról árulkodik, mint az ajánlások minőségéről.

A hibrid felfedezés általában a legerősebb élményt nyújtja

A leghatékonyabb rendszerek több útvonalat is kínálnak a felhasználóknak. A trendi tartalom azonnali kiindulási pontot nyújt, míg a személyre szabott rangsor akkor válik igazán hasznossá, ha a rendszer már elegendő megbízható adattal rendelkezik. Az emberi kurátori munkával megítélés is társul, a közvetlen keresés pedig biztosítja, hogy a felhasználó tartsa kézben az irányítást.

Ez a kombináció akkor is segít, ha az ajánlómotor hibázik. A látogató figyelmen kívül hagyhatja a javasolt sávot, kiválaszthat egy kategóriát vagy kereshet egy konkrét elemet, ahelyett, hogy elhagyná az oldalt.

A Casiny böngészőalapú, mobilra optimalizált kezdőlapjának ezeket a választási lehetőségeket asztali számítógépeken, okostelefonokon és táblagépeken egyaránt meg kell őriznie. A „Népszerű” sáv, a szerkesztői válogatások és a közvetlen keresés csak akkor maradnak hasznosak, ha a felület kisebb kijelzőn is könnyen elérhetővé teszi őket. Nincs hitelesített natív alkalmazás, így a felhasználói élmény attól függ, hogy a böngésző elrendezése megfelelően működik-e.

Itt jön jól a hibrid tervezés. A rendszer irányíthatja a felhasználókat anélkül, hogy egy rangsorolási módszerhez kötné őket, és a látogató akkor is egyértelmű útmutatást kap, ha az automatikus választás nem találja el a célját.

A legjobb rendszer a felhasználó aktuális szándékától függ

A trendi tartalmak akkor működnek a legjobban, ha a látogató új, az időzítés fontos, vagy a közös figyelem része a felhasználói élménynek. A személyre szabott ajánlások hatékonyabbá válnak, ha a rendszer megbízható egyéni adatokkal rendelkezik, és nem csupán az első kattintást veszi figyelembe.

A legjobb felhasználói elkötelezettséget elősegítő tervezés ésszerű kiindulási pontot ad az embereknek, tanul a cselekedeteikből, és mégis lehetővé teszi számukra a keresést vagy az irányváltást. A győztes nem egy önmagában álló rendszer, hanem az a tervezés, amely megfelel a felhasználó aktuális szándékának.

A szerencsejáték felnőtteknek szól, és szórakozási formának kell maradnia. Soha nem szabad jövedelemforrásként kezelni, és a játékosoknak csak olyan pénzt szabad felhasználniuk, amelynek elvesztését megengedhetik maguknak.