Rekomendasi AI vs Konten yang Sedang Tren: Apa yang Lebih Mampu Meningkatkan Keterlibatan Pengguna?

Pendahuluan

Angka keterlibatan yang tinggi bisa menyembunyikan kegagalan sederhana: orang-orang mengklik, tetapi mereka tidak menemukan apa pun yang layak untuk ditelusuri lebih lanjut. Daftar tren menarik perhatian dengan cepat, sementara rekomendasi menjanjikan relevansi. Ujian sesungguhnya adalah rute mana yang membantu pengguna membuat pilihan yang lebih baik tanpa membuang-buang waktu atau menguji kesabaran mereka terlebih dahulu.

Anda membuka sebuah situs untuk mencari satu hal, lalu menghabiskan sepuluh menit mengklik saran-saran yang tidak pernah Anda rencanakan untuk dibaca. Itu adalah keterlibatan, tetapi mungkin bukan keterlibatan yang bermanfaat. Rekomendasi AI dan daftar tren sama-sama membuat orang terus menjelajah; pertanyaan yang lebih sulit adalah apakah keduanya membantu pengguna menemukan apa yang sebenarnya mereka cari.

Satu Lobi Dapat Mendukung Beberapa Jenis Penjelajahan

Keberhasilan lobi game besar bergantung pada apakah orang dapat menemukan sesuatu tanpa tenggelam dalam banyaknya pilihan. Itulah masalah keterlibatan yang sesungguhnya di sini. Seorang pengunjung mungkin ingin melihat apa yang sedang menarik perhatian, menjelajahi berdasarkan jenis game, atau langsung menuju penyedia yang sudah dikenal, dan halaman tersebut harus mendukung setiap keputusan tersebut tanpa membuat pengguna harus bersusah payah.

Lobi Selandia Baru di kasinoonline theCasiny dibangun berdasarkan penemuan berlapis semacam itu. Bagian “Popular” langsung menonjolkan judul-judul yang sedang mendapat perhatian, sementara “Stevo’s Picks” menawarkan rute kurasi terpisah melalui katalog. “Pokies” dan “Live” membagi lobi berdasarkan format, dan “Drops & Wins” memberikan ruang tersendiri yang jelas untuk konten turnamen promosi daripada mencampurnya ke dalam umpan umum.

Kotak pencarian dan filter penyedia kemudian mengembalikan kendali kepada pengunjung. Seseorang yang mencari judul tertentu dapat melewati kolom utama, sementara pengguna lain dapat mempersempit lobi ke perangkat lunak dari studio pilihan. Dengan demikian, Casiny memperlakukan penemuan sebagai bagian dari produk itu sendiri: popularitas saat ini membantu dalam keputusan pertama, kurasi menawarkan panduan, dan penyaringan langsung mendukung orang-orang yang sudah tahu apa yang mereka inginkan.

Kombinasi tersebut memberikan pertanyaan yang lebih baik untuk diuji oleh pemasar. Tujuannya bukan sekadar menghitung bilah mana yang mendapatkan klik terbanyak, tetapi untuk melihat rute mana yang membantu setiap jenis pengunjung mencapai konten yang relevan dengan hambatan paling sedikit.

Sinyal Perilaku Tidak Selalu Mengungkapkan Minat yang Sebenarnya

Sebuah klik membuktikan bahwa seseorang membuka sesuatu. Hal itu tidak membuktikan bahwa mereka menyukainya. Waktu tonton juga bisa menyesatkan karena orang-orang membiarkan video tetap berjalan, teralihkan, atau terus menonton sesuatu yang tidak mereka sukai.

Meta menguji masalah tersebut di Facebook Reels.Sebuah studi Meta Engineering tahun 2026 oleh Senthil Rajagopalan dan 11 rekan penulis menemukan bahwa heuristik minat sebelumnya hanya mencapai akurasi 48,3%. Tim tersebut menambahkan umpan balik survei langsung di dalam feed, lalu menguji model yang direvisi tersebut dengan lebih dari 10 juta pengguna. Tingkat akurasi naik menjadi 63,2%, tingkat recall meningkat dari 45,4% menjadi 66,1%, dan total keterlibatan meningkat sebesar 5,2%.

Pelajarannya jelas. Perilaku memberikan petunjuk kepada sistem, tetapi petunjuk tersebut tidak sama dengan niat. Seseorang mungkin mengklik karena judulnya aneh, tetap tinggal karena pemutaran otomatis terus berjalan, lalu pergi tanpa mendapatkan apa pun yang bermanfaat.

Konten yang Sedang Tren Memecahkan Masalah Cold-Start

Personalisasi bekerja paling baik setelah sistem mengetahui sesuatu tentang pengguna. Pengunjung pertama kali tidak memiliki riwayat klik, item yang disimpan, maupun sesi yang diselesaikan, sehingga algoritma memiliki sangat sedikit data untuk diolah.

Konten yang sedang tren langsung mengisi celah tersebut. Konten ini memanfaatkan aktivitas agregat, yang berarti halaman dapat menampilkan apa yang sedang mendapat perhatian sebelum mengetahui apa pun tentang orang yang melihatnya. Hal ini berguna saat ada acara langsung atau rilis baru karena minat saat ini bisa lebih berguna daripada profil preferensi lama.

Kelemahannya adalah lingkaran setan yang dapat tercipta. Visibilitas awal mendatangkan klik, klik-klik tersebut mendorong item tersebut ke posisi yang lebih tinggi, dan posisi yang lebih tinggi mendatangkan visibilitas yang lebih besar. Konten populer kemudian dapat terus unggul karena memang sudah populer.

Casiny mengurangi masalah tersebut dengan menempatkan bilah "Populer" di samping bagian terpisah seperti "Pokies", "Live", dan "Drops & Wins". Halaman tersebut tetap memberikan rute cepat bagi pengunjung baru untuk mengakses judul-judul terkini, tetapi kategori-kategori tersebut mencegah popularitas menjadi satu-satunya rute melalui lobi. Hal ini memberikan ruang bagi orang-orang yang sudah tahu jenis konten apa yang mereka inginkan sebelum mereka tiba.

Pengguna Australia Masih Ingin Memiliki Kontrol atas Penemuan Konten

Orang tidak selalu ingin algoritma yang mengambil keputusan untuk mereka. Pencarian tetap berguna karena niat pengguna bisa sangat spesifik, terutama ketika seseorang sudah mengetahui artis, topik, atau penyedia yang mereka inginkan.

Survei YouGov pada Juli 2025 terhadap 4.017 pengguna streaming Australia,yang diterbitkan oleh Spotify pada November 2025, menemukan bahwa 85% merasa puas dengan kemampuan mereka untuk menemukan musik baru. Survei tersebut juga menemukan bahwa 81% mengatakan artis Australia mudah ditemukan, angka ini meningkat menjadi 83% di kalangan Generasi Z dan 84% di kalangan milenial. Sebuah sampel terpisah dari YouGov Profiles menemukan bahwa 42% secara aktif mencari artis independen atau yang kurang dikenal.

Angka-angka tersebut menunjukkan bahwa sistem rekomendasi berfungsi sebagai pelengkap penemuan aktif, bukan menggantikannya. Seorang pendengar mungkin menerima daftar putar yang dipersonalisasi pada suatu hari, lalu mencari nama band lokal pada hari berikutnya.

Prinsip yang sama terlihat pada fitur pencarian nama game dan filter penyedia di Casiny. Pengunjung dapat melewati jalur utama dan mempersempit lobi secara langsung, yang memberikan jawaban praktis pada antarmuka ketika konten yang sedang tren atau pilihan yang dikurasi tidak sesuai dengan kebutuhan saat ini.

Retensi Adalah Ujian yang Lebih Sulit Dibandingkan Klik Berikutnya

Keterlibatan langsung mudah dihitung. Retensi lebih sulit karena menanyakan apakah pengguna kembali setelah kunjungan pertama, dan hasilnya dapat bergantung pada harga, waktu, atau belasan faktor eksternal lainnya.

Co-CEO Spotify, Gustav Söderström, memberikan alasan paling jelas untuk berinvestasi dalam sistem rekomendasiselama Investor Day Spotify pada Mei 2026: “Kami berinvestasi sejak dini dalam pembelajaran mesin sebagai pendorong retensi”.

Kutipan tersebut menggambarkan perbedaan yang berguna antara perhatian dan nilai. Judul yang sedang tren bisa saja menarik klik pertama, tetapi sistem rekomendasi hanya akan membuktikan nilainya jika terus membantu seseorang menemukan konten yang bermanfaat di kemudian hari.

Retensi juga mengungkap personalisasi yang buruk. Sistem yang mengulang tema yang sama mungkin menghasilkan rasio klik-tayang yang tinggi pada awalnya, tetapi kemudian menjadi membosankan. Uji yang lebih baik adalah apakah orang-orang kembali, menjelajahi di luar pilihan biasa mereka, dan menyelesaikan tugas yang ingin mereka lakukan.

Pengujian Terkontrol Memberikan Jawaban yang Lebih Jelas kepada Pemasar

Menebak-nebak bukanlah cara yang tepat untuk memilih antara konten yang dipersonalisasi dan konten yang sedang tren. Jawaban yang paling jelas berasal dari pengujian terkontrol dengan audiens yang sebanding, posisi halaman yang tetap, dan rentang waktu yang jelas.

Alat pengujian A/B mencakup platform yang digunakan untuk membandingkan keterlibatan, konversi, dan perilaku di berbagai pengalaman halaman. Jenis pengujian tersebut dapat menunjukkan apakah bilah rekomendasi menghasilkan penggunaan yang lebih mendalam atau hanya menarik klik pertama.

Ukuran yang berguna meliputi:

• Tingkat klik-melalui pada setiap jalur
• Penyelesaian setelah klik
• Penggunaan pencarian setelah rekomendasi yang kurang tepat
• Perilaku menyembunyikan atau melewati
• Kunjungan berulang dalam periode tertentu
• Konversi atau penyelesaian tugas
• Keragaman konten yang dikonsumsi
• Hasil untuk pengguna baru dibandingkan dengan pengguna yang kembali

Pembagian audiens sangat penting. Konten yang sedang tren mungkin lebih disukai oleh pengunjung baru karena menghilangkan kebingungan dalam memilih, sementara konten yang dipersonalisasi mungkin berkinerja lebih baik bagi pengguna yang kembali dengan riwayat yang jelas. Menguji kedua kelompok tersebut secara bersamaan dapat menyembunyikan perbedaan tersebut dan menyebabkan keputusan yang salah.

Posisi halaman juga harus tetap sama selama pengujian. Bilah rekomendasi yang dipersonalisasi yang ditempatkan di bagian atas biasanya akan mengungguli bilah tren yang tersembunyi di bawahnya, tetapi hasil tersebut lebih mencerminkan visibilitas daripada kualitas rekomendasi.

Penemuan Hibrida Biasanya Menghasilkan Pengalaman Terbaik

Sistem terbaik memberikan lebih dari satu jalur kepada pengguna. Konten yang sedang tren memberikan titik awal yang langsung, sementara peringkat yang dipersonalisasi menjadi lebih berguna setelah sistem memiliki data yang cukup dan dapat diandalkan. Kurasi oleh manusia menambahkan penilaian, dan pencarian langsung memastikan pengguna tetap memegang kendali.

Kombinasi tersebut juga membantu ketika mesin rekomendasi membuat kesalahan. Seorang pengunjung dapat mengabaikan panel yang disarankan, memilih kategori, atau mencari item tertentu daripada meninggalkan halaman.

Lobi berbasis browser Casiny yang dioptimalkan untuk perangkat seluler harus mempertahankan pilihan-pilihan tersebut di layar desktop, ponsel, dan tablet. Panel "Populer", pilihan yang dikurasi, dan pencarian langsung tetap berguna hanya jika antarmuka menjadikannya mudah dijangkau di layar yang lebih kecil. Tidak ada aplikasi asli yang terverifikasi, sehingga pengalaman bergantung pada tata letak browser yang berfungsi dengan baik.

Di sinilah desain hybrid membuktikan nilainya. Sistem ini dapat memandu pengguna tanpa membatasi mereka pada satu metode peringkat saja, dan pengunjung tetap memiliki jalur yang jelas ketika pilihan otomatis tidak tepat sasaran.

Sistem Terbaik Bergantung pada Tujuan Pengguna Saat Ini

Konten yang sedang tren bekerja paling baik saat pengunjung baru, waktu menjadi faktor penting, atau perhatian bersama menjadi bagian dari pengalaman. Rekomendasi yang dipersonalisasi menjadi lebih kuat setelah sistem memiliki data individu yang andal dan mengukur lebih dari sekadar klik pertama.

Desain keterlibatan terbaik memberikan titik awal yang masuk akal kepada pengguna, belajar dari tindakan mereka, dan tetap memungkinkan mereka untuk mencari atau mengubah arah. Pemenangnya bukanlah satu sistem saja; melainkan desain yang sesuai dengan niat pengguna saat ini.

Perjudian ditujukan untuk orang dewasa dan harus tetap menjadi bentuk hiburan. Perjudian tidak boleh diperlakukan sebagai sumber penghasilan, dan pemain hanya boleh menggunakan uang yang mampu mereka tanggung kerugiannya.