Consigli basati sull'intelligenza artificiale vs contenuti di tendenza: cosa genera un maggiore coinvolgimento?

Introduzione

I numeri più alti relativi al coinvolgimento possono nascondere un semplice fallimento: le persone hanno cliccato, ma non hanno trovato nulla per cui valesse la pena rimanere. I feed delle tendenze catturano rapidamente l’attenzione, mentre i consigli promettono pertinenza. La vera sfida è capire quale percorso aiuti gli utenti a fare una scelta migliore senza sprecare il loro tempo o mettere alla prova la loro pazienza.

Si apre un sito per cercare una cosa, poi si passano dieci minuti a cliccare su suggerimenti che non si aveva alcuna intenzione di leggere. Questo è coinvolgimento, ma potrebbe non essere un coinvolgimento utile. Sia i consigli basati sull’intelligenza artificiale che le liste delle tendenze mantengono gli utenti attivi; la domanda più difficile è se aiutano gli utenti a trovare ciò che stavano effettivamente cercando.

Un’unica lobby può supportare diversi tipi di scoperta

Il successo di una grande lobby di giochi dipende dalla capacità delle persone di trovare ciò che cercano senza essere sommerse dalla scelta. Questo è il vero problema di coinvolgimento in questo contesto. Un visitatore potrebbe voler vedere cosa sta attirando l’attenzione, sfogliare per tipo di gioco o andare direttamente a un fornitore conosciuto, e la pagina deve supportare ciascuna di queste decisioni senza costringere l’utente a fare sforzi per ottenerle.

La lobby neozelandese del casinòonline theCasiny è costruita attorno a questo tipo di scoperta a più livelli. La sua sezione “Popolari” mette immediatamente in evidenza i titoli che stanno attirando l’attenzione in questo momento, mentre “Le scelte di Stevo” offre un percorso curato separato attraverso il catalogo. “Pokies” e “Live” suddividono la lobby per formato, e “Drops & Wins” assegna ai contenuti promozionali dei tornei una propria sezione ben definita, anziché mescolarli nel feed generale.

La barra di ricerca e il filtro per fornitore restituiscono poi il controllo al visitatore. Chi cerca un titolo specifico può bypassare le sezioni principali, mentre un altro utente può restringere la lobby ai giochi di uno studio specifico. Casiny considera quindi la scoperta come parte integrante del prodotto stesso: la popolarità attuale aiuta nella prima decisione, la selezione curata offre una guida e il filtraggio diretto supporta chi sa già cosa vuole.

Questa combinazione offre ai professionisti del marketing una domanda più mirata da testare. L’obiettivo non è semplicemente contare quale colonna ottiene il maggior numero di clic, ma vedere quale percorso aiuta ogni tipo di visitatore a raggiungere i contenuti rilevanti con il minimo attrito.

I segnali comportamentali non rivelano sempre un interesse autentico

Un clic dimostra che qualcuno ha aperto qualcosa. Non dimostra che gli sia piaciuto. Anche il tempo di visualizzazione può essere fuorviante, perché le persone lasciano un video in riproduzione, si distraggono o continuano a guardare qualcosa che non gradiscono.

Meta ha testato questo problema su Facebook Reels.Uno studio del 2026 di Meta Engineering, condotto da Senthil Rajagopalan e 11 coautori, ha rilevato che le precedenti euristiche di interesse raggiungevano solo il 48,3% di precisione. Il team ha aggiunto il feedback diretto dei sondaggi all’interno del feed, quindi ha testato il modello rivisto su oltre 10 milioni di utenti. La precisione è salita al 63,2%, il richiamo è passato dal 45,4% al 66,1% e il coinvolgimento totale è aumentato del 5,2%.

La lezione è chiara. Il comportamento fornisce indizi al sistema, ma tali indizi non corrispondono all’intenzione. Una persona potrebbe cliccare perché un titolo è insolito, rimanere perché la riproduzione automatica continua, per poi andarsene senza aver ottenuto nulla di utile.

I contenuti di tendenza risolvono il problema del “cold start”

La personalizzazione funziona al meglio quando il sistema conosce già qualcosa dell’utente. Un visitatore che accede per la prima volta non ha una cronologia dei clic, né elementi salvati né sessioni completate, quindi l’algoritmo ha ben poco su cui basarsi.

I contenuti di tendenza colmano immediatamente questa lacuna. Si basano sull’attività aggregata, il che significa che la pagina può mostrare ciò che sta attirando l’attenzione prima ancora di conoscere l’utente che la sta visualizzando. Ciò è utile in occasione di un evento in diretta o di una nuova uscita, poiché l’interesse attuale può essere più utile di un vecchio profilo delle preferenze.

Il punto debole è il circolo vizioso che può crearsi. La visibilità iniziale porta clic, quei clic spingono l’elemento più in alto, e la posizione più alta porta maggiore visibilità. I contenuti popolari possono quindi continuare a prevalere proprio perché erano già popolari.

Casiny riduce questo problema mantenendo la sua barra “Popolari” accanto alle sezioni separate “Pokies”, “Live” e “Drops & Wins”. La pagina offre comunque ai nuovi visitatori un accesso rapido ai titoli del momento, ma le categorie impediscono che la popolarità diventi l’unico percorso attraverso la lobby. Questo lascia spazio a chi sa già quale tipo di contenuto desidera prima ancora di arrivare.

Gli utenti australiani vogliono ancora avere il controllo sulla scoperta dei contenuti

Le persone non vogliono sempre che sia un algoritmo a decidere al posto loro. La ricerca rimane utile perché l’intento può essere preciso, specialmente quando qualcuno conosce già l’artista, l’argomento o il fornitore che desidera.

Il sondaggio condotto da YouGov nel luglio 2025 su 4.017 utenti australiani di servizi di streaming,pubblicato da Spotify nel novembre 2025, ha rilevato che l’85% era soddisfatto della propria capacità di scoprire nuova musica. È emerso inoltre che l’81% ha affermato che gli artisti australiani erano facili da trovare, percentuale che sale all’83% tra la Generazione Z e all’84% tra i millennial. Un altro campione di YouGov Profiles ha rilevato che il 42% cercava attivamente artisti indipendenti o meno conosciuti.

Queste cifre dimostrano che i sistemi di raccomandazione affiancano la scoperta attiva anziché sostituirla. Un ascoltatore può accettare una playlist personalizzata un giorno, per poi cercare una band locale per nome il giorno successivo.

Lo stesso principio si ritrova nella ricerca per nome del gioco e nel filtro per provider di Casiny. Un visitatore può bypassare i percorsi principali e restringere direttamente la lobby, il che offre all’interfaccia una soluzione pratica quando i contenuti di tendenza o le selezioni curate non corrispondono all’attività che si sta svolgendo.

La fidelizzazione è una prova più difficile del clic successivo

Il coinvolgimento immediato è facile da quantificare. La fidelizzazione è più complessa perché richiede di verificare se l’utente è tornato dopo la prima visita, e tale risultato può dipendere dal prezzo, dalla tempistica o da una dozzina di fattori esterni.

Il co-CEO di Spotify, Gustav Söderström, ha fornito la motivazione più chiara per investire nei sistemi di raccomandazionedurante l’Investor Day di Spotify nel maggio 2026: «Abbiamo investito fin dall’inizio nell’apprendimento automatico come motore della fidelizzazione».

Questa citazione traccia una linea di demarcazione utile tra attenzione e valore. Un titolo di tendenza può conquistare il primo clic, ma un sistema di raccomandazione si guadagna il proprio posto solo quando continua ad aiutare qualcuno a trovare contenuti utili in seguito.

La fidelizzazione mette in luce anche una personalizzazione inadeguata. Un sistema che ripete gli stessi temi può generare inizialmente un elevato tasso di clic, per poi diventare noioso. Il test più attendibile consiste nel verificare se gli utenti tornano, esplorano oltre le loro scelte abituali e portano a termine l’attività per cui sono venuti.

I test controllati offrono ai professionisti del marketing una risposta più chiara

Andare a tentoni è un modo poco efficace per scegliere tra contenuti personalizzati e di tendenza. La risposta più chiara deriva da test controllati con pubblici comparabili, posizioni fisse delle pagine e un arco temporale ben definito.

Gli strumenti di test A/B coprono le piattaforme utilizzate per confrontare il coinvolgimento, le conversioni e il comportamento tra diverse esperienze di pagina. Questo tipo di test può mostrare se una barra di raccomandazioni genera un utilizzo più approfondito o si limita ad attirare il primo clic.

Tra le metriche utili figurano:

• Tasso di clic su ciascuna sezione
• Completamento dopo il clic
• Utilizzo della ricerca dopo un consiglio inadeguato
• Comportamento di occultamento o salto
• Visite ripetute entro un determinato periodo
• Conversione o completamento dell'attività
• Diversità dei contenuti fruiti
• Risultati per i nuovi utenti rispetto a quelli degli utenti abituali

La suddivisione del pubblico è importante. I contenuti di tendenza potrebbero avere la meglio con i visitatori che accedono per la prima volta perché eliminano rapidamente la necessità di scegliere, mentre i contenuti personalizzati potrebbero ottenere risultati migliori per gli utenti che ritornano sul sito e hanno una cronologia chiara. Testare entrambi i gruppi insieme può nascondere tale differenza e portare a una decisione errata.

Anche la posizione nella pagina deve rimanere fissa durante il test. Una barra personalizzata posizionata in alto di solito avrà la meglio su una barra di tendenza nascosta più in basso, ma quel risultato dice più sulla visibilità che sulla qualità dei consigli.

La scoperta ibrida produce solitamente l’esperienza più efficace

I sistemi più efficaci offrono agli utenti più di un percorso. I contenuti di tendenza forniscono un punto di partenza immediato, mentre la classifica personalizzata diventa più utile una volta che il sistema dispone di dati affidabili a sufficienza. La selezione curata da esseri umani aggiunge un elemento di giudizio, mentre la ricerca diretta mantiene il controllo nelle mani dell’utente.

Questa combinazione è utile anche quando il motore di raccomandazione commette un errore. Un visitatore può ignorare la barra dei suggerimenti, scegliere una categoria o cercare un elemento specifico invece di abbandonare la pagina.

La lobby di Casiny, basata su browser e ottimizzata per dispositivi mobili, deve preservare queste opzioni su schermi di desktop, telefoni e tablet. La barra “Popolari”, le selezioni curate e la ricerca diretta rimangono utili solo se l’interfaccia le mantiene facilmente accessibili su uno schermo più piccolo. Non esiste un’app nativa verificata, quindi l’esperienza dipende dal corretto funzionamento del layout del browser.

È qui che il design ibrido dimostra il proprio valore. Il sistema è in grado di guidare gli utenti senza intrappolarli in un unico metodo di classificazione, e il visitatore ha comunque un percorso chiaro da seguire quando la scelta automatica non centra l’obiettivo.

Il sistema migliore dipende dall’intento attuale dell’utente

I contenuti di tendenza funzionano al meglio quando il visitatore è nuovo, la tempistica è importante o l’attenzione condivisa fa parte dell’esperienza. I consigli personalizzati diventano più efficaci una volta che il sistema dispone di dati individuali affidabili e non si limita a misurare solo il primo clic.

Il miglior design per il coinvolgimento offre alle persone un punto di partenza sensato, impara da ciò che fanno e permette comunque loro di effettuare ricerche o cambiare direzione. Il vincitore non è un singolo sistema in sé; è il design che corrisponde all’intento attuale dell’utente.

Il gioco d’azzardo è destinato agli adulti e dovrebbe rimanere una forma di intrattenimento. Non dovrebbe mai essere considerato una fonte di reddito e i giocatori dovrebbero utilizzare solo denaro che possono permettersi di perdere.