AIによるレコメンデーションとトレンドコンテンツ：どちらがエンゲージメントを高めるのか？

はじめに

最も高いエンゲージメント数値の背後には、単純な失敗が隠れていることがあります。つまり、ユーザーはクリックしたものの、そこに留まる価値のあるものを見つけられなかったのです。トレンド欄は瞬時に注目を集め、レコメンデーションは関連性を約束します。真の試金石は、ユーザーの時間を無駄にせず、忍耐力を試すことなく、より良い選択をさせるのに役立つのはどちらのルートかということです。

ある目的でサイトを開いたのに、読むつもりもなかった提案を10分もクリックし続けてしまう。それはエンゲージメントではあるが、有益なエンゲージメントとは限らない。AIによるレコメンデーションもトレンド一覧も、ユーザーの行動を促す。しかし、より難しい問いは、それらがユーザーが実際に求めていたものを見つける手助けになっているかどうかだ。

1つのロビーで複数の発見のタイプをサポートできる

大規模なゲームロビーの成否は、ユーザーが選択肢の多さに埋もれることなく目的のものを見つけられるかどうかにかかっています。これこそが、ここでの真のエンゲージメントの問題です。訪問者は、注目を集めているものを確認したい、ゲームの種類別に閲覧したい、あるいは既知のプロバイダーに直接アクセスしたいと思うかもしれません。ページは、ユーザーに手間をかけさせることなく、こうしたそれぞれの選択に対応する必要があります。

オンラインカジノ「theCasiny」のニュージーランド向けロビーは、こうした多層的な発見を軸に構築されています。「Popular」セクションでは、現在注目を集めているタイトルを即座に目立つように表示し、「Stevo’s Picks」では、カタログの中から厳選されたコンテンツを別のルートで提供しています。「Pokies」と「Live」はフォーマットごとにロビーを分割し、「Drops & Wins」はプロモーション用のトーナメントコンテンツを、一般的なフィードに混在させるのではなく、明確な専用スペースに配置しています。

検索バーとプロバイダーフィルターは、その後、操作権を訪問者に委ねます。特定のタイトルを探しているユーザーはメインのレールを迂回でき、別のユーザーは選択したスタジオのソフトウェアにロビーを絞り込むことができます。したがって、Casinyはコンテンツ発見を製品そのものの一部として扱っています。現在の人気度は最初の選択を助け、キュレーションは指針を提供し、直接的なフィルタリングはすでに欲しいものが決まっているユーザーをサポートします。

この組み合わせにより、マーケターはより適切な検証課題を得ることができます。目的は、単にどのレールが最も多くのクリックを集めるかを数えることではなく、各タイプの訪問者が、最もスムーズに適切なコンテンツに到達できるルートを見極めることにあります。

行動シグナルは必ずしも真の関心を反映するとは限らない

クリックは、誰かが何かを開いたことを証明するに過ぎません。それが気に入ったことを証明するものではありません。視聴時間も誤解を招く可能性があります。なぜなら、ユーザーは動画を再生したまま放置したり、気が散ったり、気に入らないものを視聴し続けたりすることがあるからです。

MetaはFacebook Reelsでこの問題を検証しました。Senthil Rajagopalan氏と11人の共著者が行った2026年のMetaエンジニアリング研究によると、従来の関心度ヒューリスティックは精度48.3%にとどまることが判明しました。 チームはフィード内での直接アンケートによるフィードバックを追加し、1,000万人以上のユーザーを対象に改良されたモデルをテストした。精度は63.2％に上昇し、再現率は45.4％から66.1％に上昇し、総エンゲージメントは5.2％増加した。

ここから得られる教訓は単純明快だ。行動はシステムに手がかりを与えるが、その手がかりは意図そのものではない。ユーザーは、見出しが奇妙だからクリックし、自動再生が続き続けるためにページにとどまり、結局は有益な情報を得ることなく離脱してしまうかもしれない。

トレンドコンテンツがコールドスタート問題を解決する

パーソナライゼーションは、システムがユーザーについて何らかの情報を把握してから最も効果を発揮します。初回訪問者にはクリック履歴も、保存されたアイテムも、完了したセッションもないため、アルゴリズムが活用できる情報はごくわずかです。

トレンドコンテンツは、そのギャップを即座に埋めます。トレンドコンテンツは集計されたアクティビティを活用するため、閲覧者に関する情報を何も把握していなくても、そのページで注目を集めているコンテンツを表示することができます。これは、ライブイベントや新作のリリース時などに有用です。なぜなら、過去の嗜好プロファイルよりも、現在の関心の方が有用な場合があるからです。

その弱点は、悪循環を生み出す可能性があることです。初期の露出がクリックを呼び、そのクリックによってコンテンツの順位が上がり、順位が上がるとさらに露出が増えます。その結果、人気コンテンツは、もともと人気があったという理由だけで、その優位性を維持し続けてしまうのです。

Casinyは、「人気」欄を「Pokies」「Live」「Drops & Wins」の各セクションとは別に配置することで、この問題を軽減しています。このページは新規訪問者に最新のタイトルへ素早くアクセスできるルートを提供しつつ、各カテゴリーを設けることで、人気がロビー内を移動する唯一のルートになるのを防いでいます。これにより、アクセスする前に自分がどのようなコンテンツを求めているか分かっているユーザーにも、十分な選択肢が残されるのです。

オーストラリアのユーザーは依然としてコンテンツ発見の主導権を握りたいと考えている

人々は、アルゴリズムに決定を委ねることを常に望んでいるわけではありません。特に、希望するアーティスト、トピック、プロバイダーをすでに知っている場合、検索意図が明確であるため、検索機能は依然として有用です。

2025年11月にSpotifyが発表した、YouGovによる2025年7月のオーストラリアのストリーミング利用者4,017人を対象とした調査によると、85％が新しい音楽を発見できる点に満足していることが判明しました。また、81％がオーストラリアのアーティストは簡単に見つけられると回答しており、Z世代では83％、ミレニアル世代では84％に上昇していました。 別のYouGov Profilesの調査では、42％がインディーズやあまり知られていないアーティストを積極的に探していることが判明した。

これらの数字は、レコメンデーションシステムが能動的な発見に取って代わるのではなく、それと並行して機能していることを示している。リスナーはある日はパーソナライズされたプレイリストを受け入れ、次の日には地元のバンド名を検索することもあるだろう。

この同じ原理は、Casinyのゲーム名検索やプロバイダーフィルターにも見られる。訪問者はメインのナビゲーションを迂回してロビーを直接絞り込むことができ、トレンドコンテンツやキュレーションされたおすすめが現在の目的に合わない場合、インターフェースは実用的な解決策を提供する。

リテンションは「次のクリック」よりも難しい指標

即時のエンゲージメントは計測しやすい。一方、リテンションは、ユーザーが初回訪問後に再訪したかどうかを問うため、その測定はより困難であり、その結果は価格、タイミング、あるいは数多くの外部要因に左右される可能性がある。

Spotifyの共同CEOであるグスタフ・セーデルストローム氏は、2026年5月に開催されたSpotifyの「インベスター・デイ」において、レコメンデーションシステムへの投資理由を最も明確に説明しました。「私たちは、リテンションの原動力として、早い段階から機械学習に投資してきました」。

この発言は、「注目」と「価値」の間に有用な一線を引いています。話題性のある見出しは最初のクリックを獲得できるかもしれませんが、レコメンデーションシステムがその価値を証明できるのは、その後もユーザーが有益なコンテンツを見つけられるよう支援し続けるときだけです。

また、ユーザー定着率は、不適切なパーソナライゼーションを露呈させる。同じテーマを繰り返すシステムは、当初は高いクリック率を生み出すかもしれないが、やがて退屈なものになってしまう。より適切な指標は、ユーザーが再訪し、普段の選択の範囲を超えて探索し、目的としていたタスクを完了するかどうかである。

制御されたテストがマーケターに明確な答えを与える

パーソナライズされたコンテンツとトレンドのコンテンツのどちらを選ぶかについて、当て推量に頼るのは得策ではありません。最も明確な答えは、比較可能な対象ユーザー、固定されたページ上の配置、明確な期間を設定した制御されたテストから得られます。

A/Bテストツールは、異なるページ体験におけるエンゲージメント、コンバージョン、行動を比較するために使用されるプラットフォームを網羅しています。この種のテストにより、レコメンデーションレールがより深い利用をもたらしているのか、それとも単に最初のクリックを誘引しているだけなのかを明らかにできます。

有用な測定指標には以下が含まれます：

• 各レールのクリック率
• クリック後の完了率
• 不適切な推奨後の検索利用
• 非表示またはスキップの行動
• 一定期間内の再訪問
• コンバージョンまたはタスクの完了
• 消費されたコンテンツの多様性
• 新規ユーザーとリピーターユーザーの結果比較

オーディエンスの分割は重要です。トレンドコンテンツは選択肢を素早く絞り込むため、初回訪問者には効果的かもしれませんが、明確な履歴を持つリピーターユーザーにはパーソナライズされたコンテンツの方がパフォーマンスが優れる可能性があります。両グループをまとめてテストすると、その違いが見えなくなり、誤った判断につながる恐れがあります。

テスト中はページの配置も固定しておく必要があります。上部に配置されたパーソナライズされたレールは、通常、その下に埋もれたトレンドのレールよりも優れた結果を出しますが、その結果はレコメンデーションの品質というより、視認性の違いを反映しているに過ぎません。

ハイブリッド型ディスカバリーは通常、最も優れた体験を生み出す

最も優れたシステムは、ユーザーに複数の経路を提供します。トレンドコンテンツは即座にスタート地点を提供し、パーソナライズされたランキングは、システムが十分な信頼性の高いデータを蓄積した後にその真価を発揮します。人間によるキュレーションは判断力を加え、直接検索はユーザーに主導権を握らせます。

この組み合わせは、レコメンデーションエンジンが誤った提案をした場合にも役立ちます。訪問者は、提案されたレールを無視し、ページを離れる代わりにカテゴリを選択したり、特定のアイテムを検索したりすることができます。

Casinyのブラウザベースでモバイルに最適化されたロビーは、デスクトップ、スマートフォン、タブレットの各画面において、こうした選択肢を維持しなければなりません。「人気」レール、キュレーションされたおすすめ、直接検索は、インターフェースが小さなディスプレイ上でもそれらに簡単にアクセスできるようにして初めて有用です。検証済みのネイティブアプリは存在しないため、ユーザー体験はブラウザのレイアウトが適切に機能するかどうかにかかっています。

ここでハイブリッドデザインの真価が発揮されます。このシステムは、ユーザーを単一のランキング方式に縛り付けることなく誘導することができ、自動選択が的外れだった場合でも、訪問者は明確な道筋をたどることができます。

最適なシステムはユーザーのその時点の意図次第

トレンドコンテンツは、訪問者が初めての場合、タイミングが重要な場合、あるいは共有体験の一部である場合に最も効果を発揮します。パーソナライズされたレコメンデーションは、システムが信頼できる個人データを保有し、最初のクリック以上の要素を評価できるようになると、その効果が高まります。

優れたエンゲージメントデザインとは、ユーザーに合理的な出発点を提供し、ユーザーの行動から学習しつつ、検索や方向転換の自由も確保するものです。勝者となるのは、単一のシステムそのものではなく、ユーザーのその瞬間の意図に合致するデザインなのです。

ギャンブルは成人を対象としており、あくまで娯楽の一形態であるべきです。決して収入源として扱ってはならず、プレイヤーは失っても構わない金額のみを使用すべきです。