Kan kunstig intelligens løse problemet med valgflom på innholdsrike plattformer?

Innledning

Anbefalingssystemer reduserer antallet valg en person må ta, og dataene tyder på at dette er mer verdifullt for en plattform enn de fleste antar. Om det går på bekostning av å støte på noe nytt, er et annet spørsmål, som heller ikke er så lett å svare på.

Streamingapper krever mye av en tirsdagskveld. Åpner man en, må man bla seg gjennom rekker av miniatyrbilder før man finner noe som er verdt å se på – forutsatt at man i det hele tatt finner noe. Mange gjør ikke det. Bannere skifter, den samme håndfullen titler dukker stadig opp igjen, og på et tidspunkt kan det føles som den enkleste løsningen å lukke appen. Kasinosider som Vegas Stars casino nz støter på et lignende problem fra en annen vinkel: en ny konto logger seg inn og finner hundrevis av ukjente spillfliser uten noe åpenbart sted å begynne. Forskere ga dette et navn for en stund siden, «valgoverbelastning», og plattformene behandler det som en slags inntektsproblem.

Den faktiske verdien av en anbefalingsmotor

Bytt ut Netflix’ anbefalingsmotor med en ren popularitetsrangering, og engasjementet faller med 12 %, ifølge et SSRN-arbeidspapir fra november 2025 fra en gruppe økonomer tilknyttet selskapet (tre av forfatterne jobber direkte hos Netflix). Prøv i stedet en matrisefaktoriseringsmodell, et trinn ned fra full personalisering, og kostnaden blir mindre, nemlig 4 %. Ganger man dette med en abonnentbase på hundrevis av millioner, utgjør dette gapet milliarder av seertimer – og penger som til slutt på en eller annen måte viser seg i fornyelsestallene.

Klaus Wertenbroch er ikke helt overbevist om at personalisering er noe utvetydig positivt. Han underviser i markedsføring ved INSEAD og er medforfatter av en artikkel som stiller spørsmål ved hvor stor vekt folk egentlig legger på algoritmiske valg. «Mine medforfattere og jeg advarer forbrukerne mot å stole for mye på AI-algoritmer når de tar slike valg», bemerket Wertenbroch i artikkelen, i et forsøk på å få folk til å tenke seg om to ganger når det gjelder skjevheter. Han sa at han håpet anbefalinger ville bli sett på for det de er, ikke som en offisiell godkjenning, men ganske enkelt som et råd.

Dette henger sammen med popularitetsskjevhet. Når nok kontoer allerede ser på en serie, kan det signalere til modellen at den bør anbefale den serien til andre (det er tryggere å anbefale en eksisterende hit enn noe ukjent), og som et resultat avtar det lille publikummet i påfølgende runder, for til slutt å forsvinne ut av syne for de som ikke aktivt søker etter en tittel. Økonomer bruker begrepet «de rike blir rikere»-effekten for å forklare denne prosessen. Det har implikasjoner for indeksering i søkemotorer og nyhetsstrømmer på sosiale medier – overalt der algoritmer implisitt bruker popularitet som en indikator for å bedømme kvalitet.

Netflix og INSEAD kom til slutt til samme konklusjon, men de tok forskjellige veier for å komme dit. Selv om de hadde å gjøre med helt forskjellige data fra ulike bransjer, fant de ut at den underliggende årsaken til at brukerne blir værende, vanligvis er den samme. Voksende biblioteker som ikke forbedrer kvaliteten på tilbudene de allerede har, har en tendens til å samle opp søppel og bli ineffektive når det gjelder å tiltrekke seg nye brukere eller beholde eksisterende.

Algoritmer er dårlige på «lykkelige tilfeldigheter»

Klikkhistorikk, tid på siden og søkeord utgjør grunnlaget for de fleste søkemotorer. De stoler på disse digitale fotavtrykkene for å vise deg mer av det du allerede har brukt tid på å se eller spille. Det gir mening sett fra et designperspektiv. Men samtidig er det en sjanse for at du aldri får vist akkurat denne typen forslag. Årsaken er noe subtil, basert på det faktum at det aldri har vært noen indikasjon på interesse, fordi du aldri ble introdusert for det. Før i tiden, før anbefalingssystemer og AI kom på banen, var det «jungeltelegrafen» som gjaldt. Når broren eller søsteren din ga deg en miksebånd med bare noen få spor på, og du plutselig oppdaget en helt ny undersjanger uten å ha lett etter den.

Innholdstype	Standard engasjement	Kuratert engasjement	Viktig observasjon
Treff med bred appell	Allerede høy	Beveger seg knapt	Det er populariteten alene som gjør at disse titlene blir funnet
Katalog i mellomklassen	Begravd, lett å overse	Stiger merkbart	Kuratering lønner seg spesielt her
Nisjetitler	Nesten usynlig	Øker litt	Selv god målretting har sine begrensninger

Rene data sliter med å finne frem disse uventede, morsomme valgene på egen hånd. Et nettsted som Vegas Stars forvalter et bredt utvalg fullpakket med kortspill, spilleautomater med høy volatilitet og live-dealere som er i sving døgnet rundt. Det krever åpenbart en viss organisering å ordne et slikt bibliotek. Algoritmen for maskinlæring tar seg av den underliggende matematikken, mens smart brukeropplevelse og produktdesign fullfører oppgaven. Hvis en person oppretter en ny konto uten tidligere erfaring, gjør AI og gode innholdskategorier underverker. Å organisere plattformen på denne måten sikrer at spillutvalget ikke blir uoversiktlig.

God kuratering betyr mye

Førstegangsbesøkende på Vegas Stars møter rundt 200 separate spillfliser, uten noen klikkhistorikk bak seg ennå. Mange eldre anbefalingsmotorer håndterer dette blanke utgangspunktet på en utdatert måte, hovedsakelig fordi ingen utviklet dem med dette scenariet i tankene. Noen ender opp med å gjenbruke den samme håndfullen sjangre til alt på skjermen begynner å flyte sammen. Bedre systemer prøver noe mer avansert: de sporer hva en spiller allerede liker, og setter deretter inn en og annen tittel utenfor dette mønsteret, bare for å se hva som fenger.

• Klikk og sesjonslengde sier mer om en spiller enn noen undersøkelse gjør.
• Tusenvis av kontoer sammenlignes med hverandre gjennom samarbeidsfiltrering, på jakt etter overlapp i hva som ble spilt eller hoppet over.
• Volatilitet og spillmekanismer leses direkte fra spillfilene, slik at stilmatchinger følger data, ikke gjetninger.
• En stemningsendring midt i en økt blir også registrert, noe en statisk profil ganske enkelt ville gå glipp av.

Ingeniører har et navn på dette innledende scenariet, en ny konto uten noe registrert ennå: «cold-start»-problemet. Noen systemer håndterer det ved å standardinnstille nye kontoer til det som er generelt populært, inntil det er samlet inn nok atferdsdata til å kunne tilpasse anbefalinger riktig. Andre stiller i stedet en håndfull innledende spørsmål, og bytter dermed en litt klumpete registreringsprosess mot et forsprang på matchingen. Ingen av løsningene er perfekte, men begge er bedre enn å vise 200 spillbrikker tilfeldig og håpe at noe treffer.

To teknikker står for det meste av den faktiske sorteringen når du begynner å se på alt. For det første etablerer samarbeidsfiltrering en likhetsscore mellom én konto og tusenvis av andre ved å sammenligne titlene som ble klikket på, spilt eller til og med «hoppet over i fellesskap». Innholdsbasert tagging hopper over denne sammenligningen og leser i stedet ut metadata fra hver tittel – volatilitetsindeks, tema, utbetalingstabellstruktur – og sammenligner deretter disse egenskapene med hva en konto har foretrukket tidligere (de to teknikkene kjører ofte side om side i stedet for at den ene erstatter den andre). Begge metodene sparer noen for å sitte der og grave seg gjennom hver eneste katalog for hånd.

Hvis man bryter det ned, går det gjennom omtrent fem trinn, som alle er ganske enkle:

1. Sesjonsdata, kategoripreferanser og hoppemønstre legges inn i modellen før noe blir rangert.
2. Individuelle profiler blir matchet mot titler knyttet til faktisk klikkhistorikk, ikke bare det som er generelt populært.
3. Ranger det riktig. Det meste av engasjementet et rutenett på hjemmesiden får, skjer i de første radene, noe som er en del av grunnen til at rangeringen har større vekt enn størrelsen på listen under den.
4. Nye klikk, hopp og fullførte økter blir innarbeidet som ytterligere treningsdata.
5. Nye utgivelser og endringer i spilleratferd blir innarbeidet i løpet av få minutter, i stedet for å vente på en planlagt oppdatering.

Slik ser bedre kuratering ut hos Vegas Stars

Mobilbesøk utgjør det meste av trafikken på et nettsted som Vegas Stars, og det endrer hva kuratering faktisk må gjøre for brukeren. En mindre skjerm har plass til kanskje seks eller åtte synlige ruter før man må bla, så det som ligger i den første synlige raden har enorm betydning, på samme måte som effekten av rutenettet på hjemmesiden som Netflix-forskningen peker på. Hvis den første raden blir feil, vil en spiller aldri se resten av biblioteket, uansett hvor god den underliggende matchingen er.

Så har vi bordspill med live-dealer, som legger til et helt nytt lag av kompleksitet. La oss si at du har et blackjack-bord med tre ledige plasser og en bruker som er interessert i å bli med; du må koble dem til på millisekunder, ikke sekunder brukt på å grave gjennom en avtalekalender. Du kan ikke bare trykke på «spill» på en reprise når plassen er opptatt. Timing er avgjørende her, i motsetning til et on-demand-videobibliotek, for når det live-bordet fylles opp, er muligheten borte for spilleren. Det er som en flerspiller-lobby i et hvilket som helst Call of Duty-spill eller annet lagspill du finner på PlayStation og Xbox.

Utbetalingshastigheten påvirker oppdagelsen også på en noe indirekte måte. Spillere som overfører penger via kryptovaluta eller e-lommebøker, har en tendens til å gå gjennom spilløkter raskere enn noen som må vente i flere dager på en bankoverføring. Dette gir en anbefalingsmotor mindre tid per besøk til å lære noe før den kontoen flytter seg til en annen plattform. Raskere innbetalinger betyr ofte en raskere vurdering av om lobbyen faktisk fungerte for den spilleren.

Å få til dette krever ekte ingeniørkunst. Det krever raske, responsive backend-systemer kombinert med et oppsett som er bygget for å samsvare med hvor spillerens fokus faktisk ligger.

Ansvarsfraskrivelse: Pengespill er en form for underholdning og innebærer en iboende risiko. Det bør ikke betraktes som en inntektskilde eller en finansiell strategi. Sats kun det du har råd til å tape, sett strenge grenser, og søk hjelp hvis pengespill påvirker deg. Deltakelse er begrenset til voksne over 18 år. Spill alltid ansvarlig.