AI-anbefalinger kontra populært innhold: Hva gir best engasjement?

Innledning

De høyeste engasjementstallene kan skjule en enkel feil: folk klikket, men fant ikke noe som var verdt å bli værende for. Trending-ruter fanger raskt oppmerksomheten, mens anbefalinger lover relevans. Den virkelige testen er hvilken vei som hjelper brukerne å ta et bedre valg uten å kaste bort tiden eller sette tålmodigheten på prøve først.

Du åpner en nettside for å finne én ting, og bruker deretter ti minutter på å klikke deg gjennom forslag du aldri hadde tenkt å lese. Det er engasjement, men det er kanskje ikke nyttig engasjement. Både AI-anbefalinger og lister over trender holder folk i gang; det vanskeligere spørsmålet er om de hjelper brukerne med å finne det de faktisk kom for.

Én lobby kan støtte flere typer oppdagelser

En stor spillobby står og faller på om folk kan finne noe uten å bli begravd under et hav av valgmuligheter. Det er det virkelige engasjementsproblemet her. En besøkende vil kanskje se hva som vekker oppmerksomhet, bla gjennom etter spilltype eller gå rett til en kjent leverandør, og siden må støtte hver av disse beslutningene uten at brukeren må jobbe for det.

Lobbyen for New Zealand hosnettcasinoet theCasiny er bygget opp rundt denne typen lagdelt oppdagelse. «Popular»-ruten fremhever umiddelbart titler som får oppmerksomhet akkurat nå, mens «Stevo’s Picks» tilbyr en egen kuratert rute gjennom katalogen. «Pokies» og «Live» deler opp lobbyen etter format, og «Drops & Wins» gir kampanjeinnhold fra turneringer sin egen tydelige plass i stedet for å blande det inn i den generelle feeden.

Søkefeltet og leverandørfilteret gir deretter kontrollen tilbake til besøkende. En som leter etter en bestemt tittel, kan hoppe over hovedmenyene, mens en annen bruker kan begrense lobbyen til programvare fra et valgt studio. Casiny behandler derfor oppdagelsen som en del av selve produktet: aktuell popularitet hjelper med den første beslutningen, kuratering gir veiledning, og direkte filtrering støtter de som allerede vet hva de vil ha.

Denne kombinasjonen gir markedsførere et bedre spørsmål å teste. Målet er ikke bare å telle hvilken kategori som får flest klikk, men å se hvilken rute som hjelper hver type besøkende med å nå relevant innhold med minst mulig friksjon.

Atferdssignaler avslører ikke alltid ekte interesse

Et klikk beviser at noen åpnet noe. Det beviser ikke at de likte det. Seetid kan også være misvisende, fordi folk lar en video stå på, blir distrahert eller fortsetter å se på noe de ikke liker.

Meta testet dette problemet på Facebook Reels.En studie fra Meta Engineering i 2026, utført av Senthil Rajagopalan og 11 medforfattere, fant at de tidligere interessheuristikkene kun oppnådde en presisjon på 48,3 %. Teamet la til direkte tilbakemeldinger fra spørreundersøkelser i nyhetsstrømmen, og testet deretter den reviderte modellen på mer enn 10 millioner brukere. Nøyaktigheten steg til 63,2 %, gjenkjenningsgraden klatret fra 45,4 % til 66,1 %, og det totale engasjementet økte med 5,2 %.

Lærdommen er enkel. Atferd gir systemet ledetråder, men disse ledetrådene er ikke det samme som intensjon. En person kan klikke fordi en overskrift er merkelig, bli værende fordi automatisk avspilling fortsetter, og deretter forlate siden uten å ha fått noe nyttig ut av det.

Trendinnhold løser «cold-start»-problemet

Personalisering fungerer best når systemet allerede vet noe om brukeren. En førstegangsbesøkende har ingen klikkhistorikk, ingen lagrede elementer og ingen fullførte økter, så algoritmen har svært lite å gå på.

Trendinnhold fyller dette tomrommet umiddelbart. Det bruker samlet aktivitet, noe som betyr at siden kan vise hva som får oppmerksomhet før den vet noe om personen som ser på den. Dette er nyttig i forbindelse med en direktesendt begivenhet eller en ny utgivelse, fordi aktuell interesse kan være mer nyttig enn en gammel preferanseprofil.

Svakheten er den selvforsterkende effekten dette kan skape. Tidlig synlighet gir klikk, disse klikkene løfter elementet høyere opp, og den høyere plasseringen gir enda mer synlighet. Populært innhold kan da fortsette å vinne fordi det allerede var populært.

Casiny reduserer dette problemet ved å holde sin «Populære»-kolonne ved siden av separate seksjoner for spilleautomater, live-spill og «Drops & Wins». Siden gir fortsatt nye besøkende en rask vei inn til aktuelle titler, men kategoriene hindrer at popularitet blir den eneste veien gjennom lobbyen. Det gir rom for folk som vet hvilken type innhold de ønsker før de kommer inn.

Australske brukere ønsker fortsatt kontroll over oppdagelsen

Folk ønsker ikke alltid at en algoritme skal ta avgjørelsen for dem. Søk er fortsatt nyttig fordi intensjonen kan være presis, spesielt når noen allerede vet hvilken artist, hvilket tema eller hvilken leverandør de ønsker.

YouGovs undersøkelse fra juli 2025 blant 4 017 australske strømningsbrukere,publisert av Spotify i november 2025, viste at 85 % var fornøyde med muligheten til å oppdage ny musikk. Den viste også at 81 % sa at australske artister var enkle å finne, en andel som steg til 83 % blant Gen Z og 84 % blant millennierne. Et separat utvalg fra YouGov Profiles viste at 42 % aktivt søkte etter uavhengige eller mindre kjente artister.

Disse tallene viser at anbefalingssystemer fungerer ved siden av aktiv oppdagelse, snarere enn å erstatte den. En lytter kan godta en personlig spilleliste den ene dagen, for så å søke etter et lokalt band ved navn den neste.

Det samme prinsippet gjelder i Casinys søkefunksjon for spillnavn og leverandørfilter. En besøkende kan omgå hovedmenyene og avgrense lobbyen direkte, noe som gir grensesnittet en praktisk løsning når populært innhold eller kuraterte valg ikke passer til den aktuelle oppgaven.

Kundefastholdelse er en vanskeligere test enn neste klikk

Umiddelbar engasjement er lett å måle. Retensjon er vanskeligere fordi det handler om hvorvidt brukeren kom tilbake etter det første besøket, og dette resultatet kan avhenge av pris, tidspunkt eller en rekke eksterne faktorer.

Spotifys med-CEO Gustav Söderström ga den klareste begrunnelsen for å investere i anbefalingssystemerunder Spotifys Investor Day i mai 2026: «Vi investerte tidlig i maskinlæring som drivkraft for kundelojalitet».

Dette sitatet trekker en nyttig grense mellom oppmerksomhet og verdi. En populær overskrift kan vinne det første klikket, men et anbefalingssystem fortjener sin plass først når det fortsetter å hjelpe noen med å finne nyttig innhold senere.

Kundefastholdelse avslører også dårlig personalisering. Et system som gjentar de samme temaene, kan gi en høy klikkfrekvens i begynnelsen, men blir deretter kjedelig. Den beste testen er om brukerne kommer tilbake, utforsker utover sine vanlige valg og fullfører oppgaven de kom for å gjøre.

Kontrollerte tester gir markedsførere et klarere svar

Gjetning er en dårlig måte å velge mellom personalisert og populært innhold på. Det klareste svaret kommer fra kontrollerte tester med sammenlignbare målgrupper, faste sideposisjoner og et klart tidsvindu.

A/B-testverktøy dekker plattformene som brukes til å sammenligne engasjement, konverteringer og atferd på tvers av ulike sideopplevelser. Denne typen test kan vise om en anbefalingsrute gir dypere bruk eller bare tiltrekker seg det første klikket.

Nyttige mål inkluderer:

• Klikkfrekvens på hver bane
• Fullføring etter klikket
• Bruk av søkefunksjonen etter en dårlig anbefaling
• Atferd knyttet til å skjule eller hoppe over
• Gjentatte besøk innenfor en fast periode
• Konvertering eller fullføring av oppgave
• Mangfold i innholdet som konsumeres
• Resultater for nye brukere sammenlignet med tilbakevendende brukere

Målgruppedelingen er viktig. Trendinginnhold kan vinne hos førstegangsbesøkende fordi det raskt fjerner valgmulighetene, mens personalisert innhold kan gi bedre resultater for tilbakevendende brukere med en tydelig historikk. Å teste begge gruppene sammen kan skjule denne forskjellen og føre til feil beslutning.

Sidens posisjon må også forbli fast under testen. En personlig anbefalingsrute plassert øverst vil vanligvis slå en trendrute som er begravd under den, men dette resultatet sier mer om synlighet enn om kvaliteten på anbefalingene.

Hybrid oppdagelse gir vanligvis den beste opplevelsen

De beste systemene gir brukerne flere veier å velge mellom. Trending-innhold gir et umiddelbart utgangspunkt, mens personlig rangering blir mer nyttig når systemet har nok pålitelige data. Menneskelig kuratering tilfører skjønn, og direkte søk gir brukeren kontrollen.

Denne kombinasjonen hjelper også når anbefalingsmotoren tar feil. En besøkende kan ignorere den foreslåtte menyen, velge en kategori eller søke etter et bestemt element i stedet for å forlate siden.

Casiny sin nettleserbaserte, mobiloptimaliserte lobby må bevare disse valgene på tvers av skjermer på stasjonære datamaskiner, mobiltelefoner og nettbrett. «Populært»-ruten, kuraterte valg og direkte søk forblir nyttige bare når grensesnittet sørger for at de er lett tilgjengelige på en mindre skjerm. Det finnes ingen verifisert native-app, så opplevelsen avhenger av at nettleseroppsettet fungerer som det skal.

Det er her hybriddesign viser sin verdi. Systemet kan veilede brukerne uten å låse dem fast i én rangering, og den besøkende har fortsatt en klar vei å gå når det automatiserte valget ikke treffer blink.

Det beste systemet avhenger av brukerens aktuelle intensjon

Trendinnhold fungerer best når den besøkende er ny, når timing er viktig eller når delt oppmerksomhet er en del av opplevelsen. Personlige anbefalinger blir sterkere når systemet har pålitelige individuelle data og måler mer enn det første klikket.

Det beste engasjementsdesignet gir brukerne et fornuftig utgangspunkt, lærer av hva de gjør og lar dem likevel søke eller endre retning. Vinneren er ikke ett enkelt system; det er designet som samsvarer med brukerens aktuelle intensjon.

Spill er ment for voksne og bør forbli en form for underholdning. Det bør aldri behandles som en inntektskilde, og spillere bør kun bruke penger de har råd til å tape.