Aanbevelingen op basis van AI versus populaire content: wat zorgt voor meer betrokkenheid?

Inleiding

Achter de hoogste engagementcijfers kan een simpele mislukking schuilgaan: mensen klikten wel, maar vonden niets dat de moeite waard was om voor te blijven hangen. Trending-balken trekken snel de aandacht, terwijl aanbevelingen relevantie beloven. De echte test is welke route gebruikers helpt een betere keuze te maken zonder dat ze eerst hun tijd verspillen of hun geduld op de proef stellen.

Je opent een site om één ding te vinden, en bent vervolgens tien minuten bezig met het doorklikken van suggesties die je nooit van plan was te lezen. Dat is betrokkenheid, maar het is misschien geen nuttige betrokkenheid. Zowel AI-aanbevelingen als trendinglijsten houden mensen in beweging; de moeilijkere vraag is of ze gebruikers helpen te vinden waarvoor ze eigenlijk kwamen.

Eén lobby kan verschillende soorten ontdekkingen ondersteunen

Een grote gamelobby staat of valt met de vraag of mensen iets kunnen vinden zonder te verdrinken in het aanbod. Dat is hier het echte engagementprobleem. Een bezoeker wil misschien zien wat de aandacht trekt, bladeren op speltype of direct naar een bekende aanbieder gaan, en de pagina moet al die keuzes ondersteunen zonder dat de gebruiker er moeite voor hoeft te doen.

De Nieuw-Zeelandse lobby bijhet online casinotheCasiny is opgebouwd rond dat soort gelaagde ontdekking. De rubriek ‘Populair’ geeft direct een prominente plek aan titels die momenteel in de belangstelling staan, terwijl ‘Stevo’s Picks’ een aparte, samengestelde route door de catalogus biedt. ‘Pokies’ en ‘Live’ verdelen de lobby op basis van formaat, en ‘Drops & Wins’ geeft promotionele toernooicontent een eigen, duidelijke plek in plaats van deze te vermengen met de algemene feed.

De zoekbalk en het aanbiederfilter geven vervolgens de controle weer terug aan de bezoeker. Iemand die op zoek is naar een specifieke titel kan de hoofdbalken omzeilen, terwijl een andere gebruiker de lobby kan beperken tot software van een gekozen studio. Casiny beschouwt ontdekking daarom als onderdeel van het product zelf: de huidige populariteit helpt bij de eerste beslissing, curatie biedt begeleiding en direct filteren ondersteunt mensen die al weten wat ze willen.

Die combinatie geeft marketeers een betere vraag om te testen. Het doel is niet simpelweg te tellen welke rubriek de meeste klikken krijgt, maar te zien welke route elk type bezoeker helpt om met zo min mogelijk weerstand relevante inhoud te bereiken.

Gedragssignalen wijzen niet altijd op oprechte interesse

Een klik bewijst dat iemand iets heeft geopend. Het bewijst niet dat hij of zij het leuk vond. Kijktijd kan ook misleidend zijn, omdat mensen een video laten draaien, afgeleid raken of doorgaan met het kijken naar iets wat ze niet leuk vinden.

Meta heeft dat probleem getest op Facebook Reels. Uiteen onderzoek van Meta Engineering uit 2026, uitgevoerd door Senthil Rajagopalan en 11 co-auteurs, bleek dat de eerdere heuristieken voor interesse slechts een nauwkeurigheid van 48,3% bereikten. Het team voegde directe feedback via enquêtes in de feed toe en testte vervolgens het herziene model bij meer dan 10 miljoen gebruikers. De nauwkeurigheid steeg tot 63,2%, de recall klom van 45,4% naar 66,1% en de totale betrokkenheid nam met 5,2% toe.

De les is duidelijk. Gedrag geeft het systeem aanwijzingen, maar die aanwijzingen zijn niet hetzelfde als intentie. Iemand kan klikken omdat een kop opvallend is, blijven omdat de autoplay blijft draaien, en vervolgens vertrekken zonder iets nuttigs te hebben opgestoken.

Trending content lost het cold-start-probleem op

Personalisatie werkt het beste zodra een systeem iets over de gebruiker weet. Een nieuwe bezoeker heeft geen klikgeschiedenis, geen opgeslagen items en geen voltooide sessies, dus het algoritme heeft heel weinig om mee te werken.

Trending content vult die leemte onmiddellijk op. Het maakt gebruik van geaggregeerde activiteit, wat betekent dat de pagina kan laten zien wat aandacht trekt nog voordat het iets weet over de persoon die ernaar kijkt. Dat is nuttig rond een live-evenement of een nieuwe release, omdat actuele interesse nuttiger kan zijn dan een oud voorkeursprofiel.

Het nadeel is de vicieuze cirkel die hierdoor kan ontstaan. Vroege zichtbaarheid levert klikken op, die klikken duwen het item hoger in de ranglijst, en die hogere positie zorgt weer voor meer zichtbaarheid. Populaire content kan dan blijven winnen omdat het al populair was.

Casiny vermindert dat probleem door de rubriek ‘Populair’ naast aparte secties voor ‘Pokies’, ‘Live’ en ‘Drops & Wins’ te plaatsen. De pagina biedt nieuwe bezoekers nog steeds een snelle toegang tot actuele titels, maar de categorieën voorkomen dat populariteit de enige route door de lobby wordt. Dat laat ruimte over voor mensen die al bij aankomst weten welk type inhoud ze willen.

Australische gebruikers willen nog steeds controle over wat ze ontdekken

Mensen willen niet altijd dat een algoritme de beslissing voor hen neemt. Zoeken blijft nuttig omdat de intentie nauwkeurig kan zijn, vooral wanneer iemand al weet welke artiest, welk onderwerp of welke aanbieder hij of zij zoekt.

Uit het YouGov-onderzoek van juli 2025 onder 4.017 Australische streaminggebruikers, datin november 2025 door Spotify werd gepubliceerd, bleek dat 85% tevreden was over de mogelijkheid om nieuwe muziek te ontdekken. Ook bleek dat 81% aangaf dat Australische artiesten gemakkelijk te vinden waren; dit percentage steeg tot 83% onder Gen Z en 84% onder millennials. Uit een afzonderlijke steekproef van YouGov Profiles bleek dat 42% actief op zoek was naar onafhankelijke of minder bekende artiesten.

Deze cijfers laten zien dat aanbevelingssystemen een aanvulling vormen op actieve ontdekking, in plaats van deze te vervangen. Een luisteraar kan de ene dag een gepersonaliseerde afspeellijst accepteren en de volgende dag op naam naar een lokale band zoeken.

Hetzelfde principe komt terug in de zoekfunctie voor gametitels en het filter voor aanbieders van Casiny. Een bezoeker kan de hoofdpaden omzeilen en de lobby direct verfijnen, wat de interface een praktisch alternatief biedt wanneer trending content of samengestelde selecties niet aansluiten bij de huidige zoekopdracht.

Retentie is een zwaardere test dan de volgende klik

Onmiddellijke betrokkenheid is eenvoudig te meten. Retentie is moeilijker, omdat het gaat om de vraag of de gebruiker na het eerste bezoek is teruggekomen, en dat resultaat kan afhangen van de prijs, de timing of een tiental externe factoren.

Gustav Söderström, mede-CEO van Spotify, gaftijdens de Investor Day van Spotify in mei 2026 de duidelijkste reden om in aanbevelingssystemen te investeren: “We hebben al vroeg geïnvesteerd in machine learning als drijvende kracht achter retentie”.

Dat citaat trekt een nuttige scheidslijn tussen aandacht en waarde. Een trending kop kan de eerste klik binnenhalen, maar een aanbevelingssysteem verdient zijn plaats pas wanneer het iemand blijft helpen om later nuttige inhoud te vinden.

Klantbehoud legt ook slechte personalisatie bloot. Een systeem dat steeds dezelfde thema’s herhaalt, kan in het begin een hoge klikfrequentie opleveren, maar vervolgens saai worden. De betere test is of mensen terugkomen, verder kijken dan hun gebruikelijke keuzes en de taak voltooien waarvoor ze kwamen.

Gecontroleerd testen geeft marketeers een duidelijker antwoord

Giswerk is een slechte manier om te kiezen tussen gepersonaliseerde en trending content. Het duidelijkste antwoord komt voort uit gecontroleerde tests met vergelijkbare doelgroepen, vaste paginaposities en een duidelijk tijdsbestek.

A/B-testtools omvatten de platforms die worden gebruikt om betrokkenheid, conversies en gedrag te vergelijken tussen verschillende pagina-ervaringen. Dit soort tests kan aantonen of een aanbevelingsbalk tot intensiever gebruik leidt of slechts de eerste klik aantrekt.

Nuttige maatstaven zijn onder meer:

• Doorklikpercentage per spoor
• Voltooiing na de klik
• Zoekgedrag na een slechte aanbeveling
• Gedrag waarbij inhoud wordt verborgen of overgeslagen
• Herhaalde bezoeken binnen een bepaalde periode
• Conversie of voltooiing van een taak
• Diversiteit van de geconsumeerde inhoud
• Resultaten voor nieuwe gebruikers vergeleken met terugkerende gebruikers

De opdeling van de doelgroep is belangrijk. Trending content kan het beter doen bij nieuwe bezoekers omdat het de keuze snel wegneemt, terwijl gepersonaliseerde content beter kan presteren bij terugkerende gebruikers met een duidelijke geschiedenis. Het samen testen van beide groepen kan dat verschil verbergen en tot een verkeerde beslissing leiden.

Ook de positie op de pagina moet tijdens de test vast blijven. Een gepersonaliseerde aanbevelingsbalk bovenaan presteert doorgaans beter dan een trending-balk die eronder verborgen zit, maar dat resultaat zegt meer over de zichtbaarheid dan over de kwaliteit van de aanbevelingen.

Hybride ontdekking levert doorgaans de beste ervaring op

De sterkste systemen bieden mensen meer dan één route. Trending content biedt een direct startpunt, terwijl een gepersonaliseerde ranglijst nuttiger wordt zodra het systeem over voldoende betrouwbare gegevens beschikt. Menselijke curatie voegt een beoordelingselement toe, en direct zoeken houdt de controle bij de gebruiker.

Die combinatie helpt ook wanneer de aanbevelingsengine een fout maakt. Een bezoeker kan de voorgestelde balk negeren, een categorie kiezen of naar een specifiek item zoeken in plaats van de pagina te verlaten.

De browsergebaseerde, voor mobiel geoptimaliseerde lobby van Casiny moet deze keuzemogelijkheden behouden op desktop-, telefoon- en tabletschermen. De ‘Populair’-balk, de samengestelde selecties en de directe zoekfunctie blijven alleen nuttig als de interface ervoor zorgt dat ze op een kleiner scherm gemakkelijk bereikbaar blijven. Er is geen geverifieerde native app, dus de ervaring hangt af van het feit of de browserlay-out zijn werk goed doet.

Dit is waar hybride ontwerp zijn waarde bewijst. Het systeem kan mensen begeleiden zonder hen vast te pinnen op één rangschikkingsmethode, en de bezoeker heeft nog steeds een duidelijke route wanneer de geautomatiseerde keuze de plank misslaat.

Het beste systeem hangt af van de huidige intentie van de gebruiker

Trending content werkt het beste wanneer de bezoeker nieuw is, timing belangrijk is of gedeelde aandacht deel uitmaakt van de ervaring. Gepersonaliseerde aanbevelingen worden sterker zodra het systeem over betrouwbare individuele gegevens beschikt en meer meet dan alleen de eerste klik.

Het beste ontwerp voor betrokkenheid biedt mensen een logisch startpunt, leert van wat ze doen en laat hen toch zoeken of van richting veranderen. De winnaar is niet één systeem op zich; het is het ontwerp dat aansluit bij de huidige intentie van de gebruiker.

Gokken is bedoeld voor volwassenen en moet een vorm van vermaak blijven. Het mag nooit worden beschouwd als een bron van inkomsten, en spelers mogen alleen geld inzetten dat ze zich kunnen veroorloven te verliezen.