Priporočila umetne inteligence v primerjavi s priljubljenimi vsebinami: kaj spodbuja večjo vključenost?

Uvod

Največje številke o vpletenosti lahko skrivajo preprost neuspeh: ljudje so kliknili, a niso našli ničesar, zaradi česar bi se splačalo ostati. Trendi hitro pritegnejo pozornost, priporočila pa obljubljajo relevantnost. Pravi preizkus je, katera pot uporabnikom pomaga narediti boljšo izbiro, ne da bi pri tem zapravljali čas ali najprej preizkušali njihovo potrpežljivost.

Odprete spletno stran, da bi našli eno stvar, nato pa deset minut klikate po predlogih, ki jih sploh niste nameravali prebrati. To je vpletenost, vendar morda ni koristna vpletenost. Priporočila umetne inteligence in seznami trendov ohranjajo ljudi v gibanju; težje vprašanje pa je, ali uporabnikom pomagajo najti tisto, zaradi česar so sploh prišli.

Ena lobija lahko podpira več vrst odkrivanja

Uspeh velike igralne lobby je odvisen od tega, ali lahko ljudje nekaj najdejo, ne da bi se izgubili v množici izbir. To je tukaj pravi problem vključenosti. Obiskovalec morda želi videti, kaj pritegne pozornost, brskati po vrstah iger ali pa iti naravnost k znanemu ponudniku, stran pa mora podpirati vsako od teh odločitev, ne da bi moral uporabnik za to kaj storiti.

Novozeelandska lobby vspletnem kazinutheCasiny je zgrajena okoli takšnega večplastnega odkrivanja. Njen stolpec »Popular« takoj izpostavi naslove, ki trenutno pritegujejo pozornost, medtem ko »Stevo’s Picks« ponuja ločeno, skrbno izbrano pot skozi katalog. »Pokies« in »Live« razdelita lobby po formatu, »Drops & Wins« pa promocijskim turnirskim vsebinam namenja lasten, jasen prostor, namesto da bi jih mešal v splošni tok.

Iskalna vrstica in filter po ponudnikih nato nadzor ponovno prepustita obiskovalcu. Kdor išče določen naslov, lahko preskoči glavne stolpce, medtem ko lahko drug uporabnik omeji izbiro v lobbyju na programsko opremo iz izbranega studia. Casiny zato obravnava odkrivanje kot del samega izdelka: trenutna priljubljenost pomaga pri prvi odločitvi, kuriranje ponuja smernice, neposredno filtriranje pa podpira tiste, ki že vedo, kaj želijo.

Ta kombinacija tržnikom ponuja boljše vprašanje za testiranje. Cilj ni zgolj štetje, kateri stolpec dobi največ klikov, ampak ugotovitev, katera pot posameznemu tipu obiskovalca pomaga priti do relevantne vsebine z najmanj ovirami.

Vedenjski signali ne razkrivajo vedno resničnega zanimanja

Klik dokazuje, da je nekdo nekaj odprl. Ne dokazuje pa, da mu je bilo všeč. Tudi čas gledanja je lahko zavajajoč, saj ljudje pustijo video teči, se zamotijo ali nadaljujejo z gledanjem nečesa, kar jim ni všeč.

Meta je to težavo preizkusila na Facebook Reels.Študija Meta Engineering iz leta 2026, ki sojo pripravili Senthil Rajagopalan in 11 soavtorjev, je ugotovila, da so prejšnje heuristike zanimanja dosegle le 48,3-odstotno natančnost. Ekipa je dodala neposredne povratne informacije iz anket v novicah, nato pa je preizkusila popravljeni model na več kot 10 milijonih uporabnikov. Natančnost se je povečala na 63,2 %, stopnja prepoznavanja pa je narasla s 45,4 % na 66,1 %, skupna vključenost pa se je povečala za 5,2 %.

Poučitev je jasna. Vedenje daje sistemu namige, vendar ti namigi niso enaki nameri. Oseba lahko klikne, ker je naslov nenavaden, ostane, ker se samodejno predvajanje nadaljuje, nato pa odide, ne da bi pridobila kaj koristnega.

Trendovska vsebina rešuje problem »hladnega zagona«

Prilagajanje deluje najbolje, ko sistem že nekaj ve o uporabniku. Obiskovalec, ki je na strani prvič, nima zgodovine klikov, nima shranjenih elementov in nima zaključenih sej, zato ima algoritem zelo malo podatkov, s katerimi lahko dela.

Trendovska vsebina to vrzel takoj zapolni. Uporablja agregirano aktivnost, kar pomeni, da lahko stran prikaže, kaj pritegne pozornost, še preden ve karkoli o osebi, ki jo gleda. To je koristno ob dogodku v živo ali novi izdaji, saj je trenutno zanimanje lahko bolj koristno kot stari profil preferenc.

Slabost je v začaranem krogu, ki ga lahko ustvari. Zgodnja vidnost prinaša klikov, ti kliki potisnejo element višje, višja pozicija pa prinaša večjo vidnost. Priljubljena vsebina lahko tako še naprej zmaguje, ker je bila že priljubljena.

Casiny zmanjša ta problem tako, da svoj razdelek »Priljubljeno« ohranja ob ločenih razdelkih »Pokies«, »Live« in »Drops & Wins«. Stran novim obiskovalcem še vedno omogoča hiter dostop do aktualnih iger, vendar kategorije preprečujejo, da bi priljubljenost postala edina pot skozi lobby. To pušča prostor za ljudi, ki že pred prihodom vedo, kakšno vsebino želijo.

Avstralski uporabniki še vedno želijo imeti nadzor nad odkrivanjem

Ljudje ne želijo vedno, da algoritem namesto njih sprejme odločitev. Iskanje ostaja koristno, ker je namera lahko natančna, še posebej kadar nekdo že pozna izvajalca, temo ali ponudnika, ki ga želi.

Raziskava YouGov iz julija 2025, v kateri je sodelovalo 4.017 avstralskih uporabnikov storitev za pretočno predvajanje glasbein ki jo je novembra 2025 objavil Spotify, je pokazala, da je 85 % uporabnikov zadovoljnih s svojo zmožnostjo odkrivanja nove glasbe. Raziskava je prav tako pokazala, da je 81 % uporabnikov menilo, da je avstralske izvajalce enostavno najti, pri generaciji Z pa se je ta delež povečal na 83 %, med milenijci pa na 84 %. Ločen vzorec YouGov Profiles je pokazal, da 42 % aktivno išče neodvisne ali manj znane izvajalce.

Ti podatki kažejo, da sistemi priporočil delujejo vzporedno z aktivnim odkrivanjem, namesto da bi ga nadomestili. Poslušalec lahko en dan sprejme osebno prilagojen seznam predvajanja, naslednji dan pa po imenu poišče lokalno glasbeno skupino.

Enako načelo se pojavlja tudi v Casinyjevem iskanju po imenih iger in filtru ponudnikov. Obiskovalec lahko preskoči glavne poti in neposredno zoži izbor v preddverju, kar vmesniku daje praktično rešitev, kadar trendovske vsebine ali izbrani predlogi ne ustrezajo trenutni nalogi.

Zadrževanje uporabnikov je težji preizkus kot naslednji klik

Takojšnjo vključenost je enostavno izmeriti. Zadrževanje uporabnikov je težje, saj gre za vprašanje, ali se je uporabnik po prvem obisku vrnil, pri čemer je ta rezultat odvisen od cene, časa ali številnih zunanjih dejavnikov.

Sopredsednik uprave podjetja Spotify Gustav Söderström jena dnevu vlagateljev podjetja Spotify maja 2026 podal najbolj jasen razlog za vlaganje v sisteme priporočil: »Zgodaj smo vlagali v strojno učenje kot gonilo zadrževanja uporabnikov«.

Ta izjava nariše koristno ločnico med pozornostjo in vrednostjo. Trendi naslov lahko pritegne prvi klik, vendar si sistem priporočil zasluži svoje mesto šele takrat, ko uporabniku tudi kasneje pomaga najti koristno vsebino.

Zadrževanje uporabnikov razkriva tudi slabo personalizacijo. Sistem, ki ponavlja iste teme, lahko sprva ustvari visoko stopnjo klikov, nato pa postane dolgočasen. Boljši preizkus je, ali se ljudje vračajo, raziskujejo tudi zunaj svojih običajnih izbir in opravijo nalogo, zaradi katere so prišli.

Kontrolirano testiranje ponuja tržnikom jasnejši odgovor

Ugibanje je slaba metoda za izbiro med personalizirano in trendovsko vsebino. Najbolj jasen odgovor prinese nadzorovano testiranje s primerljivimi ciljnimi skupinami, fiksnimi pozicijami na strani in jasnim časovnim oknom.

Orodja za A/B-testiranje pokrivajo platforme, ki se uporabljajo za primerjavo vpletenosti, konverzij in vedenja v različnih izkušnjah na straneh. Ta vrsta testiranja lahko pokaže, ali pas s priporočili spodbuja globljo uporabo ali zgolj privabi prvi klik.

Koristni kazalniki vključujejo:

• Stopnja klikov na vsaki poti
• Zaključek po kliku
• Uporaba iskanja po slabem priporočilu
• Vedenje pri skrivanju ali preskakovanju
• Ponovni obiski v določenem obdobju
• Konverzija ali zaključek naloge
• Raznolikost porabljene vsebine
• Rezultati za nove uporabnike v primerjavi z vrnjenimi uporabniki

Razdelitev ciljne skupine je pomembna. Trendi vsebine lahko prevladajo pri obiskovalcih, ki so na strani prvič, saj hitro odpravijo dilemo izbire, medtem ko se personalizirane vsebine lahko bolje obnesejo pri ponovnih obiskovalcih z jasno zgodovino obiskov. Testiranje obeh skupin skupaj lahko zakrije to razliko in vodi do napačne odločitve.

Tudi položaj na strani mora med testiranjem ostati nespremenjen. Prilagojeni pas, nameščen na vrhu, bo običajno premagal trendovski pas, skrit pod njim, vendar ta rezultat pove več o vidnosti kot o kakovosti priporočil.

Hibridno odkrivanje ponavadi zagotavlja najboljšo izkušnjo

Najboljši sistemi uporabnikom ponujajo več kot eno pot. Trendi vsebine zagotavljajo takojšnjo izhodiščno točko, medtem ko postane personalizirano razvrščanje bolj uporabno, ko sistem zbere dovolj zanesljivih podatkov. Človeško urejanje vsebine dodaja presojanje, neposredno iskanje pa ohranja nadzor v rokah uporabnika.

Ta kombinacija pomaga tudi takrat, ko priporočevalni sistem kaj zgreši. Obiskovalec lahko prezre predlagano vrstico, izbere kategorijo ali poišče določen element, namesto da bi zapustil stran.

Casinyjeva spletna, za mobilne naprave optimizirana glavna stran mora te možnosti ohraniti na zaslonih namiznih računalnikov, telefonov in tablic. Pasica »Priljubljeno«, izbrani predlogi in neposredno iskanje ostanejo uporabni le, če jih vmesnik ohranja lahko dostopne tudi na manjših zaslonih. Ker ni preverjene izvorne aplikacije, je izkušnja odvisna od tega, ali postavitev brskalnika deluje pravilno.

Tu se hibridno oblikovanje izkaže za koristno. Sistem lahko vodi uporabnike, ne da bi jih omejil na eno samo metodo razvrščanja, obiskovalec pa ima še vedno jasno pot, tudi če avtomatizirana izbira ni zadela želenega cilja.

Najboljši sistem je odvisen od trenutnega namena uporabnika

Trendovska vsebina deluje najbolje, ko je obiskovalec nov, ko je pomemben čas ali ko je del izkušnje skupna pozornost. Prilagojena priporočila postanejo močnejša, ko sistem razpolaga z zanesljivimi individualnimi podatki in upošteva več kot le prvi klik.

Najboljša zasnova za vključevanje uporabnikov ponuja ljudem smiselno izhodišče, se uči iz njihovih dejanj in jim kljub temu omogoča iskanje ali spremembo smeri. Zmagovalec ni en sam sistem; zmagovalna je zasnova, ki ustreza trenutnemu namenu uporabnika.

Igre na srečo so namenjene odraslim in morajo ostati oblika zabave. Nikoli jih ne smemo obravnavati kot vir dohodka, igralci pa naj uporabljajo le denar, ki si ga lahko privoščijo izgubiti.