Чи може штучний інтелект вирішити проблему надмірного вибору на платформах із великим обсягом контенту?

Вступ

Системи рекомендацій скорочують кількість виборів, які доводиться робити людині, і дані свідчать, що для платформи це має більшу цінність, ніж вважає більшість людей. Чи відбувається це за рахунок можливості натрапити на щось нове — це окреме питання, на яке також не так просто відповісти.

Стрімінгові додатки вимагають від користувача чимало зусиль у вівторок ввечері. Відкрийте будь-який із них — і вам доведеться переглянути цілу низку мініатюр, перш ніж натрапити на щось, що варто подивитися, припускаючи, що ви взагалі щось знайдете. Багато людей так і не знаходять. Банери змінюються, та сама жменька назв постійно з’являється знову, і в якийсь момент закриття додатка може здатися найпростішим виходом. Сайти казино, такі як Vegas Stars casino nz, стикаються з подібною проблемою з іншого боку: новий користувач входить у свій обліковий запис і бачить сотні незнайомих ігор, не маючи уявлення, з чого почати. Дослідники вже давно дали цьому явищу назву — «перенавантаження вибором», а платформи розглядають це як певну проблему з доходами.

Справжня цінність системи рекомендацій

Замініть систему рекомендацій Netflix на простий рейтинг популярності, і рівень залученості впаде на 12%, згідно з робочим документом SSRN від листопада 2025 року, підготовленим групою економістів, пов’язаних із компанією (троє авторів статті працюють безпосередньо в Netflix). Спробуйте замість цього модель матричного розкладу — крок назад від повної персоналізації — і втрата складе лише 4%. Помноживши це на базу передплатників у сотні мільйонів, ця різниця становить мільярди годин перегляду та гроші, які так чи інакше зрештою позначаються на показниках поновлення передплати.

Клаус Вертенброк не повністю переконаний, що персоналізація є однозначно позитивним явищем. Він викладає маркетинг в INSEAD і є співавтором статті, в якій ставиться під сумнів те, наскільки велике значення люди взагалі надають алгоритмічним рекомендаціям. «Ми зі співавторами застерігаємо споживачів від надмірної залежності від алгоритмів штучного інтелекту під час вибору контенту», — зазначив Вертенброк у статті, намагаючись спонукати людей ще раз задуматися про упередження. Він висловив сподівання, що рекомендації сприйматимуться саме як те, чим вони є, — не як офіційне схвалення, а просто як порада.

Це пов’язано з упередженням популярності. Коли достатньо акаунтів уже переглядають певну програму, це може стати сигналом для моделі рекомендувати цю програму іншим (безпечніше рекомендувати існуючий хіт, ніж щось невідоме), і в результаті невелика аудиторія зменшується з кожним наступним циклом, зрештою зникаючи з поля зору тих, хто не шукає цей контент активно. Економісти використовують поняття «ефекту збагачення багатих», щоб пояснити цей процес. Це має наслідки для індексації пошукових систем та стрічок соціальних мереж — скрізь, де алгоритми неявним чином використовують популярність як показник для оцінки якості.

Netflix та INSEAD зрештою дійшли одного й того самого висновку, але їхні шляхи до нього були різними. Хоча вони мали справу з абсолютно різними даними з різних галузей, вони виявили, що основна причина, через яку користувачі залишаються, зазвичай однакова. Бібліотеки, що розширюються, але не покращують якість уже наявних пропозицій, мають тенденцію накопичувати непотріб і стають неефективними у залученні нових користувачів або утриманні існуючих.

Алгоритми погано справляються з «щасливими випадками»

Історія кліків, час перебування на сторінці та пошукові запити становлять основу більшості пошукових систем. Вони покладаються на ці цифрові сліди, щоб пропонувати більше того, що ви вже дивилися або в що грали. З точки зору задуму розробників це має сенс. Але, з іншого боку, існує ймовірність, що вам ніколи не покажуть саме таку пропозицію. Причина цього дещо прихована: ви ніколи не виявляли інтересу до цього, оскільки вам ніколи не пропонували це. Раніше, до появи систем рекомендацій та штучного інтелекту, це був маркетинг «з вуст у вуста». Коли ваш брат чи сестра давали вам мікстейп із лише кількома треками, і раптом ви відкривали для себе цілий новий піджанр, навіть не шукаючи його.

Тип контенту	Стандартна взаємодія	Кураторська взаємодія	Ключові спостереження
Хіти, що мають широку привабливість	Вже висока	Практично не змінюється	Ці видання знаходять завдяки лише своїй популярності
Каталог середнього рівня	Загублені, їх легко пропустити	Помітно піднімається	Саме тут кураторство справді окупається
Нішеві видання	Майже непомітні	Трохи покращується	Навіть ефективне таргетування має свої межі

Суто на основі даних важко самостійно виявити такі несподівані та цікаві пропозиції. Такий сайт, як Vegas Stars, управляє великим каталогом, наповненим картковими іграми, слотами з високою волатильністю та живими дилерами, які працюють цілодобово. Очевидно, що для впорядкування такої бібліотеки потрібна певна організація. Алгоритм машинного навчання дбає про математичну основу, а розумний дизайн користувацького інтерфейсу та продукту довершує завдання. Якщо користувач створює новий обліковий запис без будь-якого попереднього досвіду, штучний інтелект та добре продумані категорії контенту роблять свою справу. Така організація платформи гарантує, що перелік ігор не буде перевантаженим.

Правильна курація має велике значення

Ті, хто вперше заходить на Vegas Stars, бачать близько 200 окремих ігрових плиток, за якими поки що немає жодної історії кліків. Багато старих систем рекомендацій обробляють цю «чисту дошку» застарілим способом, головним чином тому, що ніхто не створював їх з урахуванням такого сценарію. Деякі з них в результаті повторюють одну й ту саму жменьку жанрів, доки все на екрані не починає зливатися в одне ціле. Кращі системи намагаються зробити щось складніше: відстежують, що вже подобається гравцеві, а потім час від часу вставляють гру, яка виходить за межі цього шаблону, просто щоб перевірити, що приживеться.

• Кількість кліків і тривалість сеансу розповідають про гравця більше, ніж будь-яке опитування.
• Тисячі облікових записів порівнюються між собою за допомогою колаборативної фільтрації, шукаючи збіги в тому, що було зіграно або пропущено.
• Волатильність та ігрова механіка зчитуються безпосередньо з ігрових файлів, тому стиль гри відповідає даним, а не припущенням.
• Зміна настрою посеред сесії також фіксується — це те, що статичний профіль просто пропустив би.

Інженери мають назву для цього початкового сценарію — нового облікового запису, у якому ще немає жодних даних: проблема «холодного старту». Деякі системи вирішують її, за замовчуванням пропонуючи новим користувачам те, що користується широкою популярністю, доки не накопичиться достатньо даних про поведінку для належної персоналізації. Інші ж замість цього задають кілька вступних запитань, обмінюючи дещо незручнішу реєстрацію на швидкий старт у підборі ігор. Жодне з цих рішень не є ідеальним, але обидва кращі, ніж показувати 200 ігор навмання й сподіватися, що щось припаде до душі.

Дві методики виконують основну частину сортування, коли ви починаєте переглядати весь контент. По-перше, колаборативна фільтрація визначає показник схожості між одним обліковим записом і тисячами інших, порівнюючи назви, на які натискали, які відтворювали або навіть «пропускали» спільно. Тегування на основі контенту оминає це порівняння і замість цього зчитує метадані з кожного заголовка — індекс волатильності, тему, структуру таблиці виплат — а потім зіставляє ці атрибути з тим, що користувач віддавав перевагу раніше (ці дві методики часто працюють паралельно, а не одна замінює іншу). Будь-який із цих методів позбавляє користувача необхідності сидіти й вручну перебирати кожен каталог.

Якщо розкласти цей процес на етапи, він складається з п’яти кроків, кожен з яких досить простий:

1. Дані сеансів, категорійні вподобання та шаблони пропусків вводяться в модель ще до того, як відбувається будь-яке ранжування.
2. Індивідуальні профілі зіставляються з іграми, пов’язаними з фактичною історією кліків, а не лише з тими, що користуються широкою популярністю.
3. Правильний рейтинг. Більша частина взаємодії з сіткою головної сторінки відбувається в перших кількох рядках, що є однією з причин, чому порядок рейтингу має більшу вагу, ніж розмір списку під ним.
4. Нові кліки, пропуски та завершені сесії враховуються як додаткові навчальні дані.
5. Нові релізи та зміни в поведінці гравців враховуються протягом декількох хвилин, замість того, щоб чекати на заплановане оновлення.

Як виглядає покращений підбір контенту на Vegas Stars

Мобільні сесії становлять більшу частину трафіку на таких сайтах, як Vegas Stars, і це змінює те, що курація насправді має робити для користувача. На невеликому екрані вміщується, можливо, шість-вісім видимих плиток, перш ніж доведеться прокручувати, тому те, що розміщується в першому видимому рядку, має надзвичайно велике значення — подібно до ефекту сітки на головній сторінці, на який вказують дослідження Netflix. Якщо неправильно підібрати цей перший рядок, гравець ніколи не побачить решту бібліотеки, незалежно від того, наскільки якісним є підбір контенту.

Крім того, є настільні ігри з живим дилером, що додає цілком новий рівень складності. Припустимо, у вас є стіл для блекджеку з трьома вільними місцями та користувачем, який хоче приєднатися; вам потрібно з’єднати їх за мілісекунди, а не за секунди, витрачені на пошук у календарі зустрічей. Не можна просто натиснути «відтворити» на повторі, коли місце вже зайняте. На відміну від бібліотеки відео на замовлення, тут важливий час, адже щойно цей стіл із живим дилером заповнюється, для гравця можливість втрачається. Це схоже на багатокористувацьке лобі в будь-якій грі серії Call of Duty чи іншій командній грі, яку можна знайти на PlayStation та Xbox.

Швидкість виплат також дещо опосередковано впливає на процес пошуку. Гравці, які переказують гроші за допомогою криптовалюти або електронних гаманців, зазвичай швидше змінюють сесії, ніж ті, хто чекає на банківський переказ кілька днів, що залишає системі рекомендацій менше часу на кожне відвідування, щоб щось дізнатися, перш ніж цей акаунт перейде на іншу платформу. Швидше надходження грошей зазвичай означає швидше рішення щодо того, чи справді лобі підійшло цьому гравцеві.

Щоб це реалізувати, потрібні справжні інженерні рішення. Це вимагає швидких, чуйних серверних систем у поєднанні з макетом, розробленим з урахуванням того, на що насправді зосереджується увага гравця.

Застереження: Азартні ігри є формою розваги та несуть в собі певний ризик. Їх не слід розглядати як джерело доходу або фінансову стратегію. Робіть ставки лише на ті суми, які можете дозволити собі втратити, встановлюйте суворі обмеження та звертайтеся за допомогою, якщо азартні ігри негативно впливають на вас. Участь обмежена особами віком від 18 років. Завжди грайте відповідально.