Нил Хант, директор по продукту Netflix, самого популярного онлайн-кинотеатра США, поделился исследованиями поведения клиентов, которые показывают, что среднестатистический пользователь тратит на выбор фильма или сериала от 60 до 90 секунд. За это время он либо находит то, что привлекло его внимание, либо теряет интерес и переключается на другое развлечение. Чтобы удержать пользователя на платформе, в дело вступает рекомендательная система. По данным компании, только 20% пользователей заранее знают, что хотят посмотреть, и находят фильм или шоу через поиск. Остальные 80% полагаются на выбор платформы.
Похожая система внедрена в работу многих сервисов и социальных сетей. Нам рекомендуют отели, посты, друзей, книги, фильмы, продукты.
Рекомендательная система сужает выбор из всего многообразия до десятка предложений, которые с большей вероятностью понравятся пользователю. В эпоху, когда ценится изобилие и многообразие, компании делают деньги на том, что максимально избавляют человека от необходимости выбирать и принимать решение. По данным Netflix, рекомендательная система позволяет экономить им около 1 миллиарда долларов. Сервис помогает пользователю определиться и, как результат, провести больше времени на платформе.
Как это работает?
Все начинается со сбора информации, которая в дальнейшем будет использоваться, чтобы лучше нас узнать, составить профиль и более точно предлагать нечто новое. Любое взаимодействие с платформой и представленными продуктами — база для выстраивания дальнейшей работы.
Пользователи оценивают рестораны, оставляют комментарии, делают покупки — все это данные, четко заявляющие о нашем выборе. Но порой гораздо больше о наших интересах говорит другое: каков был путь по сайту, история запросов, сколько раз проиграна песня, сколько времени ушло на чтение статьи, было ли видео просмотрено до конца. По мнению некоторых специалистов, объективность этих действий объясняется отсутствием мыслей о нашем образе в глазах других. Действуем не под давлением социума, а исходя из собственного интереса к представленному контенту. Сколько человек «на автопилоте» выставляет оценки отелю? А сколько — и, главное, зачем — заставят себя послушать нелюбимую песню десятки раз?
Дальше компания может уже выбрать один из нескольких путей работы с этими данными. Например, отталкиваться только от самого продукта, с которым взаимодействовал пользователь. Стоит купить книгу Достоевского «Бесы», и система предложит «Братьев Карамазовых» или пройтись по всему списку классики.
При другом варианте запускается механизм сравнения информации о клиенте с данными о поведении других пользователей, и уже на пересечении их интересов строятся рекомендации. Здесь тоже можно отталкиваться и от продукта, и от пользователей. Человек посмотрел «Унесенных призраками», при этом большинство из других посмотревших хорошо оценили и «5 сантиметров в секунду». Он-то и появится в следующий раз в рекомендациях. Можно отталкиваться и от пользователей, чье поведение максимально идентично. Понятно, что интересы никогда не совпадают на 100%. И как раз различия в действиях похожих людей — источник того, что можно рекомендовать парному пользователю. Наконец, можно совместить два метода воедино и выстроить более сложную систему рекомендаций.
Один из примеров сложной рекомендательной системы — принцип, по которому выстраивается работа «Инстаграма». Компания использует систему ранжирования, присваивая каждому посту внутренний балл по системе ценности в глазах выбранной аудитории. Учитывается все: как пользователь взаимодействует с контентом, столько времени проводит на платформе, как часто заходит, на какое число страниц подписан. Также оценивается содержимое поста. На основании многообразия этих данных выстраивается порядок постов в ленте и предложения в разделе рекомендаций. Сейчас компания приоткрывает принцип выбора постов, и под рекомендованным постом можно увидеть небольшое обоснование: на основе постов, которые вы лайкнули или сохранили, на основе того, на какие страницы подписаны.
Зачем это знать?
По некоторым оценкам за 2017 год, около 60% пользователей не знали не просто о принципах работы системы, но и о существовании в социальных сетях алгоритма как такового. Того самого алгоритма, что определяет, какова будет последовательность постов, какая реклама вылезет, какое видео предложат посмотреть следующим или какую страницу лайкнуть. И если в случае с e-commerce или в сфере развлечений, незнание приносит лишь риск потратить больше запланированного, в других случаях — есть риск застрять в пузыре своих привычных увлечений или спускаться все глубже в кроличью нору своих убеждений.
Так YouTube был назван одним из наиболее эффективных инструментов радикализации. Компания подсчитала, что 70% потребляемого контента — это предлагаемые видео одно за другим. Эффект рекомендательной системы платформы подобен привыканию или зависимости. Вовлеченность аудитории, главный источник доходов для компании, подкрепляется такими инструментами, как автоматическое воспроизведение следующего видео, приоритизация видео с громкими, противоречивыми названиями, постепенное повышение градуса контента.
Система настолько хорошо проводила человека по спирали интересов, что можно было начать с безобидного видео, например с новостного обзора или лекции на острую тему и шаг за шагом закончить на пропагандистском видео националистической организации. Или, например, в одну воронку с порнографическими видео могли попасть и безобидные, семейные съемки. И тут уже рекомендательная система ставила в зону риска не пользователя, а создателя контента. Видео с детьми, которые вне контекста весьма нейтральные. Но именно цепочка, в которой они попадаются, раскрывает подтекст и аудиторию, на которую таргетирует эти видео YouTube.
В результате компания объявила, что пересмотрела работу системы рекомендации контента. Сейчас платформа фокусируется на удовлетворенности пользователей и ограничивает распространение кликбейт видео, информация в которых противоречит уже доказанным фактам. Например, в YouTube все еще можно найти видео о том, что земля плоская или стоит на трех китах, но такие видео уже не выходят в предложениях «Следующее». Но нововведения коснулись лишь 1% видео. Компания старается обезопасить и детей, но самым эффективным методом все еще остается отказ от публикации видео.
Это тоже интересно: