Чому iGaming має переосмислити персоналізацію
Персоналізація стала одним із найчастіше вживаних термінів у стратегії цифрових ігор, але, за словами генерального директора Jurnii Фрейзера Данка, вона також є одним із найменш точно вивчених. В інтерв'ю G3 він стверджує, що оператори занадто часто запозичують моделі персоналізації з електронної комерції та медіа, не враховуючи звичну, намірно-орієнтовану природу ігрової поведінки, створюючи непотрібну складність там, де ясність та послідовність часто призводять до кращих результатів.
Фрейзер, ви сказали, що про персоналізацію говорять надто загально. Коли оператори кажуть «персоналізація», що вони зазвичай мають на увазі, і з чим вони це плутають?
Я вважаю важливим почати з того, що персоналізація є однією з найважливіших концепцій у стратегії цифрового продукту, і iGaming не є винятком. Якщо її добре реалізувати, вона лежить в основі майже кожного значущого виміру ігрового досвіду, від того, як представлено контент, до того, як структуровані ігрові подорожі та розподілені пропозиції за часом.
Проблема полягає в тому, що сам термін став занадто широким. Тепер його використовують для опису всього: від цільових електронних листів та шляхів взаємодії з CRM до рекомендаційних систем на основі штучного інтелекту, управління VIP-персоналізацією та налаштування продуктів. Як тільки все стає «персоналізацією», слово починає втрачати свою корисність.
Тут задіяні різні типи: персоналізація контенту, персоналізація UX, персоналізація шляху користувача, персоналізація пропозицій та конфігурація продукту. Це різні проблеми, що потребують різних даних, різних можливостей та різних показників успіху, але галузь часто об'єднує їх в одну загальну концепцію.
Інший важливий момент полягає в тому, що оператори часто намагаються вирішувати проблеми, маючи неправильну інтерпретацію справжньої потреби користувача. Дослідження показують, що коли клієнти кажуть, що хочуть персоналізації, вони насправді мають на увазі релевантність та відсутність перешкод. Вони хочуть швидко та легко отримати те, чого хочуть. Вони не вимагають алгоритмічної складності як такої.
Де, на вашу думку, допускаються найбільші помилки в категоріях?
Одна з найбільших — це плутанина між явною та неявною персоналізацією. Явна персоналізація залежить від користувача. Саме тут гравці активно налаштовують свій власний досвід, чи то через уподобання, налаштування чи тип повідомлень, які вони хочуть отримувати. Неявна персоналізація залежить від системи. Саме тут платформа робить висновок про те, чого гравець може хотіти, на основі його поведінки, та відповідно адаптується.
В іграх ми набагато більше зосереджуємося на неявній стороні, ніж на явній. Частково це тому, що зростання штучного інтелекту та машинного навчання створило своєрідний цикл ажіотажу навколо можливого. Людей приваблює складність двигуна, а не відступають назад і не запитують, чи вирішують вони правильну проблему з самого початку.
Цікаво, що компанії, які найчастіше наводяться як доказ того, що неявна персоналізація працює, такі як Netflix та Spotify, значно інвестують у явні сигнали. Користувачі оцінюють речі, їм щось подобається, щось не подобається та створюють смакові профілі. Саме ці явні дані покращують неявні системи. В іграх ми схильні пропускати цей крок. Ми запускаємо моделі на основі історичної поведінки та сподіваємося, що цього достатньо для покращення залученості.
Я не розглядаю явне та неявне як один спектр. Я розглядаю їх як дві сторони однієї медалі. Найкращі системи рекомендацій покращуються завдяки явному введенню даних, але це та сфера, яку ігрова індустрія досі недостатньо використовує.
Як ви зазначили, ігри є звичним процесом і обмеженим у часі. Як ця реальність фундаментально обмежує цінність гіперперсоналізованого досвіду, коли гравець вже знає, чого хоче робити?
Багато досліджень, у яких я брав участь, включаючи етнографічну роботу та фокус-групи, вказують на той самий висновок: ігровий процес набагато більше звичний, ніж орієнтований на відкриття. Протягом більшості сесій, що повертаються, гравець намагається виконати завдання. Він хоче потрапити на ринок, зробити ставку або зіграти в гру, яку вже знає. Він не обов'язково перебуває в дослідницькому настрої.
Біхевіористика чітко стверджує про це. Як тільки поведінка стає звичною, мотивація та обмірковування значною мірою зникають, оскільки вона перетворюється на рутину. Тож, якщо хтось щовівторка ввечері заходить у систему, щоб пограти в одну й ту саму гру, поява рекомендацій у цей момент може працювати проти його психології, а не разом з нею.
Це не означає, що персоналізація не має жодної ролі, але її цінність зосереджена на дуже специфічних моментах життєвого циклу. Одним з них є адаптація до нових клієнтів. Іншим — реактивація. Запуск нових продуктів також може бути актуальним. Але застосування гіперперсоналізованого досвіду як постійного шару на кожному сеансі, незалежно від контексту, — це те, де галузь часто помиляється.
Коли персоналізація починає заважати користувачеві? Як виглядає надмірна персоналізація в середовищі казино з живими дилерами або букмекерських контор?
Це починає заважати, коли перериває процес замість того, щоб підтримувати його. Користувач у середовищі букмекерських контор під час гри або в контексті казино з живими дилерами зазвичай має високий рівень наміру та низьку толерантність до перешкод. Якщо йому доводиться проходити повз рекомендації, змінювати ієрархію контенту або макети лише для того, щоб дістатися до відомого пункту призначення, ви погіршуєте продукт в ім'я релевантності.
Існує ключова концепція UX, яка називається пошуком шляхів, і яка допомагає людям орієнтуватися та впевнено переміщатися по інтерфейсу. Користувачі покладаються на знайомі орієнтири та шаблони. Якщо порядок лобі змінюється щоразу, коли вони відвідують його, або навігація переходить від сеансу до сеансу, ці звичні шляхи порушуються.
Найбезпечніша модель — це статична структура з персоналізованим контентом всередині. Отже, компонент «рекомендовано для вас» може існувати у фіксованому місці, тоді як назви всередині нього змінюються. Це працює. Але коли сама архітектура починає рухатися, саме тоді персоналізація стає руйнівною.
Є гарний анекдот від Apple, коли вони представили перемішування на iPod. Система була справді випадковою, але користувачі скаржилися, що вона не відчувається випадковою, бо слухати одного й того ж виконавця двічі поспіль було неприємно. Apple довелося зробити перемішування менш випадковим, щоб воно відчувалося більш випадковим. Це корисне нагадування про те, що алгоритмічна логіка та людське сприйняття — це не одне й те саме. Персоналізація може бути технічно правильною, але на практиці все одно здаватися дещо дещо дивною.
Пошук часто відбувається поза платформою, а не на ній. Якщо це так, чи не надмірно інвестують оператори в персоналізацію на сайті, жертвуючи виправленням основних принципів UX?
У багатьох випадках так. Звичайно, це не унікально для ігор. У цифрових індустріях багато рішень про покупку та моментів відкриття відбувається ще до того, як користувач потрапляє на платформу. Це відбувається через колег, афілійованих осіб, пошук, соціальні мережі, лідерів думок та інші зовнішні канали.
В iGaming ця закономірність особливо сильна. Багато трафіку на сайт приходить із вже сформованим наміром. Гравець уже бачив гру, ринок чи бренд десь ще, і до моменту потрапляння на сайт він уже приблизно знає, що хоче робити – що створює проблему атрибуції. Системи рекомендацій на сайті можуть претендувати на визнання за взаємодію, яка могла відбутися незалежно від цього, просто тому, що контент з'явився в момент відвідування. Це може завищити видиму рентабельність інвестицій у персоналізацію на сайті. Насправді, значна частина цього наміру могла бути сформована повністю поза платформою.
Тож так, я вважаю, що існує ризик того, що оператори надмірно інвестують у рівні персоналізації, водночас недостатньо інвестуючи в фундаментальні аспекти. Якщо UX неінтуїтивно зрозумілий, якщо навігація не працює, якщо основні шляхи користувача слабкі, то жоден механізм рекомендацій не компенсує цього.
Багато стратегій персоналізації передбачають високоякісні поведінкові дані. Наскільки реалістичним є це припущення, враховуючи фрагментовані стеки даних, регуляторні обмеження та складність міжбрендового впровадження?
Чесно кажучи, для більшості операторів це припущення набагато менш реалістичне, ніж випливає з їхніх амбіцій. Проблема фрагментації має структурний характер. Гравці часто мають кілька облікових записів у різних брендах, тому будь-який оператор має лише часткове уявлення про поведінку цього клієнта.
Навіть у межах багатобрендових груп ці сигнали не завжди пов'язані. Якщо ви керуєте кількома брендами на одному ринку, ви можете не мати змоги об'єднати ці дані так, як це ідеально хотіла б система рекомендацій. У різних регіонах це стає ще складнішим, оскільки один і той самий профіль гравця може поводитися по-різному за різних регуляторних баз та різних пропозицій брендів.
Отже, база даних часто набагато слабша, ніж люди думають. Додайте до цього застарілі технологічні стеки, які ніколи не були розроблені для активації в режимі реального часу, і стане зрозуміло, що проблема інфраструктури така ж важлива, як і проблема даних. Створення справді повної картини намірів гравців надзвичайно складне в галузі, де поведінка фрагментована за задумом.
Згідно з вашим дослідженням, де персоналізація справді рухає справу вперед, а де вона здебільшого створює шум?
Найефективнішою формою персоналізації, яку коли-небудь існувала в індустрії, ймовірно, є VIP-менеджмент. Він глибоко персоналізований, але водночас людський, а не алгоритмічний. Хороші менеджери облікових записів знають своїх гравців, розуміють їхні вподобання та взаємодіють з ними у спосіб, який здається їм актуальним. З комерційної точки зору, це, мабуть, була найпотужніша форма персоналізації в іграх.
Іронія полягає в тому, що гравці, на яких найбільше спрямована алгоритмічна персоналізація, часто є тими, хто її найменше потребує. Гравці з найвищою цінністю зазвичай є тими, хто має найсильніші звички та найчіткішу впевненість у навігації. Вони вже знають, у що хочуть грати і як вони хочуть це робити.
Персоналізація може справді додати цінності в ті моменти життєвого циклу, коли намір ще не повністю сформований або вже зник. Одним із них є адаптація до ринку. Іншим — реактивація. Перехресні продажі можуть спрацювати в деяких контекстах. Це ті моменти, коли гравці більш відкриті до відкриттів.
Також існує комерційна проблема, яку часто не враховують. Система рекомендацій, яка оптимізує її за релевантністю, не те саме, що оптимізує її за бізнес-результатом. У вас може бути один заголовок, який має трохи вищий бал за релевантність, але інший — значно вищий GGR. Якщо модель оптимізує лише свій власний бал релевантності, комерційний результат стає другорядним. Його потрібно вбудовувати в систему з самого початку.
Як операторам слід думати про персоналізацію стосовно узгодженості UX? Чи є момент, коли адаптація досвіду підриває знайомство та довіру користувачів?
Абсолютно. Послідовність є передумовою для хорошого UX. Користувачі створюють ментальні моделі продуктів. Вони вивчають, де знаходяться речі, як працюють процеси та чого очікувати. Саме це дозволяє їм рухатися швидко та впевнено. Якщо персоналізація починає змінювати архітектуру між сеансами, користувачі платять за перенавчання щоразу, коли повертаються. Для постійних гравців це особливо шкідливо, оскільки це порушує впевненість та знайомість, на які вони покладаються.
Отже, на мою думку, правильна модель — це узгодженість структури та навігації з персоналізацією, що застосовується до контенту, а не до архітектури. Це зберігає зручність використання, водночас забезпечуючи релевантність. Є також практична перевага. Узгоджений UX легше тестувати, легше оптимізувати та легше вдосконалювати з часом. Якщо ви занадто радикально змінюєте інтерфейс від одного сеансу до наступного, стає набагато важче створити надійне уявлення про те, що насправді покращує продуктивність.
Штучний інтелект зробив персоналізацію простішою у впровадженні, але не обов'язково кращою. Чи ризикуємо ми автоматизувати неправильні припущення у великих масштабах?
Так, безумовно. Багато систем рекомендацій використовують алгоритми, які навчаються на попередній поведінці, а потім постійно виводять на поверхню те, що, здається, мало хороші результати. Ризик полягає в тому, що якщо ви не вимірюєте підвищення належним чином, ви створюєте цикл самореалізації. Контент з'являється, тому що він раніше мав хороші результати, потім він має хороші результати, тому що його знову вивели, і алгоритм інтерпретує це як доказ того, що він прийняв правильне рішення. У цей момент система не обов'язково вивчає справжні вподобання користувача. Вона вивчає власний сигнал.
Один із способів вирішення цієї проблеми — негативна вибірка, коли ви навмисно додаєте випадковий контент до набору рекомендацій як контрольний. Це дозволяє вам перевірити, чи нібито «рекомендований» контент справді перевершує той, з яким користувачі могли б взаємодіяти в будь-якому разі. Як не парадоксально, додавання певної випадковості може покращити загальну продуктивність, оскільки запобігає занадто вузькій та замкнутій моделі у власних припущеннях.
Ширший сенс полягає в тому, що ШІ посилюватиме будь-які припущення, які вже вбудовані в систему. Якщо логіка продукту недосконала, якщо дані неповні або якщо історичні закономірності вводять в оману, то ШІ просто швидше масштабуватиме ці проблеми.
Якби ви консультували оператора, який починає з нуля, що б ви порадили йому зробити правильно, перш ніж взагалі думати про розширені рівні персоналізації?
Виправити основи. Це було б перше повідомлення. Якщо помилки депозиту нечітко обробляються, якщо навігація ламається на мобільному пристрої, якщо гравець переходить з реклами та потрапляє не в те місце, якщо процес KYC створює зайві труднощі, це проблеми, які потрібно вирішити в першу чергу. Вони майже завжди матимуть вищу рентабельність інвестицій (ROI), ніж розширений рівень рекомендацій.
Друге – це гігієна даних. Зрозумійте, які дані у вас насправді є, якої вони якості, де є прогалини та чи справді вони придатні для того типу моделювання, який ви хочете використовувати. Це означає, що потрібно звертати увагу не лише на поведінку на платформі, але й на те, які зовнішні змінні можуть мати значення, будь то демографічні показники, календарі подій чи інші контекстуальні сигнали.
І по-третє, будьте дуже точними щодо того, що ви намагаєтеся персоналізувати. Контент, UX, пропозиції та шляхи взаємодії – це різні виклики з різними цілями. Якщо ви ставитеся до них як до однієї ініціативи, ви занадто розпорошуєте ресурси та не вирішуєте жодного з них належним чином.
Заглядаючи в майбутнє, чи вважаєте ви, що галузь повністю відмовиться від «персоналізації» як головної концепції? Якщо так, то що замінить її як більш чесне формулювання?
Я не думаю, що це відійде від персоналізації. Навпаки, я думаю, що вона стане ще більш центральною. Що змінюється, так це рівень, на якому відбувається персоналізація.
Сьогодні персоналізація здебільшого побудована на історичних поведінкових даних, сегментації та результатах, що передаються у відносно статичні інтерфейси. Гравець сприймає її як дещо покращений продукт, а не як окремий шар.
Що ШІ та LLM можуть змінити, так це сам інтерфейс. З часом, на мою думку, різниця між «продуктом» та «персоналізованою версією продукту» починає стиратися. Замість того, щоб переглядати статичний сайт і отримувати рекомендації, користувачі можуть все частіше взаємодіяти з більш розмовними, орієнтованими на наміри інтерфейсами, які реагують у режимі реального часу на те, що вони намагаються зробити.
Важко сказати, як швидко це станеться, особливо враховуючи регулювання, конфіденційність та комерційну реальність, коли деякі компанії вже відмовляються від певних інтеграцій LLM. Але, якщо говорити про напрямок, я думаю, що саме в цьому напрямку все рухається. Персоналізація не зникає в цьому світі. Вона просто стає невіддільною від самого інтерфейсу.
