Controlled Personalization in Legacy Media Online Services: A Case Study in News Recommendation
Este artigo do setor demonstra, por meio de um teste A/B em um grande portal de notícias norueguês, que a "personalização controlada", uma abordagem híbrida que combina curadoria editorial com seleção algorítmica, aprimora com êxito o engajamento do usuário e a diversidade de conteúdo, ao mesmo tempo em que preserva os valores jornalísticos.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine um jornal tradicional, como um bibliotecário local muito respeitado que vem curando histórias há mais de 160 anos. Este bibliotecário (a organização de notícias) possui um conjunto estrito de valores: ele quer garantir que todos leiam um pouco de tudo, desde política séria até esportes locais, para que toda a comunidade permaneça informada e conectada. Eles estão desconfiados de que "algoritmos" (robôs) assumam o controle, pois temem que o robô possa mostrar apenas as mesmas três histórias que você já gosta, criando uma "câmara de eco" onde você nunca ouve novas ideias.
Por outro lado, as empresas de tecnologia modernas (como o Google News) atuam como uma máquina de venda automática super-rápida. Elas sabem exatamente o que você quer comprar e entregam-no instantaneamente, mas não se importam com a "visão geral" da sua educação ou da saúde da comunidade.
O Experimento: A Receita de "Personalização Controlada"
Os pesquisadores deste artigo perguntaram: Podemos misturar esses dois mundos? Podemos manter os valores do bibliotecário enquanto usamos um pouco da velocidade da máquina de venda automática?
Eles testaram isso no Aftenposten, um grande jornal norueguês. Eles não deixaram o robô assumir o volante completamente. Em vez disso, criaram uma receita "controlada":
- A Mão do Bibliotecário (80%): O robô ainda precisava seguir as regras do bibliotecário. Ele priorizava notícias frescas, histórias populares e artigos selecionados manualmente pelos editores.
- O Empurrão do Robô (20%): O robô tinha permissão para sussurrar uma sugestão ao sistema: "Ei, este usuário específico gostou de artigos sobre esportes ontem, talvez mostremos este também."
Eles realizaram um teste de um mês (um teste A/B) onde metade dos leitores viu o método antigo (100% regras do bibliotecário) e a outra metade viu o novo método (80% bibliotecário + 20% robô).
O que Aconteceu? Os Resultados
Os resultados foram surpreendentemente positivos, mesmo com aquele pequeno empurrão de 20% do robô. Aqui está o que eles descobriram, usando analogias simples:
1. Encontrar a Agulha no Palheiro tornou-se mais fácil
- O Método Antigo: Os leitores precisavam rolar por uma longa lista de notícias (como folhear um enorme livro telefônico) para encontrar algo interessante.
- O Novo Método: Os leitores rolaram menos. Como o robô ajudou a trazer artigos relevantes mais rapidamente, os usuários encontraram o que queriam com menos esforço.
- O Resultado: As pessoas clicaram em mais artigos (um aumento de 14%), mas na verdade rolaram menos vezes para encontrá-los. Foi como se o bibliotecário começasse a entregar o livro que você estava procurando antes mesmo de você ter que pedir.
2. Sem Armadilhas de "Clickbait"
- Às vezes, quando você engana alguém para clicar em um link com um título chamativo, eles percebem que o artigo é chato e saem imediatamente. Isso é chamado de "clique cancelado".
- O Resultado: Embora as pessoas clicassem com mais frequência, elas não saíram mais rápido. Na verdade, elas gastaram um pouquinho mais tempo lendo os artigos. Isso prova que o robô não estava enganando-as; estava realmente ajudando-as a encontrar coisas que genuinamente queriam ler.
3. Quebrando a "Câmara de Eco"
- O Medo: Os bibliotecários temiam que o robô mostrasse apenas as mesmas histórias populares repetidamente aos usuários, ignorando tópicos de nicho.
- O Resultado: O oposto aconteceu! O robô realmente ajudou os usuários a descobrir uma maior variedade de tópicos.
- Diversidade: Os usuários clicaram em artigos de mais seções diferentes (como cultura, política e esportes) em vez de se ater apenas a uma.
- Popularidade: O robô ajudou artigos menos populares, de "nicho", a serem notados. Reduziu o viés em direção apenas aos sucessos "blockbuster".
- Analogia: Em vez de todos na praça da cidade falarem apenas sobre as mesmas três músicas populares, o robô ajudou as pessoas a descobrir um ótimo jazz e música clássica que elas não teriam ouvido de outra forma.
4. Funcionou para Todos
- Seja um usuário um "viciado em notícias" (lendo 50 artigos por dia) ou um "leitor casual" (lendo apenas alguns), o robô ajudou-os a encontrar conteúdo melhor. Até mesmo os leitores casuais, que normalmente apenas folheiam as manchetes, começaram a explorar tópicos mais diversos.
A Grande Conclusão
O artigo conclui que você não precisa deixar o robô assumir o controle completamente para obter os benefícios da personalização. Ao manter o "editor humano" no comando das grandes decisões (80%) e permitir que o robô lidasse com os pequenos toques pessoais (20%), o jornal alcançou um "ponto ideal".
Eles conseguiram:
- Tornar os usuários mais felizes e engajados.
- Ajudar os usuários a encontrar conteúdo relevante mais rapidamente.
- Crucialmente: Ainda defender seus valores jornalísticos, garantindo que os usuários vissem uma gama diversificada de notícias, evitando a armadilha de mostrar apenas o que eles já concordam.
Em resumo, o estudo mostra que a mídia tradicional (jornais tradicionais) pode adotar com segurança a tecnologia de personalização sem perder sua alma, desde que mantenham a "mão humana" firmemente no volante.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.