Проклятие «идеальной ленты»: как бизнес сам себя загнал в угол. Часть 1

Мы привыкли думать, что ИИ-рекомендации – это безусловное благо. Бизнес тоже думает так.

Долгое время предприниматели были уверены: чем точнее алгоритм угадывает желания, тем выше вовлечённость и продажи. Но маркетплейсы, соцсети и медиа по всему миру столкнулись с парадоксом: сверхточная персонализация убивает спонтанность, а вместе с ней – и прибыль.

⚙️ ИИ настолько точно подбирает контент, что пользователь оказывается заперт в «информационном пузыре» – бесконечной ленте из того, что ему уже нравится.

Чем это плохо? Падают три ключевые метрики.

🔵 Во-первых, растёт отток пользователей (Churn Rate).

По данным Harvard Business Review, повышение удержания клиентов всего на 5% увеличивает прибыль на 25-95%. Но есть и обратная сторона: когда пользователю становится скучно, он уходит.

Spotify и Netflix десятилетиями борются за Retention Rate, и их главный враг – не конкуренты, а предсказуемость контента. Так, у Netflix после перехода на новую рекомендательную систему пользователи стали чаще жаловаться, что «нечего смотреть» – при каталоге в тысячи тайтлов.

🔵 Во-вторых, падает частота повторных визитов.

Пользователь не уходит разом – он просто начинает заходить реже. Сначала раз в день, потом раз в неделю, потом забывает пароль.

Это смертельно, потому что на вовлечённости держится вся рекламная модель платформ. Netflix признаёт: 75% просмотров идёт с рекомендаций, но если эти рекомендации становятся предсказуемыми до зевоты, удержание летит вниз.

🔵 В-третьих, снижается глубина взаимодействия.

Человек кликает, но не вдумывается. Лента превращается в «белый шум» – её пролистывают по инерции.

Более того, алгоритмы, максимизирующие сиюминутный интерес, «могут застрять в неэффективных равновесиях», где знакомый контент вытесняет новый. В результате лента вся становится из уже просмотренных материалов или похожих на них на 99%.

И главное: падает LTV – пожизненная ценность клиента.

Рекламная модель платформ держится на времени, проведённом в приложении. Когда пользователь зависает на 10 минут вместо часа, рекламный инвентарь дешевеет, а ARPU (средний доход с пользователя) ползёт вниз.

❕ Это смертельно для бизнеса не потому, что контент плохой. Он может быть отличным. Проблема в другом: он предсказуемый до зевоты.

Элиас Ромм, сооснователь венчурного фонда Betaworks (ранние инвесторы Twitter, Tumblr, Giphy), ещё в 2023 году в интервью The Verge отмечал, что ставка на «идеального» рекомендательного робота обернулась тем, что мы потеряли «радость случайных находок» – тот самый эффект, который удерживает людей в продукте годами.

Как это лечится?

Исследователи из Массачусетского технологического института в 2023 году провели эксперимент на крупной социальной платформе и выяснили: добавление «умеренного шума» в рекомендации – то есть намеренное включение неочевидного, «левого» контента – увеличивает вовлечённость на 40%, а разнообразие потребляемого контента – на 70%.

Без этого шума пользователь быстро заскучает.

⚡️ Отсюда возникает парадокс: чтобы удержать человека, алгоритм должен иногда ошибаться.

А в следующей части рассмотрим, как это проблема возникла в российском сегменте бизнеса и что с ней делают наших технологические гиганты.

Коллеги, приглашаю на свой канал для погружения в инвестиции через призму IT и цифровизацию бизнеса, где еще больше актуальных новостей и моих разборов — t.me/+-a0sqZD702Y5MDQy и канал в МАХ max.ru/join/zufD-8BN8LHpjz788qsRV8AEpBjj2imDf6_uksr89tU