Tech

Hoe slimme algoritmes de online ervaringen van mensen beïnvloeden

Slimme algoritmes bepalen ongemerkt grotendeels wat mensen online zien. Sociale media, streamingdiensten en webshops gebruiken datapatronen om te bepalen welke content als eerste verschijnt. Algoritmes analyseren klikken, kijktijd, zoekopdrachten en eerdere keuzes om te voorspellen wat iemand geboeid kan houden.

Gameplatforms maken gebruik van vergelijkbare patronen. Sommige platforms analyseren de soorten spellen die mensen kiezen en passen de aanbevelingen aan op basis van die gewoonten. Neem bijvoorbeeld platforms in de online casino Nederland -markt. Een speler die meer tijd besteedt aan gokkasten, zal meer titels in die categorie zien dan bijvoorbeeld kaartspellen.

Deze systemen zijn erop gericht opties te presenteren die aansluiten bij de gewoonten van een gebruiker. Deze aanpak bepaalt wat mensen dagelijks bekijken, kopen en waarmee ze interageren.

Algoritmen in streamingplatforms

Streamingplatforms zijn sterk afhankelijk van aanbevelingssystemen. Grote contentbibliotheken maken handmatig zoeken lastig. Netflix meldde ooit dat abonnees vaak binnen 60 tot 90 seconden hun interesse verliezen als ze niets vinden om te kijken. Algoritmen helpen die zoektijd te verkorten.

Amazon begon al in 1998 met het gebruik van aanbevelingssystemen. Netflix introduceerde zijn op algoritmes gebaseerde aanbevelingen in 2007, toen het nog dvd's verstuurde. Tegenwoordig gebruikt bijna elke grote streamingdienst zijn eigen systeem.

Deze platforms concurreren om kijktijd en abonneebehoud. Netflix, Disney+, Hulu en HBO Max gebruiken allemaal datamodellen om de kijktijd te verhogen en opzeggingen te verminderen. Als iemand in één week meerdere misdaadseries kijkt, plaatst het platform vergelijkbare titels bovenaan de homepage. Een kijker die een documentaireserie heeft afgekeken, ziet mogelijk andere informatieve programma's als volgende.

Het systeem past zich aan op basis van patronen. Kijkgeschiedenis, zoekgedrag en kijkduur beïnvloeden allemaal wat er vervolgens verschijnt.

De drie belangrijkste soorten aanbevelingssystemen

De meeste aanbevelingsmodellen voor streaming vallen in drie categorieën. Op inhoud gebaseerde systemen richten zich op de kenmerken van een titel. Metadata zoals genre, acteurs, thema's en trefwoorden helpen bij het matchen van vergelijkbare content. Een gebruiker die sciencefictionfilms kijkt, zal waarschijnlijk meer titels zien die in die categorie zijn getagd.

Collaboratieve filtering vergelijkt gebruikers met vergelijkbare kijkgewoonten. Als twee abonnees veel van dezelfde series kijken, kan het systeem titels van het ene account aan het andere suggereren. Deze methode is gebaseerd op groepsgedrag in plaats van individuele tags.

Op kennis gebaseerde systemen matchen itemkenmerken met opgegeven voorkeuren. Dit model werkt goed voor nieuwe gebruikers met weinig kijkgeschiedenis. Als een nieuw account tijdens de installatie drama en historische content selecteert, gebruikt het platform die input om de eerste aanbevelingen vorm te geven.

De meeste streamingdiensten combineren deze benaderingen. Hybride systemen stellen platforms in staat om aanbevelingen aan te passen naarmate er meer gebruikersgegevens beschikbaar komen.

Hoe Netflix zijn homepage-algoritmes structureert

Netflix heeft details gedeeld over hoe zijn homepage werkt. Meerdere rankingsystemen werken samen om te bepalen wat kijkers zien.

• De Personalized Video Ranker rangschikt titels binnen elke genre-rij. Twee gebruikers die dezelfde categorie bekijken, zien verschillende titels bovenaan staan op basis van hun eerdere kijkgedrag.
• De Top-N Video Ranker selecteert content voor de sectie 'Top Picks'. Deze rij markeert titels waarvan het systeem voorspelt dat een gebruiker ze binnenkort zal bekijken.
• De rij 'Trending' richt zich op populariteit op de korte termijn. Seizoensgebonden evenementen of grote releases kunnen van invloed zijn op wat daar verschijnt.
• De rij 'Continue Watching' schat in waar een gebruiker mogelijk naar terugkeert. Als iemand gisteren drie afleveringen van een serie heeft bekeken, verschijnt die serie meestal bovenaan.

Een systeem voor paginageneratie bepaalt welke rijen verschijnen en in welke volgorde. Elk bezoek kan er anders uitzien, omdat het systeem zijn voorspellingen bijwerkt.

Algoritmes in e-commerceplatforms

E-commerceplatforms gebruiken al lange tijd algoritmesystemen, lang voordat generatieve tools gangbaar werden. Deze systemen zijn gebaseerd op gebruikersgedrag, zoals zoekgeschiedenis, klikken, tijd doorgebracht op productpagina's en eerdere aankopen. Het doel is om producten zo te organiseren dat ze aansluiten bij wat een klant waarschijnlijk zal selecteren.

Amazon begon eind jaren negentig met het gebruik van aanbevelingssystemen. Hun model analyseert patronen bij miljoenen gebruikers. Als iemand zoekt naar hardloopschoenen en verschillende sportmerken bekijkt, zal de homepage vergelijkbare schoenen, kleding of accessoires gaan uitlichten. Het systeem reageert op waargenomen gedrag in plaats van op willekeurige selectie.

De productrangschikking verandert ook op basis van populariteit en vraag. Artikelen met meer interactie of hogere verkoopcijfers komen vaak hoger in de categorieresultaten te staan. Deze methode verhoogt de zichtbaarheid van producten die al veel activiteit vertonen.

Algoritmes en de toekomst van online winkelen

Kunstmatige intelligentie speelt een steeds grotere rol in de online detailhandel. Volgens een recent rapport van Capgemini gaf ongeveer 25 procent van de consumenten aan dat ze in 2025 generatieve AI-tools zouden gebruiken om te winkelen. Nog eens 31 procent gaf aan dat ze van plan zijn deze tools in de nabije toekomst te proberen.

Sommige klanten gebruiken chatbots om productsuggesties te ontvangen. Andere AI-systemen stellen virtuele assistenten in staat om prijzen te vergelijken of aankopen te voltooien. OpenAI kondigde plannen aan om gebruikers via ChatGPT goederen te laten kopen bij platforms zoals Etsy, Shopify en Walmart.

Tegelijkertijd hebben sommige bedrijven de toegang van externe AI-systemen beperkt om hun gegevens te beschermen. Amazon heeft de toegang van bepaalde crawlers beperkt om de controle over zijn productvermeldingen te behouden.

De meningen van consumenten blijven verdeeld. Algoritmes blijven online beslissingen beïnvloeden. Van streamingbibliotheken tot digitale winkels: gebruikersgedrag voedt systemen die voortdurend aanpassen wat er vervolgens verschijnt.