Алгоритмы рекомендаций обещают нам идеальный мир: нажал кнопку — получил то, что точно понравится.
Но на практике всё выходит иначе. Мы листаем подборки, пропускаем советы, раздражаемся на «похожие» игры, фильмы или треки, которые не похожи совсем.
Возникает вопрос: почему технологии, которые знают о нас так много, всё равно часто промахиваются?
Разбираемся!
1. Алгоритмы смотрят на прошлое, а не на настроение
Большинство рекомендательных систем анализируют историю:
что вы играли, что покупали, на что кликали.
Но наша жизнь — не история просмотров.
Сегодня хочется расслабиться, завтра — встряхнуться, послезавтра — погрузиться в сюжет.
Алгоритмы же считают, что если вы прошли три шутера, значит, вам нужен четвёртый.
Они не понимают, что вы сыграли их месяц назад, и сейчас ваш запрос совсем другой.
2. Любой алгоритм — это статистика, а не ощущение
Рекомендательная модель оценивает объекты по признакам:
жанр, рейтинг, длительность, возраст аудитории.
Но то, что мы называем «атмосферой», «вибрацией», «настроением» — вещи, которые нельзя измерить меткой.
Поэтому спокойно может случиться такое:
- вы ищете тёплую уютную игру — а вам дают мрачный детектив,
- просите что-то эмоциональное — а вам подсовывают экшен ради экшена.
Статистика просто не умеет понимать тонкие ощущения, которые обычно и определяют наш выбор.
3. Алгоритмы подчинены популярности
Большинство моделей в первую очередь продвигает то, что уже популярно.
Это безопасно: такие рекомендации дадут «средний» результат и не отпугнут пользователей.
Но популярное — не всегда подходящее.
Иногда хочется маленькую историю, инди-игру, тихое переживание, а не глобальный хит, который стоит на каждом билборде.
Объективно хорошие игры — не всегда ваши игры.
4. Алгоритм не знает контекст: где вы, с кем вы, что у вас в голове
Рекомендации работают в вакууме:
они видят данные, но не видят человека.
Им неизвестно, что:
- вы устали после экзаменов,
- едете домой ночью и хотите чего-то атмосферного,
- ищете игру для сестры,
- просто хотите забыться.
Контекст может полностью менять запрос — и это то, что алгоритмы пока почти не учитывают.
5. Алгоритм не понимает свободной речи
Большинство сервисов ждёт от пользователя структурированный запрос:
жанр, платформа, система, длительность, бюджет.
Но люди так не думают.
Мы формулируем желания живым языком:
- «хочу игру, как тёплый плед»
- «что-то спокойное, чтобы голова отдыхала»
- «что-то, что вернёт ощущение подростковой дружбы»
- «мрачный сюжет, который держит за горло»
Алгоритмам сложно перевести такие фразы в точные рекомендации — поэтому они и ошибаются.
6. Мы — не формулы. Мы меняемся
Настроение, опыт, даже время суток могут радикально влиять на то, что хочется сейчас.
Алгоритмы статичны. Люди — нет.
Поэтому всё ещё нужен подход, который умеет слушать не историю кликов, а смысл запроса.
Не то, что «теоретически может понравиться», а то, что подходит сейчас.
Итог
Алгоритмы рекомендаций ошибаются не потому, что они плохие.
Они просто не понимают главное — нас.
Наши переживания, усталость, ожидания, настроение, желание спрятаться или наоборот почувствовать что-то острое — этого нет в их формулах.
Именно поэтому будущее рекомендаций — не в жанрах и не в статистике.
А в сервисах, которые могут читать живую речь и видеть за словами эмоциональный запрос.
Когда технология начинает понимать, что вы чувствуете — рекомендации перестают быть случайностью.