אכלת פלפל? שתה מיץ: הדור הבא של המלצות התוכן ברשת

אך רוב הכלים הקיימים בשוק לא באמת מבינים את המשתמש, ורבים נתקלו בהמלצות תמוהות או בכאלה שלא מתאימות לסדר היום שלהם. "כלכליסט" מציג את הפיתוחים של העתיד, שיקראו אתכם טוב יותר ויידעו לאתר עבורכם את המסעדה או הספר שלא הכרתם.

המלצה על ספר לפי מסעדות אהובות

רוב מערכות ההמלצות בשוק מיועדות לאתרי סחר מקוון, אך בשנתיים האחרונות ניתן להבחין בשינויים במגמה הזו. ההתחזקות של שירותי חיפוש סלולרי ומוצרי מחשוב לביש מעלה את הדרישה למידע נגיש ומעובד גם למשתמש הפרטי.

מה עומד המשתמש לחפש? מערכות ניתוח התוכן יגלו איור: דניאל גולדפרב

אחת המערכות שדחפה קדימה את התפיסה הזו היא השירות הקולי סירי של אפל, סייעת אישית שלומדת את המשתמש ומתיימרת להכיר אותו טוב יותר ממה שהוא מכיר את עצמו. הסייעת האישית החדשה ביותר בשוק היא קורטנה של מיקרוסופט, שתיכלל בגרסאות הבאות של מערכת ההפעלה הניידת ווינדוס פון 8. הדס ביטרן, מנהלת צוות מוצר במיקרוסופט הרצליה, הדגימה את קורטנה בכנס ReCon של מיקרוסופט שעסק כולו במערכות המלצה. הייחוד של קורטנה הוא באספקת המלצות עמוקות, כשהמשתמש יכול לשלוט על המקורות שמהם שואבת המערכת את המידע.

ביטרן מסבירה: "ההמלצות של קורטנה הן לא רק מעולם אחד. היא לא תציג לך את חמשת הסרטים שאתה אוהב על בסיס היסטוריית הסרטים שראית, אלא תיקח את כל המידע שהיא יודעת עליך ותיצור פרופיל מפורט שמגיע מחיבור של הרבה עולמות תוכן". רוב מערכות ההמלצות היום הן ממוקדות נושא, כך שלקוח שמחפש ספרים יקבל המלצות על ספרים נוספים, ולא על מוצרים מעולמות תוכן שונים. עבור אתרי סחר מקוון, הדבר הגיוני. עבור סייעת אישית, זה פשוט לא טוב מספיק.

קורטנה של מיקרוסופט, מודגמת על סמארטפון נוקיה צילום: בלומברג

קורטנה, לעומת זאת, בונה סט תובנות על המשתמש - מהמוזיקה, הסרטים, הספרים והאוכל שהוא אוהב, ועד למקומות שבהם ביקר, מצב משפחתי וסוג אפליקציות מועדף. ההמלצות האלה יתחשבו גם במיקום של המשתמש ואף בשעה של היום. אם קורטנה תזהה שלמשתמש יש משפחה היא תמליץ על מסעדות משפחתיות לסוף השבוע ומסעדות אינטימיות יותר לשעות הערב במהלך השבוע. גישה שונה מזו של קורטנה מציעה המערכת של טאבולה הישראלית, שפיתחה את אחד ממנועי המלצות התכנים הפופולריים בעולם.

הדס ביטרן, מנהלת צוות קורטנה במיקרוסופט הרצליה צילום: נמרוד גליקמן

למעשה, רוב הכלים שמנסים לנחש את העדפות המשתמשים אינם מתבססים על למידה, אלא על מערכות שנבנו מראש ומנסות להבין את רצונותינו ללא הרף. "לכל חברה בעולם יש גישה אחרת בנושא ההמלצות", מסביר אדם סינגולדה, מנכ"ל החברה. לדבריו, רוב החברות כיום, כולל אמזון ופייסבוק, אינן מנסות לגבש תפיסה גמישה של המשתמש, אלא מנצלות כלים קיימים ואז מנסות להתאים את הנתונים שאספו לאלגוריתמים האלה.

האלגוריתמים, שבוחנים את היסטוריית הגלישה, רשימת החברים בפייסבוק והיסטוריית הרכישה, מבצעים אינספור חישובים שמנסים לפענח את המשתמש. לדברי סינגולדה, מדובר בבעיה. "אם אתה אדם יותר חברתי, אולי האלגוריתמים שמתאימים כדי לנתח את התנהגותך הם אלו שמסתכלים על הרשת החברתית שלך. אין כיום שיטה מנצחת אחת ואין אלגוריתם אחד שמבין בני אדם לעומק".

לדברי סינגולדה, הפתרון הוא במערכת שלומדת את המשתמש, את האתר ואת הרגלי הגלישה, כיוון שאליו שואפת המערכת של טאבולה. "המערכת המנצחת תדע לשלוף מהאינטרנט את הדברים שהכי יעניינו אותך, ותצליח בכל פעם שהיא תנסה. זו מערכת שלא מניחה כלום ולא יודעת שום דבר מעבר למידע שאתה נותן לה".

ההמלצות חייבות לכלול גם דעות מנוגדות

ד"ר אלעד יום-טוב ממרכז המחקר והפיתוח של מיקרוסופט ישראל מצביע על בעייתיות נוספת של מערכות ההמלצות הקיימות, ולדבריו הן יכולות ליצור גטו של דעות ועמדות. "למערכות המלצה היום לא אכפת ממך. הן לא מבינות אותך ורק מוצאות הקשרים, דבר בעייתי במיוחד בתחום של קהילות וחדשות. אנשים נוטים לקרוא דברים שהם מתעניינים בהם וזה גורם להטיית המערכת. ככל שתקרא יותר תכנים שמעניינים אותך, המערכת תמליץ עליהם יותר - אבל אז איך היא תדע להציג לך משהו חדש?". יום־טוב מסביר שלעתים קרובות גם הדרך שבה אנשים מחפשים תכנים וצורכים אותם משפיעה על התכנים שהם מקבלים.

כך למשל, נוצר פער בין אלו שמחפשים תכנים על חוק הבריאות החדש של אובמה: רפובליקנים מחפשים את "חוק הבריאות", ודמוקרטים מחפשים "אובמה-קר". מערכת ההמלצות מראה למשתמש תכנים נוספים שמתאימים למילות החיפוש שלו וכך הוא נחשף רק לדעות דומות. "זה הופך את עולם התוכן לצר מאוד. לדעתי זו בעיה: אתה צריך לדעת מה הצד השני חושב כדי לנהל דו-שיח אינטליגנטי". הפתרון, הוא מסביר, הוא לזהות נושאים בעלי רגישות פוליטית, ובמקרים אלו לא לספק למשתמש המלצות על פי היסטוריית גלישה ומונחי חיפוש, אלא לפי אופיו של התוכן.

ד"ר חגי רויטמן וצוותו, ממעבדות הפתרונות החכמים של IBM בחיפה, עובדים כמה שנים על הדור הבא של מערכות ההמלצה, שלדבריהם יהווה קפיצה משמעותית בדרך שבה מחשבים מבינים בני אדם.

עד כה, רוב מערכות ההמלצה היו שייכות לאחת משתי קבוצות: מערכות המנסות למפות את הקהל בכללותו (כמו רשימת המוצרים הנמכרים ביותר בכל קטגוריה באתרי מכירות מקוונות כמו אמזון), ומערכות המנסות למפות את הלקוח עצמו על פי היסטוריית הרכישה והגלישה שלו, ולספק לו המלצות אישיות. לכל אחת מהמערכות האלה יש יתרונות משלה.

מערכת למיפוי קהל אינה אישית ואינה מדויקת, אך היא כוללת מידע רב. "אתה מנסה להבין את הקהל, ואז לקרב את המשתמש הספציפי לקהל", תיאר רויטמן.

מערכות מהסוג השני, שמספקות המלצות אישיות, תלויות מאוד בכמות המידע שיש למערכת על הלקוח עצמו - ולפעמים מערכת כזו יכולה לספק המלצות גרועות מאוד, בעיקר בהתחלת הדרך.

רויטמן מציע פתרון חדש שמשלב בין שתי המערכות ומאחד את היתרונות של שתיהן. המערכת שהוא פיתח לומדת מה הקהל אוהב ובודקת כמה המשתמש הפרטי ייחודי לעומת הקהל. ככל שהמשתמש יותר ייחודי, המערכת תסתמך פחות על המלצות כלליות ויותר על המלצות ייעודיות.

המדד יכול לתת מענה, למשל, למצב שבו משתמש מעריץ סופר לא מוכר, אבל אוהב דווקא את הספרים הכי פופולריים של הסופר הלא מוכר, אך אינו אוהב את היצירות האזוטריות יותר שלו. "לא מספיק לדעת מה אתה אוהב", הסביר רויטמן, "כי יכול להיות שיש אנשים דומים לך שאוהבים דברים דומים. אבל יש גם אנשים שמתנהגים בצורה ייחודית".