پایان دوران اسکرول بی‌هدف؛ نتفلیکس با AI Discover به جنگ خستگی مخاطب می‌رود

عبور از پارادوکس انتخاب؛ جراحی الگوریتم در اتاق فرمان نتفلیکس

برای مخاطبی که در عصر طلایی تلویزیون (Peak TV) زندگی می‌کند، بزرگترین چالش دیگر نبودِ محتوا نیست، بلکه «فلج تصمیم‌گیری» است. نتفلیکس (Netflix) به عنوان پیش‌قراول استریمینگ، سال‌هاست که با الگوریتم‌های پیشنهادی خود سعی در هدایت سلیقه مخاطب دارد، اما تب جدید AI Discover نشان‌دهنده یک تغییر پارادایم است. دیگر قرار نیست صرفاً بر اساس تاریخچه تماشای گذشته به شما سریال پیشنهاد شود؛ بلکه قرار است «مود» یا حال‌وهوای لحظه‌ای شما، موتور محرکِ پیشنهادهای بعدی باشد. این یعنی تبدیلِ یک تجربه تماشای منفعل به یک تعامل دوطرفه و زنده بین هوش مصنوعی و کاربر.

این لایه هوشمند جدید، فراتر از یک تغییر ظاهری در رابط کاربری است. نتفلیکس به وضوح دریافته که «بینج‌واچینگ» (Binge-watching) بدون هدف، منجر به خستگی مفرط مخاطب (Audience Fatigue) می‌شود. وقتی کاربر نیم ساعت را صرف اسکرول کردن در میان عناوین می‌کند تا چیزی برای تماشا بیابد، ریتم داستان‌گویی در ذهن او پیش از شروع سریال تخریب شده است. AI Discover با فیلتر کردن محتوا بر اساس معیارهایی مثل «چیزی برای خندیدن» یا «یک تماشای سریع»، سعی دارد این اصطکاک را به حداقل برساند و مخاطب را سریع‌تر به نقطه «پلی» برساند.

آزمایشگاه هوش مصنوعی در قلب پلتفرم؛ چرا نتفلیکس ریسک می‌کند؟

نتفلیکس در اعلامیه اخیر خود، AI Discover را به عنوان یک «آشپزخانه تست» (Test Kitchen) معرفی کرده است. این استراتژی شو رانرها و توسعه‌دهندگان محصول را به هم نزدیک می‌کند. در واقع، بازخورد کاربران در این تب، داده‌های خام ارزشمندی به اتاق نویسندگان و مدیران محتوایی می‌دهد. وقتی کاربر با استفاده از دکمه «Tune Your Recommendations» یک عنوان را حذف یا ذخیره می‌کند، در حال آموزش دادن به یک مدل زبانی است که درک بهتری از سلیقه بصری او پیدا کند. این یعنی در آینده، پیشنهادهای نتفلیکس نه بر اساس «مشابهت ژانری»، بلکه بر اساس «مشابهت روایی» و «آرک روایی مورد علاقه مخاطب» تنظیم خواهد شد.

این رویکرد آزمایشی، نشان‌دهنده هوشمندی فنی نتفلیکس است. آن‌ها نمی‌خواهند کل ساختار پلتفرم را با یک آپدیت ناگهانی زیر و رو کنند که باعث سردرگمی کاربران شود. در عوض، با ایجاد یک تب جداگانه با آیکون «نگین قرمز»، فضایی ایزوله ایجاد کرده‌اند که در آن هوش مصنوعی می‌تواند با کمترین ریسک، یادگیری ماشینی خود را به بلوغ برساند. این مدلِ توسعه، دقیقاً مشابه متدولوژی اتاق نویسندگان در سریال‌های پیچیده است؛ جایی که یک خط داستانی فرعی (Subplot) در یک اپیزود تست می‌شود و اگر بازخورد مثبت گرفت، در فصل‌های بعدی به محور اصلی داستان تبدیل می‌شود.

شخصی‌سازی در ترازِ کلیف‌هنگر؛ تغییر ریتم کشف محتوا

یکی از جذاب‌ترین جنبه‌های AI Discover، امکان انتخاب تم‌هایی مانند «scare me» یا «family movie night» است. این یعنی نتفلیکس به خوبی می‌داند که هویتِ کاربری که در یک شبِ کاریِ خسته‌کننده به دنبال یک کمدی سبک است، با همان کاربری که در تعطیلات آخر هفته به دنبال یک درامِ جناییِ چندلایه است، متفاوت است. هوش مصنوعی جدید نتفلیکس با درک این تفاوت‌های ظریف در مودِ کاربر، سعی دارد «ریتمِ داستان‌گویی در مدیوم تلویزیون» را با زمانِ در دسترسِ مخاطب هماهنگ کند.

اگر در گذشته نتفلیکس به دنبال این بود که شما را هرچه بیشتر در پلتفرم نگه دارد، اکنون به دنبال «کیفیتِ حضور» شماست. قابلیت جدید اجازه می‌دهد تا با گزینه «something different» به سرعت مسیر تماشا را تغییر دهید. این یعنی پلتفرم دیگر از «قفل شدن» روی یک الگوریتمِ ایستا هراس ندارد و به کاربر اجازه می‌دهد با یک کلیک، کلیف‌هنگرِ ناامیدکننده یک انتخاب اشتباه را پایان دهد. این انعطاف‌پذیری، دقیقاً همان چیزی است که پلتفرم‌های رقیب مثل اپل تی‌وی پلاس (Apple TV+) با تمرکز بر کیفیت بالای محتوا سعی در ترویج آن دارند.

چشم‌انداز آینده؛ آیا هوش مصنوعی جایگزینِ سلیقه انسانی می‌شود؟

با گسترش این قابلیت در دستگاه‌های تلویزیونی و نسخه‌های انگلیسی‌زبان، باید منتظر باشیم که نتفلیکس چگونه از این داده‌های رفتاری برای سفارش‌دهی پروژه‌های جدید استفاده می‌کند. اگر هوش مصنوعی تشخیص دهد که تقاضای بالایی برای «تماشای سریع» در مودهای خاص وجود دارد، احتمالاً شاهد تغییر در ساختارِ اپیزودیکِ سریال‌های آینده خواهیم بود؛ جایی که شو رانرها مجبور می‌شوند داستان‌ها را با ضرب‌آهنگ‌های متناسب با نیازهای لحظه‌ای مخاطب طراحی کنند.

بزرگترین سوال اما اینجاست: آیا این وابستگی به هوش مصنوعی باعث می‌شود سلیقه مخاطب در یک «حباب الگوریتمی» محصور شود؟ نتفلیکس برای مقابله با این موضوع، گزینه «something different» را قرار داده تا از تبدیل شدنِ پیشنهادها به تکرارِ مکررات جلوگیری کند. با این حال، به عنوان یک تحلیل‌گر، معتقدم که موفقیت نهایی این ابزار در گرو توانایی آن برای «شگفت‌زده کردن» کاربر است، نه فقط تکرار چیزهایی که قبلاً لایک کرده‌ایم. اگر AI Discover بتواند فراتر از پیش‌بینی‌های بدیهی عمل کند، می‌تواند به یکی از مهم‌ترین ابزارهای استراتژیک در جنگِ پلتفرم‌های استریمینگ تبدیل شود.