Apresentando o recomendador interativo
11 DE JUL ÀS 14:10 -
ACQUIRED TASTE
Hoje apresentamos um novo recomendador interativo como um dos recursos experimentais do
Laboratório Steam. Confira-o aqui:
https://store.steampowered.com/recommender/
Encontre jogos que vai adorar no Steam
Um dos pontos fortes do Steam é o seu enorme catálogo, contando com grandes jogos de desenvolvedoras grandes e pequenas, passando por quase todos os gêneros. Com tanta coisa para escolher, muitos usuários já comentaram que gostariam de ferramentas melhores para ajudar a encontrar jogos interessantes. Embora recursos já existentes na loja (como a busca por marcadores) possam funcionar, achamos que podemos fazer ainda melhor usando aprendizagem de máquina para fornecer recomendações personalizadas de acordo com os padrões de jogos de cada usuário. Agregando ainda controles em tempo real para ajustar os resultados, o recomendador é uma ferramenta divertida e poderosa para explorar o Steam e encontrar jogos que você poderá adorar.
Como funciona
Por baixo deste novo recomendador está uma rede neural treinada para recomendar jogos de acordo com o histórico de cada usuário, além de outros dados relevantes. Treinamos o modelo com base nos dados de milhões de usuários do Steam e bilhões de sessões de jogos, dando-nos resultados que capturam as nuances de diferentes padrões de jogos e cobrem todo o nosso catálogo. O modelo é parametrizado de forma a permitir filtrar jogos lançados em um período de tempo específico e as suas popularidades. Esses parâmetros são expostos ao usuário, que pode selecionar se quer ver apenas lançamentos recentes ou incluir jogos lançados há uma década. De forma semelhante, é possível filtrar o catálogo para visualizar os jogos mais populares ou aqueles mais obscuros. Sejam quais forem os parâmetros definidos, os resultados serão sempre personalizados e relevantes para cada usuário.
Aprendizagem de máquina em toda a loja Steam
Ao contrário de abordagens mais tradicionais, não alimentamos o nosso modelo diretamente com informações sobre os jogos. Em vez disso, ele aprende sozinho sobre os jogos durante o processo de treinamento. Na verdade, a única informação compartilhada diretamente no processo é a data de lançamento, permitindo a filtragem por períodos de tempo específicos. Percebemos que usar a data de lançamento como parte do processo de treinamento do modelo proporciona resultados de melhor qualidade, ao invés de filtrá-la no resultado.
Vale observar que não usamos dados sobre marcadores ou o resumo geral de análises ao criar o modelo, o que significa que análises e marcadores por si só não afetam os resultados. O modelo infere as propriedades dos jogos aprendendo o que os usuários fazem, e não a partir de outros dados extrínsecos.
Permitimos que os usuários filtrem os resultados finais por marcadores, para que possam escolher o tipo de jogo que estão afim, mas isso não é parte do modelo em si.
Uma rede neural alimentada pela comunidade de jogadores do Steam
Uma alternativa é coletar todo tipo de informação sobre um jogo e então supor quais jogos são similares, recomendando-os em seguida. Porém, isso resulta em todo o tipo de distorções: não é porque você joga bastante Beat Sabe que só deveríamos recomendar jogos de ritmo em RV. O nosso modelo toma uma outra abordagem, ignorando boa parte das informações sobre um jogo, como gênero ou preço. Em vez disso, ele olha quais jogos você joga e quais jogos outras pessoas jogam, e então dá sugestões de acordo com as decisões de outras pessoas que jogam no Steam. A ideia é de que se jogadores com hábitos de jogo bem semelhantes aos seus tendem a jogar outro jogo que você ainda não experimentou, então aquele jogo provavelmente é uma boa recomendação.
Popularidade
Escolhemos "popularidade" por falta de um termo mais preciso, mas também pode ser visto como "modinha". Assim como livros, músicas ou filmes, há um espectro muito grande entre o que as pessoas procuram. Uma pessoa pode estar atrás dos jogos mais recentes e populares, enquanto outra pode querer exatamente o contrário: jogos interessantes e relevantes não necessariamente conhecidos. Achamos que essa ferramenta será útil para aqueles em ambos os extremos. Percebemos que, principalmente para aqueles que jogam muitos jogos, vasculhar por jogos de nicho pode ser uma ótima forma de encontrar pérolas escondidas.
Recomendações no Steam
Ao invés de introduzir grandes alterações nas recomendações personalizadas do Steam, estamos apresentando este novo recomendador como um experimento que os usuários podem testar. Isso nos ajudará a obter melhores informações de uso e evita alterações bruscas que podem ser frustrantes para usuários e desenvolvedores já acostumados ao Steam. Caso o recomendador interativo ou experimentos relacionados se mostrarem úteis, nos pronunciaremos antes de fazer grandes alterações na forma como o Steam recomenda produtos aos usuários. Os dados por trás das listas de jogos populares, lançamentos e tendências são diferentes dos da lista de descobrimento, deste novo recomendador e por aí vai. Vemos este novo recomendador interativo como mais um elemento de descobertas e estamos ansiosos para apresentar ainda mais formas de conectar os usuários a desenvolvedores e conteúdos interessantes.
Recomendações e novos jogos
Em um sistema como este, novos jogos passam pelo efeito do dilema do ovo e da galinha, conhecido como o problema da "partida a frio" ("cold start"). O modelo não pode recomendar jogos que ainda não têm jogadores, já que ele ainda não tem dados sobre eles. Mas até que consegue reagir rapidamente, e quando treinado novamente, já considera novos lançamentos após alguns dias. Com isso dito, não supera o poder da lista de descobrimento em encontrar conteúdo novinho em folha, portanto vemos esta ferramenta como uma adição aos mecanismos já existentes, ao invés de uma substituta.
Sem necessidade de otimizações de desenvolvedores
Algumas vezes, ferramentas automatizadas fazem com que os criadores foquem em se otimizar para "o algoritmo", e não para os seus usuários. Você pode se perguntar: "e cadê a diferença?". Bom, idealizamos o recomendador para analisar o que os jogadores fazem, e não os elementos extrínsecos como marcadores ou análises. A melhor forma que um desenvolvedor pode aperfeiçoar para este modelo é fazendo um jogo que as pessoas gostem de jogar. Embora seja importante fornecer aos usuários informações relevantes sobre o jogo em sua página na loja, não é preciso se preocupar tanto sobre quais marcadores ou demais informações afetarão a visibilidade do seu jogo pelo modelo de recomendações.
Conte-nos a sua opinião
Gostaríamos de ouvir as opiniões tanto de usuários quanto de desenvolvedores, então confiram o
recomendador interativo e
junte-se às discussões para dizer o que achou. Enquanto coletamos dados sobre a utilidade do recomendador, compartilharemos o andamento das coisas.
Observação para os desenvolvedores
Desenvolvemos o novo recomendador como uma ferramenta para os usuários, mas que idealmente também ajudará desenvolvedores. É possível ver a quantidade de visitas provenientes do recomendador através da já existente página de tráfego detalhado de cada jogo — mas note que esse experimento pode não gerar muito tráfego em relação ao resto do Steam. Caso desenvolvedores tenham dúvidas ou opiniões, podem usar o botão de Suporte no topo de qualquer página web do Steamworks para entrar em contato conosco rapidamente.
— A equipe do Steam