ผู้แนะนำแบบโต้ตอบ
ปัญหาใหญ่อย่างหนึ่งที่มาพร้อมกับการเข้าถึงร้านเกมดิจิทัลขนาดใหญ่ได้อย่างง่ายดายคือการหาสิ่งที่จะเล่น Steam ซึ่งปัจจุบันเป็นไคลเอนต์เกมพีซีที่ใหญ่ที่สุดให้คำแนะนำแก่ผู้ใช้ว่าจะเล่นอะไรต่อไป โดยคำนึงถึงปัจจัยหลายอย่างเช่นการให้คะแนนและประเภทของเกมที่คิดว่าคุณชอบ ตอนนี้ Valve ได้ตัดสินใจที่จะก้าวไปอีกขั้นโดยใช้แมชชีนเลิร์นนิงเพื่อแนะนำเกมที่เหมาะกับรสนิยมของผู้ใช้มากขึ้น
ผู้แนะนำแบบโต้ตอบ
ผู้แนะนำแบบโต้ตอบ เป็นคุณลักษณะทดลองใหม่สำหรับ Steam เพื่อให้ง่ายผู้ใช้ Steam ทุกคนสามารถใช้เครื่องมือนี้เพื่อค้นหาเกมที่จะเล่นต่อไป เป็นระบบที่ใช้งานง่ายมากช่วยให้ผู้ใช้สามารถจัดเรียงตามประเภทกรองตามแท็กและปรับหน้าต่างเวลาของผลลัพธ์
Valve อธิบายการทำงานของผู้แนะนำแบบโต้ตอบในไฟล์ โพสต์บล็อก . จากรูปแบบเครือข่ายประสาทเทียมผู้แนะนำจะใช้ประวัติเวลาเล่นของคุณร่วมกับ 'ข้อมูลสำคัญอื่น ๆ ' เพื่อให้ได้ผลลัพธ์ที่เป็นส่วนตัว
“ เราฝึกโมเดลโดยอาศัยข้อมูลจากผู้ใช้ Steam หลายล้านคนและเซสชันการเล่นอีกหลายพันล้านครั้งทำให้เราได้ผลลัพธ์ที่แข็งแกร่งซึ่งจับความแตกต่างของรูปแบบการเล่นที่แตกต่างกันและครอบคลุมแคตตาล็อกของเรา โมเดลได้รับการกำหนดพารามิเตอร์เพื่อให้เราสามารถ จำกัด เอาท์พุตเฉพาะเกมที่วางจำหน่ายภายในช่วงเวลาที่กำหนดและสามารถปรับเปลี่ยนให้เกมมีความนิยมสูงกว่าหรือต่ำกว่าได้”
ผู้แนะนำแบบโต้ตอบ
เกมใหม่
สิ่งนี้ทำให้เกิดคำถามว่าผู้แนะนำจัดการกับเกมใหม่อย่างไร? ชื่อที่ออกใหม่โดยเฉพาะที่กำหนดเป้าหมายไปที่ตลาดเฉพาะมักจะมีฐานผู้เล่นที่อ่อนแอกว่า ด้วยเหตุนี้โครงข่ายประสาทเทียมจึงไม่สามารถแนะนำเกมที่ไม่มีข้อมูลเกี่ยวกับ ด้วยเหตุนี้ Valve จึงกล่าวว่าผู้แนะนำใช้วิธี“ เริ่มเย็น” แตกต่างกัน
“ มันสามารถตอบสนองได้ค่อนข้างเร็วและเมื่อได้รับการฝึกฝนอีกครั้งมันจะรับข้อมูลรุ่นใหม่ ๆ โดยใช้ข้อมูลเพียงไม่กี่วัน กล่าวได้ว่ามันไม่สามารถเติมเต็มบทบาทของ Discovery Queue ในการแสดงเนื้อหาใหม่เอี่ยมได้ดังนั้นเราจึงมองว่าเครื่องมือนี้เป็นส่วนเสริมให้กับกลไกที่มีอยู่แทนที่จะใช้แทนเครื่องมือเหล่านี้”
อีกหัวข้อที่ถกเถียงกันคือ“ อัลกอริทึม” หลายคนเชื่อว่าการที่ผู้ใช้จำนวนมากจะเห็นเกมนั้นจำเป็นต้องมีการ“ ปรับให้เหมาะสม” สำหรับรูปแบบหนึ่ง ๆ เช่นเดียวกับ Steam อื่น ๆ นี่ไม่ใช่วิธีการทำงานของผู้แนะนำแบบโต้ตอบใหม่
“ เราออกแบบผู้แนะนำให้ขับเคลื่อนโดยสิ่งที่ผู้เล่นทำไม่ใช่โดยองค์ประกอบภายนอกเช่นแท็กหรือบทวิจารณ์ วิธีที่ดีที่สุดสำหรับนักพัฒนาในการเพิ่มประสิทธิภาพสำหรับโมเดลนี้คือการสร้างเกมที่ผู้คนเล่นสนุก แม้ว่าการจัดหาข้อมูลที่เป็นประโยชน์เกี่ยวกับเกมของคุณให้กับผู้ใช้ในหน้าร้านนั้นเป็นสิ่งสำคัญ แต่คุณไม่ควรเสียใจว่าแท็กหรือข้อมูลเมตาอื่น ๆ จะส่งผลต่อการที่โมเดลคำแนะนำมองเห็นเกมของคุณอย่างไร”
แม้ว่าจะยังอยู่ระหว่างดำเนินการ แต่คุณสามารถทดสอบคำแนะนำแบบโต้ตอบใหม่ด้วยตัวคุณเองได้ในขณะนี้
แท็ก อบไอน้ำ วาล์ว
