Quan arriba el moment de veure una sèrie o peli sempre apareix el mateix problema: quina triar d'entre totes les opcions que ofereixen les plataformes de contingut en streaming? Milers i milers d'opcions entre les quals resulta molt complicat decidir-se si no es té un títol clar. Davant d'aquesta indecisió, que moltes vegades implica invertir més temps de què a l'espectador li agradaria, el resultat final és desistir i tancar l'aplicació.
No és un fenomen aïllat, sinó que té una explicació científica, segons detallen a un article del web de la Universitat Oberta de Catalunya (UOC) Juan Luis García Fernández, professor dels Estudis de Ciències de la Salut de la Universitat Oberta de Catalunya (UOC), i Elena Neira, professora dels Estudis de Ciències de la Informació i de la Comunicació de la UOC i experta en plataformes de streaming.
Per què costa tant triar?
Els experts en informació i salut expliquen que aquesta situació és molt freqüent i es deu a la "fatiga o paràlisis per decisió", que es produeix quan l'usuari es troba davant d’un catàleg pràcticament infinit. Segons García Fernández, el cervell humà no està preparat per analitzar centenars de possibilitats simultàniament i funciona millor quan ha de gestionar només uns pocs elements alhora.
A les plataformes de streaming, l’usuari pot trobar milers de pel·lícules i sèries disponibles amb només uns clics. Com més gran és l’oferta, més feina ha de fer el cervell per comparar-la. I a aquesta dificultat s’hi afegeix un altre factor: la sensació que pot existir una opció millor.
Per a les plataformes, el pitjor escenari és que aquest bloqueig faci que l’usuari decideixi no veure res. En lloc de començar una pel·lícula, pot acabar consultant les xarxes socials o fent qualsevol altra activitat. D’aquesta manera, el problema no és només aconseguir que l’usuari entri a la plataforma, sinó aconseguir que finalment consumeixi algun contingut.
Com decideix Netflix què recomana?
La solució que han trobat les plataformes davant d'aquesta indecisió són els sistemes de recomanació. Netflix, per exemple, analitza nombroses dades sobre el comportament de cada usuari per seleccionar quins continguts poden resultar-li més atractius. Neira explica que els algorismes actuen filtrant de tot el catàleg d'opcions un conjunt més reduït de continguts a partir dels gustos de l’usuari, del comportament de persones amb perfils similars i de les característiques dels mateixos títols. Així, una part de la feina que abans havia de fer l’espectador queda en mans de l’algorisme.
El desenvolupament de la intel·ligència artificial, però, pot fer que aquesta selecció sigui encara més precisa. Fins ara, gran part del funcionament d'aquests sistemes de recomanació ha estat basat en l’observació. La IA pot introduir un canvi important: en lloc de limitar-se a interpretar el comportament de l’usuari, la plataforma podria permetre-li explicar directament què està buscant.
Neira apunta que Netflix treballa amb la idea que l’usuari pugui interactuar amb el sistema de manera conversacional. D’aquesta manera, en lloc de navegar pel catàleg, una persona podria descriure què li ve de gust veure en aquell moment i deixar que la IA faci una primera selecció.
Per a les plataformes, aconseguir que l’usuari trobi ràpidament un contingut que li agradi és fonamental. La satisfacció amb l’elecció afavoreix el visionament i, en conseqüència, contribueix a mantenir activa la subscripció. Tot i això, els algorismes poden ser una ajuda per escapar de la saturació que provoca un catàleg immens, però també poden acabar fent que consumim sempre allò que el sistema considera més adequat per a nosaltres. Per això, els experts recomanen, de tant en tant, sortir de les recomanacions i deixar espai per al descobriment inesperat.
