Структурированно, но требует времени.
Звук не интуитивен, пользователи всегда беспокоятся перед прослушиванием: что если мне не понравится то, что я открою? Хотя можно утешить себя тем, что даже если не понравится, это все равно убьет время, но люди всегда хотят и то, и другое - чтобы время проходило приятно, иначе теряешь и время, и настроение, оставаясь с пустыми руками.
В таких сценариях ИИ становится отличным помощником. Хотя сам звук не интуитивен, его можно преобразовать в текст, превратив в задачу обработки естественного языка, позволяя большим языковым моделям проявить свои сильные стороны, понять содержание, обобщить ключевые моменты и наглядно представить содержимое, помогая пользователям фильтровать и оценивать.
Фактически, везде, где выполняются условия "структурированности" и "затратности времени", можно задействовать ИИ. Например, WeChat Reading также запустила функцию AI-вопросов к книгам, интегрированную в платформу. Когда пользователь интересуется определенной концепцией или вопросом, AI-вопросы к книгам могут связать его с конкретными страницами соответствующих книг в WeChat Reading, облегчая углубленное чтение и обучение. Это также своего рода мини-поиск, основанный на собственной экосистеме WeChat Reading.
Однако в эксперименте Amazon делается шаг вперед, используя диалоговые возможности больших моделей для точных рекомендаций. Подобный подход пробует и отечественная подкаст-платформа Xiaoyuzhou, запустившая бета-версию "Спроси Xiaoyuzhou".
Эта функция пока не интегрирована в приложение Xiaoyuzhou, а представляет собой отдельную веб-страницу с очень уникальным дизайном, имитирующим старые браузерные страницы, создавая эффект "хотя вы получили помощь ИИ, но лучше открыть подкаст и послушать, а не продолжать сидеть в интернете".
По сравнению со структурированным контентом, ИИ будет более значимым в извлечении и интеграции фрагментированного контента, хотя это и сопряжено с большими вызовами. В этом и заключается смысл того, что различные контент-платформы последовательно интегрируют ИИ-поиск в свои платформы.
Наиболее показательным примером является Xiaohongshu, запустившая сразу две функции: специального ИИ-помощника "Да Винчи" и "Поисковую картошку" для поиска.
Мы проводили оценку, и обе функции имеют свои сильные и слабые стороны, на данный момент они все еще довольно примитивны, рекомендованный контент нельзя полностью принимать, пользователям нужно переходить к цитируемым заметкам для проверки содержания. Общая черта в том, что обе функции оживляют богатый контент заметок на Xiaohongshu.
Для контентных экосистем, укоренившихся в определенной среде, это сложная область для традиционного поиска. С одной стороны, из-за защиты экосистемы, "руки" поисковых систем не дотягиваются. С другой стороны, встроенные функции поиска обычно неудобны в использовании. Например, расширенный поиск в Weibo по-прежнему основан на базовой информации, такой как время и место, с очень ограниченной точностью.
Это связано с тем, что социальные медиа, принося большое количество контента, делают его очень фрагментированным. Это дает больше пространства для ИИ-поиска, но в то же время создает более серьезные вызовы.
В отличие от более структурированных продуктов, таких как подкасты и аудиокниги, на примере Xiaohongshu, контент на таких платформах социальных медиа разнообразен по форме: изображения, текст, видео, прямые трансляции. Более того, этот контент исходит из личного опыта и чувств, смешанных с большим количеством интернет-мемов, эмодзи и т.д. - любой пользователь с недостаточно быстрым интернетом может не успевать за этим.
Когда пользователи ожидают рекомендаций, более соответствующих текущим интересам, существующие алгоритмы рекомендаций обычно основаны на долгосрочном моделировании интересов пользователей, требуя постепенного сбора данных о предпочтениях и поведении пользователей для построения профиля, и склонны рекомендовать то, что пользователи уже проявили интерес к.
В сравнении с этим, ИИ-поиск является хорошей отправной точкой, получая обратную связь через поисковое поведение пользователей. Особенно это касается частых интернет-серферов, которые обычно лишь смутно улавливают некоторые горячие темы.
В настоящее время интерес пользователей, вызванный популярными выражениями, есть, но не сильный, и требует дальнейшего изучения для дополнения. В этот момент, когда пользователь активно делает шаг к поиску, поиск на основе больших языковых моделей может лучше проявить себя.
Поиск - это процесс запроса и ответа, а рекомендация - непрерывный динамический процесс, их пересечение заключается в том, что оба нацелены на удовлетворение потребностей пользователей и большую персонализацию. Бремя "создания информационных пузырей", которое традиционные алгоритмы рекомендаций всегда несли, возможно, может быть улучшено через интегрированный ИИ-поиск.