Steam官方日前發表公佈稱新的商店探索列表算法機制已上線，並簡單介紹了這個遊戲推薦新機制。Steam方面表示在過去的幾周測試中，“更多的顧客找到了自己並未意識到會喜歡的遊戲”。
Steam官方日前發表公佈稱新的商店探索列表算法機制已上線，並簡單介紹了這個遊戲推薦新機制。Steam方面表示在過去的幾周測試中，“更多的顧客找到了自己並未意識到會喜歡的遊戲”。
“之前，顧客在主頁底部或在“更多類似產品”欄目瀏覽推薦推送通知以查找遊戲時，所看到的遊戲並不像我們希望的那樣多種多樣。 此外，我們也收到大量反饋，認為“為您推薦”太偏向於最熱門的遊戲，而個性化不足。 我們希望能確定該如何對這些反饋做出迴應，因此開始查找漏洞並決定進行一項實驗。
我們發現了一些漏洞，比如推薦推送通知的“類似標籤”欄目中，最受好評的遊戲（一個並不經常發生變化的類型）佔據了過多版面。 我們對此進行了調整。 我們還發現，在某些地方用來計算熱門程度的時間段過短，導致部分遊戲的曝光程度無法預測， 因此我們延長了進行計算的時間段。
通過對這些地方進行調整，我們希望確保向顧客顯示的遊戲種類繁多的同時，也能與其相關。 顧客會利用這些推薦嗎？ 換言之，他們會點進嗎？ 會把遊戲加入願望單嗎？ 會購買嗎？ 為了回答這些問題，我們調整了商店上由推薦代碼驅動的向顧客展示遊戲的方式，並將其與其他漏洞修復一起打包後，發送給5%的顧客，在過去幾周進行了測試。
Steam官方日前發表公佈稱新的商店探索列表算法機制已上線，並簡單介紹了這個遊戲推薦新機制。Steam方面表示在過去的幾周測試中，“更多的顧客找到了自己並未意識到會喜歡的遊戲”。
“之前，顧客在主頁底部或在“更多類似產品”欄目瀏覽推薦推送通知以查找遊戲時，所看到的遊戲並不像我們希望的那樣多種多樣。 此外，我們也收到大量反饋，認為“為您推薦”太偏向於最熱門的遊戲，而個性化不足。 我們希望能確定該如何對這些反饋做出迴應，因此開始查找漏洞並決定進行一項實驗。
我們發現了一些漏洞，比如推薦推送通知的“類似標籤”欄目中，最受好評的遊戲（一個並不經常發生變化的類型）佔據了過多版面。 我們對此進行了調整。 我們還發現，在某些地方用來計算熱門程度的時間段過短，導致部分遊戲的曝光程度無法預測， 因此我們延長了進行計算的時間段。
通過對這些地方進行調整，我們希望確保向顧客顯示的遊戲種類繁多的同時，也能與其相關。 顧客會利用這些推薦嗎？ 換言之，他們會點進嗎？ 會把遊戲加入願望單嗎？ 會購買嗎？ 為了回答這些問題，我們調整了商店上由推薦代碼驅動的向顧客展示遊戲的方式，並將其與其他漏洞修復一起打包後，發送給5%的顧客，在過去幾周進行了測試。
在這些調整中，“為您推薦”不再那麼偏向於熱門遊戲，所顯示的遊戲與單個用戶相關性更高。 測試結果顯示，實驗組的顧客點擊推薦欄目顯示遊戲可能性的比例高出對照組將近15%。 個性化提高說明此欄目顯示了更多不同的遊戲，而遊戲在顧客中的曝光量也更為均衡。
為了瞭解顧客所訪問遊戲的覆蓋範圍，我們對實驗組成員和未參與實驗的樣本顧客通過“為您推薦”欄目訪問遊戲的數量進行了為期數天的比較。 結果非常喜人：顧客所訪問的不同遊戲的數量提高了 75%，而每款遊戲的平均訪問量則提高了48%。”
玩家們可以前往Steam實驗室，去激活使用這個全新的交互式推薦模型實驗，“只需點擊數下，我們保證您會找到或重新發現讓您感興趣的遊戲。”
Steam官方日前發表公佈稱新的商店探索列表算法機制已上線，並簡單介紹了這個遊戲推薦新機制。Steam方面表示在過去的幾周測試中，“更多的顧客找到了自己並未意識到會喜歡的遊戲”。
“之前，顧客在主頁底部或在“更多類似產品”欄目瀏覽推薦推送通知以查找遊戲時，所看到的遊戲並不像我們希望的那樣多種多樣。 此外，我們也收到大量反饋，認為“為您推薦”太偏向於最熱門的遊戲，而個性化不足。 我們希望能確定該如何對這些反饋做出迴應，因此開始查找漏洞並決定進行一項實驗。
我們發現了一些漏洞，比如推薦推送通知的“類似標籤”欄目中，最受好評的遊戲（一個並不經常發生變化的類型）佔據了過多版面。 我們對此進行了調整。 我們還發現，在某些地方用來計算熱門程度的時間段過短，導致部分遊戲的曝光程度無法預測， 因此我們延長了進行計算的時間段。
通過對這些地方進行調整，我們希望確保向顧客顯示的遊戲種類繁多的同時，也能與其相關。 顧客會利用這些推薦嗎？ 換言之，他們會點進嗎？ 會把遊戲加入願望單嗎？ 會購買嗎？ 為了回答這些問題，我們調整了商店上由推薦代碼驅動的向顧客展示遊戲的方式，並將其與其他漏洞修復一起打包後，發送給5%的顧客，在過去幾周進行了測試。
在這些調整中，“為您推薦”不再那麼偏向於熱門遊戲，所顯示的遊戲與單個用戶相關性更高。 測試結果顯示，實驗組的顧客點擊推薦欄目顯示遊戲可能性的比例高出對照組將近15%。 個性化提高說明此欄目顯示了更多不同的遊戲，而遊戲在顧客中的曝光量也更為均衡。
為了瞭解顧客所訪問遊戲的覆蓋範圍，我們對實驗組成員和未參與實驗的樣本顧客通過“為您推薦”欄目訪問遊戲的數量進行了為期數天的比較。 結果非常喜人：顧客所訪問的不同遊戲的數量提高了 75%，而每款遊戲的平均訪問量則提高了48%。”
玩家們可以前往Steam實驗室，去激活使用這個全新的交互式推薦模型實驗，“只需點擊數下，我們保證您會找到或重新發現讓您感興趣的遊戲。”