Ferramentas de recomendação
Por Michael Schrage, MIT Press, 2020
Eu não confio muito no fluxo interminável de recomendações oferecidas pela Amazon, Netflix, Spotify e a maioria dos outros negócios online. Ocasionalmente, aparece um livro, filme ou música que me encanta, mas a maioria das sugestões que recebo erram o alvo ou parecem suspeitamente vantajosas para os operadores de mecanismo de recomendação e seus anunciantes.
Michael Schrage, pesquisador visitante da Iniciativa sobre Economia Digital da MIT Sloan School of Management e colaborador de s + b, nos desperta para o potencial da descoberta maravilhosa em seu livro mais recente, Mecanismos de Recomendação. “A recomendação inspira inovação: aquela sugestão fortuita - aquela surpresa - não apenas muda a forma como você vê o mundo, mas transforma a forma como você vê - e entende - a si mesmo. Recomendadores bem-sucedidos promovem a descoberta do mundo e de si mesmo ”, escreve Schrage em sua introdução. “Os recomendações não são apenas sobre o que podemos querer comprar; são sobre quem podemos querer ser. "
As recomendações não são apenas sobre o que podemos querer comprar; são sobre quem podemos querer ser. "
Se isso cheira a tecno-utopismo, bem, há uma forte linhagem dessa ideologia nos motores de recomendação. Na maior parte, no entanto, Schrage fundamenta essa visão otimista nos efeitos poderosos que os recomendadores já estão produzindo e equilibra isso com o reconhecimento do potencial de abuso desses sistemas. Ele também fornece um breve histórico de recomendações e uma descrição técnica adequada de como os mecanismos de recomendação funcionam e são construídos.
Até o momento, os poderosos efeitos dos recomendadores se manifestaram principalmente no comércio. Schrage cita uma variedade de fatos a esse respeito: uma pesquisa que descobriu que as recomendações representam aproximadamente 30% das receitas globais de comércio eletrônico; outro que descobriu que os compradores online têm 4,5 vezes mais probabilidade de comprar depois de clicar em uma recomendação; e pesquisas que "sugerem fortemente" recomendações geram cerca de um terço das vendas da Amazon.
Schrage também inclui três estudos de caso, apresentando Spotify, ByteDance e Stitch Fix, que não apenas mostram como os recomendadores são construídos, mas também ilustram o papel central que desempenham nos modelos de negócios e no sucesso dessas empresas. O Discover Weekly, do Spotify, que produz uma lista de reprodução totalmente personalizada de 30 faixas recomendadas para cada um de seus 280 milhões de usuários, induziu os ouvintes a transmitir mais de 1 bilhão de músicas nas primeiras 10 semanas. O Douyin da ByteDance (conhecido como TikTok fora da China) e o agregador de notícias Toutiao estão entre os aplicativos mais populares e fixos do mundo - e ambos são movidos por mecanismos de recomendação. E a Stitch Fix, fundada em 2011, vendeu US $ 1,25 bilhão em roupas em 2018, sugerido por seu mecanismo de recomendação.
“Notável, não é, como o potencial de mercado de um trilhão de dólares e o poder de influenciar a cultura pop e as compras em todo o mundo podem motivar a pesquisa empreendedora?” observa Schrage. “Jeff Bezos, Jack Ma, Reid Hoffman, Katrina Lake, Daniel Ek, Mark Zuckerberg e Reid Hastings não tiveram sucesso na interrupção digital por acidente; suas organizações forneceram recomendações que transformaram fundamentalmente as expectativas e experiências dos clientes em torno da escolha. ”
Como você poderia esperar, qualquer coisa capaz de cutucar nosso comportamento de maneira tão eficaz e lucrativa está pronta para uso indevido e abuso. Como Cass Sunstein, que com Richard Thaler apresentou a muitos leitores de negócios o conceito de cutucadas, Schrage não hesita em confrontar o potencial lado negro das cutucadas que os recomendadores oferecem. “Recomendações tendenciosas para favorecer uma marca ou filme ou restaurante ou pessoa ou música em vez de outra não é difícil. Simplificando, a traição está a apenas uma linha de código de distância ”, ele escreve. Além disso, acrescenta, “Os mecanismos de recomendação que não oferecem escolha real - ou predominantemente exploradores - são fraudes. Mesmo que os usuários "gostem" ostensivamente do que estão recebendo, eles literalmente não têm escolha. Como os pombos humanos depenados jogando monte de três cartas, eles foram enganados. ”
No entanto, Schrage coloca a maior parte das críticas dos recomendadores na boca de observadores que ele chama de “fobistas de recomendação”, como o historiador e futurista israelense Yuval Noah Harari. Ele também apela a Jeff Bezos para defender os recomendadores - citando uma declaração que Bezos fez defendendo o compromisso da Amazon de não manipular os clientes (“não ganhamos dinheiro quando vendemos coisas. Ganhamos dinheiro quando ajudamos os clientes a tomar decisões de compra”). Isso, infelizmente, é um pouco menos do que convincente em 2020, dadas as alegações constantes de que a Amazon rotineiramente posiciona seus produtos à frente dos de outras empresas e vendedores.
Mas vamos supor que os jogadores que abusam dos mecanismos de recomendação acabarão sendo pegos e rejeitados (graças à capacidade de autocura dos mercados livres, presumo). O que, então, o futuro do recomendador pode trazer?
“A recomendação se tornará fogo e combustível para a transformação do capital humano”, prevê Schrage. “O dia de trabalho está próximo, quando ... dados pessoais e análises mais granulares se mostrarão ingredientes essenciais para aumentar a produtividade e o desempenho pessoal. Inovadores, curiosos, facilitadores, comunicativos e outros eus de valor agregado / agregador de valor obterão as dicas, sugestões e recomendações certas nos momentos certos, estimulados por um auto-conhecimento cada vez mais sofisticado. ”
Este "auto-software" ou software auto-analítico, propõe Schrage, vai ajudar cada um de nós a desenvolver "vários eus". O que é um eu múltiplo? “Um self múltiplo é melhor definido como uma versão digital do self com uma ou mais dimensões pessoais deliberadamente projetadas para superar significativamente o self comum, típico ou mediano de uma pessoa”, escreve Schrage.
Como exemplo, Schrage descreve um gerente de projeto que busca reforçar a colaboração e o espírito de sua equipe, que usa autosserviço que analisa sua rede social, prioriza marcos do projeto e analisa as comunicações pós-reunião para propor uma lista de verificação diária facilitadora. Outro exemplo? Um executivo cujas mensagens escritas carecem de entusiasmo, que compartilha suas missivas com autosware que propõe revisões para melhorá-las. (Uh oh, lá se vai meu trabalho.)
Quer este futuro (e o fim da minha carreira) se materialize ou não, Recommendation Engines é um abrir de olhos para os leitores que, como eu, consideram as sugestões onipresentes "o que pessoas como você compraram" de comerciantes online um pouco intrusivas e apenas ocasionalmente úteis. Quem sabe? Talvez até mesmo os céticos (ou seus múltiplos eus) dêem as boas-vindas aos nossos senhores recomendadores em breve.