Steam实验室深化推荐功能 编辑下岗倒计时？
原标题：Steam实验室深化推荐功能 编辑下岗倒计时？Valve一直有放假的梗，例如“员工一直都在度假，放假空隙更新一下Dota2和CS：GO，上Steam收收钱等。”
7月，Steam实验室迎来一周年，官方通过博客文章回顾了过去一年中Steam实验室的运营情况，并宣布社区推荐、交互式推荐、接下来畅玩以及升级版搜索工具已经正式上线。
继续主推社区功能、玩家推荐以及利用大数据深入优化用户获取喜爱的游戏的工具，逐步取代平台一贯编辑主导的格局，为了让员工多放假，Valve真是煞费苦心。
平台做大，算法与人工的抉择
2018年末，Steam游戏数量就已突破3万，现或超过4万。根据Steam平台数据显示，同时在线人数已超过2000万。其实无论是Wegame、Epic商城、Taptap亦或者Steam，玩家的核心诉求其实都相似，能不能找到我想玩的？能不能分享我爱玩的？能不能推荐符合口味的？能不能让我买到更便宜的？
价格永远是牵动消费者敏感神经的一环，一个合格的游戏平台少不了各种名目的打折促销，更有Epic这样财大气粗、野心勃勃的连续赠送“喜加一”来拉拢用户。
一般来说，新平台上线的首要任务是保障自己有时下热门和最新的游戏，然后不断引进更多老游戏扩充产品库。此外通过赞助、合作等方式与各个游戏团队建立关系，独家、首发等形式提升竞争力。
随着游戏数量与用户数量的双重增长，平台社区文化的构建，相关推荐机制成为新的研究课题，这也是目前摆在Steam面前的问题。
游戏数量在不断增长，用户接受的信息量也越来越庞杂，寻找感兴趣游戏的困难程度在加剧。对Steam而言，传统编辑推荐的形式已不足以满足日益增长的用户需求。利用大数据下神经网络、机器学习构建的推荐机制，以及对标签搜索的深入优化，同时增加社区推荐的入口和比重。
这也意味着在Steam看来，平台和编辑不应该成为引导用户方向和口味的主要角色，玩家自己才是，推荐机制和搜索功能的优化也是为了方便玩家寻找更符合口味的游戏。
Steam实验室演变
Steam一直都有利用数据的传统，甚至专门开辟了相关页面（Steam统计）来分享一部分平台数据。官方的说法是“相信通过这些数据的分享，我们便可以尽早发现问题，更有效地改善 Steam 服务，最终打造更好的产品和体验。”，当然免不了也有秀肌肉的意味。
2019年7月，Steam上线了“Steam实验室”模块，并把入口放在了平台首页。该板块作用是针对可发现性、视频、机器学习及更多功能进行各种实验测试。首期上线了“微型宣传片”、“交互式推荐模型”和“自动展示”功能。所有玩家都可以去试用并提交反馈建议，Steam也会据此对它们做出改进。
而在一年后，Steam宣布正式上线4项新功能，暂时搁置2项测试，同时继续展开3项实验。
社区推荐：在主页主推展示用户的评测，所有人均可看到。将社区活力带到商店中，让用户随时知晓游戏玩家现在正乐于玩什么游戏，又为什么乐在其中。这一新功能同时也可以让我们这些平台管理者退居幕后，让玩家相互联系并赋予他们更多能力，以便他们可以直接相互推荐游戏。
交互式推荐：使用机器学习来为玩家提供个性化推荐，建立了一个能够自我训练来辨别 Steam上数百万玩家游戏模式的系统。玩家能够排除自己的游戏历史记录中他们认为是异数或是错误的游戏，纳入了避免已经玩过的游戏影响推荐结果的功能，以及忽略大家已经在另一个平台上拥有的游戏的推荐。
“接下来畅玩”建议：这个功能利用与交互式推荐模型相同的技术，向玩家推荐已经拥有但尚未玩过的游戏。 用户可以在自己的收藏中添加“接下来畅玩”陈列架，用来在自己的库中查看 Steam 的推荐。这些是在与数百万其他玩家进行比较后，根据玩家的游戏历史记录做出的建议。
强大的“搜索”工具：玩家要求的许多全新工具都已添加，如依价格筛选结果、只查看正在特卖的项目，以及排除已拥有游戏、已加入愿望单或已忽略的项目。现在使用“搜索”，就可以将威力强大的特定搜索加入书签，例如这个书签可以直接访问社区最受好评、且支持多达四名好友远程同乐的非暴力横向滚屏平台游戏。
Steam的意图很明确，如上文提到，平台退居幕后，玩家互相推荐游戏。而交互式推荐以及接下来畅玩其实类似我们常见的“猜你喜欢”这类关联功能，不过推荐内容用户是否真的满意，还要看背后算法的优劣。
除此之外，实验室中还有一些倾向明显的功能，例如玩家自定义新闻活动中心，定向获得信息；微型宣传片，自动化生成游戏宣传内容，不光图文编辑要下班，视频编辑也进入倒计时；基于标签关联系统的持续优化等。
平台编辑的未来
Steam实验室的方向并非天马行空，而是我们常见的功能的持续优化。例如Wegame一开始就加入的社区功能，又如Taptap引以为傲的高质量用户评论系统。但由于发展阶段的不同，Steam如今所面对的问题，也是游戏平台做大必须面对的。
无论是PC、还是手游，其它游戏平台目前还是由专业编辑作为推荐的主导，哪怕是高冷的App Store少不了编辑推荐的部分。这些编辑基于自身经验、市场风向以及平台需求，搜集整理相关游戏向玩家进行信息输出。
然而当平台内容数量达到一定量级，再专业的编辑也不可能定向满足不同用户口味，提供定制化的游戏推荐服务。更优秀的算法，更自动化的推荐、更符合用户口味的建议本质是提供更好的游戏推荐服务，来进一步提升平台自身的竞争优势。
当然，平台编辑也不可能完全失业，无论是监管需要，还是对于平台整体内容的把控仍需要经验丰富的人来完成。
页:
[1]