Tíz éve a Netflix tanított meg arra, hogy adatból dönts, ne megérzésből

Régebben írtam egy posztot a Netflixről, és nem azért, mert épp divat volt róla beszélni, hanem mert őszintén lenyűgözött, ahogy egy streamingcég adatból, és nem megérzésből hozott meg egy hatalmas döntést.

A House of Cards ugyanis nem egy producer hasra ütéséből, hanem szinte laboratóriumi receptből született, hiszen a Netflix az adataiból pontosan tudta, hogy a nézői imádják a politikai drámát, hogy rajonganak David Fincherért és Kevin Spaceyért, és hogy ez a három hozzávaló együtt nagy eséllyel telitalálat lesz, ezért nem reménykedtek, hanem számoltak. Ráadásul nem álltak meg a tartalomnál, mert szakítottak a heti egy rész megszokott logikájával és egyben kiadták az egész évadot, az előzeteseket pedig különböző célcsoportokon tesztelték, mielőtt a végleges promót a nyilvánosság elé engedték.

Akkor még azt hittem, hogy ez egy elég szűk, kifejezetten a streamingre szabott trükk, azóta viszont rájöttem, hogy az "adatból dönts, ne a megérzésedből" gondolat szép lassan szinte mindent bekebelezett.

A Meta ugyanezt csinálja

Ami a Netflixnél még emberi döntés volt, az a Metánál mostanra teljesen automatizált gépezetté vált, és aki az elmúlt két évben nem figyelt eléggé oda, annak szép csendben kicsúszott a lába alól a talaj, mert a klasszikus, érdeklődési körök szerinti hirdetéscélzás gyakorlatilag kihaló félben van, a helyét pedig egy egész AI rendszer hierarchia vette át, amelyik ugyanazt a valószínűségi munkát végzi, amit a Netflix a House of Cards körül, csak nem egyetlen sorozatra, hanem másodpercenként több millió döntésre kivetítve.

Hogy ez a gyakorlatban hogyan működik, arra megint csak a Netflix a legjobb példa, mert ő sem nézeti végig veled a teljes katalógust, hanem gyorsan kidob pár száz címet, ami egyáltalán szóba jöhet nálad, és csak ezután rangsorolja őket a főoldaladon aszerint, hogy melyiket nézed meg a legnagyobb eséllyel. A Meta hirdetési gépezete pontosan ugyanígy, két lépésben dolgozik, hiszen egyetlen hirdetési helyre több millió hirdetés is indulhatna, viszont a rendszernek a másodperc töredéke alatt kell döntenie, úgyhogy nem ér rá mindet alaposan végignézni.

Az első lépés a gyors előválogatás, amit az Andromeda nevű visszakereső motor végez, és ami a több millió szóba jöhető hirdetésből pillanatok alatt leszűr pár ezret, ami egyáltalán passzolhat hozzád, a Meta szerint pedig épp ez a szűrés lett tízezerszer összetettebb mostanra, vagyis sokkal pontosabban találja meg azt a maréknyi hirdetést, mint korábban.

A második lépés a tényleges rangsorolás, ahol a rendszer már csak ezt a pár ezer hirdetést pontozza végig aszerint, hogy te konkrétan mekkora eséllyel kattintasz vagy vásárolsz, és ezt a precíz munkát hajtja a GEM nevű modell, ami az egész gépezet agya. A GEM akkora, a nagy nyelvi modellek méretében tanított modell, hogy a Meta egyetlen ilyen központi aggyal váltotta le a sok korábbi, külön-külön dolgozó kis modellt, és pont ezért nem is feltétlenül ő szolgál ki minden egyes hirdetést, hanem inkább megtanítja rá a többit, vagyis tényleg a Netflix ajánló hirdetésre nevelt nagytestvére.

És hogy mennyire ugyanaz a logika fut tovább, arra a legfrissebb fejlemény a legjobb példa, mert tavaly december óta a Meta azt is felhasználja a hirdetési célzáshoz, amit te a saját chatbotjával, a Meta AI-jal beszélgetsz. Ez a Meta ChatGPT-szerű asszisztense, ami bele van építve a WhatsAppba, a Messengerbe, az Instagramba és a Facebookba, szóval amikor kérdezel tőle valamit, az mostantól árulkodik arról, hogy mi érdekel. A különbség pedig óriási, mert amíg korábban a vásárlási szándékodat a böngészési morzsáidból kellett kikövetkeztetni, addig most sokszor egész egyszerűen elárulod neki, hogy például jó futócipőt keresel, és ezzel kész is a tiszta szándék, amire pár perc múlva már jönnek is a hirdetések. (Hozzáteszem, hogy ez minket EU-ban egyelőre nem érint, mert a GDPR miatt az unió, az Egyesült Királyság és Dél-Korea kimaradt, de a trend iránya így is elég beszédes.)

A buktató, amit a saját adataimon tanultam meg

Itt jön az a rész, amiről a lelkes esettanulmányok ritkán beszélnek, pedig szerintem pont ez a leglényegesebb, mert valahányszor összevetem a Meta által jelentett számokat a tényleges eladási exporttal, a kettő szinte soha nem akar egyezni, és általában nem is apró eltérésekről van szó. A Meta például azt kommunikálja, hogy az Advantage+ kampányok átlagosan 22%-kal jobb megtérülést hoznak, ami simán lehet igaz, csakhogy a böngészőalapú mérés mára annyira hézagos, hogy szerveroldali mérés, vagyis Conversions API nélkül ez a szám akár húsz-negyven százalékkal is alálőhet a valóságnak.

Ebből pedig egy kicsit kínos, de annál fontosabb igazság következik, mégpedig az, hogy minél okosabb lesz az AI a célzásban, annál inkább a mérés válik a szűk keresztmetszetté, hiszen a gép mindig csak abból tud tanulni, amit te visszajelzel neki, és ha a visszacsatolás hibás, akkor a világ legokosabb modellje is nagy lendülettel optimalizál rossz irányba. Vagyis a versenyelőny ma már nem az, hogy "bekapcsolod az AI-t", hiszen azt előbb-utóbb mindenki megteszi, hanem az, hogy tiszta adatot adsz neki, és egy tőle független eszközzel ellenőrzöd is, amit visszamond. Pont ezért használom a saját szkriptemet elemzésre, és nem azért, mert okosabb akarok lenni a gépnél, hanem mert kell egy második, független mérőeszköz, ami akkor is megmondja az igazat, amikor a hirdetési felület éppen szépítene.

És akkor jött a foci

Innen pedig már csak egy lépés volt, hogy elkezdjek játszani a gondolattal, és bevallom, inkább tiszta kíváncsiságból, hogy ugyanezt a valószínűségi szemléletet ráengedjem a 2026-os világbajnokságra. A rendszer a meglévő adatokból kiszámolta az esélyeket, majd Monte Carlo-szimulációval nem egyszer, hanem több ezerszer lejátszotta az egész tornát, és a végén kidobta a bajnokot, ami nálam Argentína lett.

Nem állítom, hogy ez ugyanaz a gép, mint a Netflix ajánló vagy a Meta hirdetési agya, mert nem az, hiszen a focinál nincs felhasználó és nincs ajánlás, ott csak tiszta valószínűség-számítás van, ami mechanikailag inkább a pókerre hasonlít (másik kedvencem). De a gondolkodásmód, vagyis hogy adatból becsülsz esélyt a megérzés helyett, kísértetiesen ugyanaz, és pont ezért volt számomra olyan tanulságos kipróbálni, ráadásul a foci azonnal visszaigazol vagy megcáfol, mert amíg egy hirdetési döntés helyességére sokszor hónapokat kell várni, addig a meccs kilencven perc alatt eldől, és onnan tényleg nincs hová elbújni a végeredmény elől.

A Netflix győzött meg arról, hogy a jó döntés mögött legtöbbször adat van, nem szerencse, és azóta szinte minden új területen ugyanezt látom visszaköszönni, legutóbb épp egy focilabda körül.