Un nouveau modèle peut aider les entreprises de médias en ligne à comprendre ce qui donne aux utilisateurs une satisfaction à long terme - pas seulement la gratification instantanée du défilement continu - ce qui peut entraîner moins de temps passé sur la plate-forme, mais moins d'utilisateurs qui quittent complètement.

La plupart des plateformes en ligne cherchent à augmenter le temps que les utilisateurs y passent, généralement en leur donnant plus de contenu qu'ils ont consommé dans le passé. Mais cette stratégie peut perpétuer le défilement irréfléchi et potentiellement amener les utilisateurs regrettables à abandonner la dinde froide.

"Il y a une discussion dans la communauté de la recherche et dans les entreprises technologiques sur la façon dont il se peut que les gens utilisent beaucoup les médias en ligne, mais repartent souvent sans valoriser le temps qu'ils ont passé", a déclaré Jon Kleinberg, professeur d'informatique à l'Université Tisch dans le Cornell Ann S. Bowers College of Computing and Information Science. Kleinberg est co-auteur d'un nouvel article qui fournit des outils pour aider à atténuer ce conflit en donnant aux entreprises de médias en ligne de nouvelles façons de comprendre ce que les utilisateurs veulent vraiment.

"Ces plates-formes sont conçues pour regarder ce que vous faites, puis vous donner plus de ce que vous voulez", a déclaré Kleinberg. "Donc d'une part, ces plateformes sont très optimisées. D'autre part, on a souvent l'impression de ne pas faire les bons choix quand on y est. Alors comment concilier ces deux choses ?"

Cette incohérence peut être le résultat de deux facettes connues de la prise de décision humaine, le système 1 et le système 2. Le système 1 prend des décisions rapides, presque automatiques, tandis que le système 2 est plus lent, réflexif et plus logique. Avec la nourriture, le système 1 veut tout le sac de chips, tandis que le système 2 choisit la salade. Les deux aliments peuvent faire partie d'une alimentation équilibrée, mais les frites procurent une satisfaction sur le moment, tandis que la salade procure une satisfaction durable. Avec les médias en ligne, les publications de célébrités peuvent déclencher le système 1, tandis qu'une vidéo éducative peut intéresser le système 2.

Pour comprendre comment ces deux systèmes affectent la consommation de médias en ligne, Kleinberg a travaillé avec l'ancien étudiant diplômé Manish Raghavan, maintenant au Massachusetts Institute of Technology, et Sendhil Mullainathan, économiste comportemental à l'Université de Chicago. Ils ont développé un modèle qui simule la manière dont un utilisateur aux désirs contradictoires interagit avec une plate-forme, puis suggère des moyens de hiérarchiser la valeur que l'utilisateur reçoit.

Leur article, "The Challenge of Understanding What Users Want:Inconsistent Preferences and Engagement Optimization", a reçu le prix Exemplary Applied Modeling Paper Award lors de la conférence 2022 de l'Association for Computing Machinery Economics and Computation.

Le modèle est nécessaire, ont déclaré les chercheurs, car la plupart des plates-formes disposent de tas de données comportementales (clics, partages et durées de session) qui reflètent principalement les choix du système 1. La collecte d'informations sur les choix du système 2, par exemple par le biais d'enquêtes de satisfaction des utilisateurs, est beaucoup plus difficile.

Le nouveau modèle est un point de départ permettant aux entreprises de comprendre ce qui motive les décisions des utilisateurs. "Alors que certains types de contenu se comportent comme de la malbouffe, d'autres peuvent se comporter comme des salades saines, et il est essentiel de distinguer la différence pour comprendre ce que veulent les utilisateurs", a déclaré Raghavan. Le modèle peut aider les entreprises à classer le contenu comme chips ou salade, et à modifier l'algorithme pour empêcher les utilisateurs de se gaver.

De plus, le modèle peut suggérer des modifications de conception. Par exemple, les plateformes peuvent laisser le système 2 intervenir périodiquement en ajoutant des pauses régulières, une option que certaines sociétés de médias sociaux proposent déjà. Ils peuvent également désactiver la lecture automatique, qui a tendance à alimenter les décisions impulsives du système 1.

Maintenant, les auteurs travaillent avec des concepteurs de plateformes pour découvrir quelles interventions améliorent avec succès le bonheur des utilisateurs. Ils visent également à intégrer les interactions entre les utilisateurs dans le modèle, pour voir comment les likes et les commentaires des pairs impactent l'expérience.

Idéalement, les auteurs espèrent que ce modèle détournera la conversation de l'extension de l'engagement vers l'augmentation de la valeur de la plate-forme pour les utilisateurs. "Je pense que beaucoup de ces entreprises reconnaissent qu'à long terme, rendre les gens plus heureux et plus sûrs en utilisant ces plateformes leur est en fait bénéfique", a déclaré Raghavan.