كيف يقدّم ابجد توصيات للروايات والمانغا؟

لدي شغف بالاستقصاء التقني البسيط خلف واجهات الاستخدام، وأحاول تبسيط آلية التوصية كما أراها في ابجد.

بشكل أولي، تعتمد المنصة على نوعين من الطرق: التوصية المعتمدة على المحتوى (content-based) والتوصية التعاونية (collaborative). الأولى تنظر إلى مواصفات الكتاب — النوع، الوسوم، وصف الحبكة، وحتى بيانات المؤلف — وتقترح عناوين تشترك مع ما أعجبني في صفاته. الثانية تقارنني بقراء آخرين: من قيّموا بنفس الطريقة أو أضافوا نفس العناوين إلى رفوفهم، ثم تقترح ما لم أقرأه بعد مما أعجبهم.

ما أحبّه في ابجد أن الطبقة الاجتماعية واضحة: قوائم المستخدمين، التعليقات، والمتابعات تضيف بعدًا بشريًا لا تجده في خوارزمية محضة. هناك أيضًا عامل الزمن؛ الكتب الجديدة أو المتصدرة قد تبرز أكثر، وتُدمج مع تفضيلاتي الشخصية. بالنسبة لي، هذا التوازن بين الخوارزميات والناس هو الذي يجعل التوصيات مفيدة بدل أن تكون عشوائية، خصوصًا عندما أرغب في استكشاف نوع قريب لكن غير مألوف.

كمغرم بالتوصيات المبنية على التبادل بين القراء، أرى أن قوة ابجد ليست فقط في الخوارزميات بل في المجتمع نفسه.

تسمح القوائم المشتركة والنوادي ومحتوى المستخدمين بأن تصلني اقتراحات من أشخاص يعكسون اهتماماتي، ويشاركون ملاحظات قصيرة أستخدمها كمرشدة قبل أن أقرأ ملخصًا أو تقييمًا. كذلك، الإشارات البسيطة — مثل تكرار وسوم معينة أو التعليقات الإيجابية المتلاحقة — تجعل عنوانًا يظهر كمناسب لي.

في التجربة العملية، هذا يعني أنني كثيرًا ما أكتشف مانغا أو رواية لم تكن على راداري لأن مجموعة قراء شاركتها أو حسّنت وصفها. الخلاصة أن مزيج الذكاء البسيط ومشاركة القراء يجعل التوصيات أكثر دفئًا وإنسانية، وهو ما يحمسني للقراءة أكثر.

أجد متعة حقيقية في مشاهدة كيف تصغي المنصات إلى ذوقي الأدبي وتترجمه إلى اقتراحات مدهشة.

أميل دومًا لشرح الأمر كخليط من سلوك القارئ والذوق العام: أول ما تفعل منصة مثل ابجد هو مراقبة اختياراتي — الكتب التي أضعها على رفوفي، ما أقيّمه بنجوم، وما أكتب عنه مراجعات قصيرة. هذه الإشارات المباشرة تساعد الخوارزمية على فهم أنني أميل مثلاً إلى الروايات النفسية أو المانغا التي تركز على الشخصيات. ثم تأتي أنماط الاستخدام غير المباشرة: تكرار البحث عن كلمات مفتاحية، مدة القراءة على فصل معين، واستجابةي للتوصيات السابقة. كل ذلك يُجمع ليُكوّن صورة معقّدة عن تفضيلاتي.

بجانب المعالجة الآلية، أبجد يستفيد من قوة المجتمع: قوائم المستخدمين، مجموعات القراءة، وتعليقات المتابعين تُرفع إلى مستوى التوصية. هذا يعني أنني أجد أحيانًا اقتراحات من مستخدمين لهم طابع ذوقي مشابه لرجمي، أو قوائم منسقة حول موضوع معين مثل مانغا الدراما المدرسية. كما لا يُستهان بالترشيحات التحريرية والقوائم الموسمية التي تعطي دفعة لكتب قد لا تظهر لو لم يروج لها محررون أو نادي قراءة.

هكذا، عندما أقلب تطبيق ابجد أرى مزيجًا من اقتراحات تعتمد على بياناتي الشخصية، على شعبيّة العناوين، وعلى الأصوات البشرية داخل المجتمع. النتيجة؟ توصيات تبدو لي أحيانًا كأن شخصًا وفهم ذوقي ووضع كتابًا على رفّي المفضل — وهذا شعور لطيف يجعلني أعود للمزيد.