Steam实验室迎来1周年 “社区推荐”等正式上线 _ 游民星空 GamerSky.com

Steam实验室在今年7月迎来一周年，从最初的的3项实验开始，到现在拥有越来越多的公开实验和迭代，不断优化玩家的使用体验。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。社区推荐、交互式推荐、“接下来畅玩”建议以及更强大的“搜索”工具已经正式上线。

以下为官方博客原文：

在 Steam 实验室这个空间里，我们通过询问、探索以及和各位的沟通，来发掘潜力，打造经过优化的全新 Steam。 设计流程中最为重要的部分就是各位参与的时刻，而有了实验室，我们就可以更早地让各位参与其中。 为了评测哪些有用、哪些没用，我们一直都在倾听各位的反馈，收集证据以了解大家如何使用这些实验，并在有潜力的设计中展开 A/B 测试，以测量哪一项相对来说更为成功。

下文的背景信息向大家展示了我们在过去一年中通过实验室的学习所得，以及实验室如何引领我们推出了四项实验、搁置了两项实验，并同时继续设计和打磨其他实验。 它们每一项都进一步证实了我们从参与性设计流程中获得的价值。 为此，我们要感谢大家，并为携手实验的又一个大好年度加油！

已推出的实验

在各位的帮助下，以下实验已经从实验室毕业，正式在 Steam 上推出，帮助大家发掘并找到更为多样的游戏。

社区推荐

今天离开实验室、正式推出的社区推荐功能，会在我们的主页主推展示您的评测，所有人均可看到。 这样可以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

一开始，交互式推荐模型这一实验是为了判断是否可以使用机器学习来为玩家提供令人难以抗拒的个性化推荐。 最后的结果是，我们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。

在实验过程中，我们发现玩家想要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，因此我们就添加了这一功能。 我们还根据其他的反馈意见，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。 此外也添加了保存自己的偏好，以及可以在 Steam 商店主页上直接查看为您推荐的游戏的功能。

“接下来畅玩”建议

通过实验室的实验获得对机器学习的信心后，我们决定打造“接下来畅玩”，这个功能利用与交互式推荐模型相同的技术，向您推荐您已经拥有但尚未玩过的游戏。 在实验室中与玩家测试这一版本的推荐模型后，该功能已被直接搬到了 Steam 库中当前所在的新家。 在这里，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。 这些建议是在与数百万其他玩家进行比较后，根据您的游戏历史记录做出的。

强大的“搜索”工具

大家针对 Steam 搜索经常提出各种（非常必要的）升级建议，而 Steam 实验室就成为了一个完美场所，无需在探索过程中修改商店，即可尝试这些建议。 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。

在实验过程中，我们尝试将常用的分页机制替换为随着滚动持续载入结果的格式，但我们发现许多玩家还是更喜欢旧有方式，于是就将其变成了一个选项。 我们还了解到玩家希望有一个方法可以排除与标签关联的结果，因此打造了各种不同版本并进行测试，以实现这一目的。 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。

已搁置的实验

Steam 实验室是一个快速尝试各种新想法的绝佳场所，让我们可以洞察玩家的偏好和使用情况。 不是我们选择进行的每项实验都会让您产生共鸣，这一点不可避免，因此我们已经搁置了两项实验，为新的实验让路。

自动展示

“自动展示”原本是一个雄心勃勃的项目，目的是以完全自动的风格，创建极具娱乐性的游戏视频。 视频时长从 2 分钟至 30 分钟不等，我们还实验了以下功能：印刷及动态设计效果、播音员配音、由主题驱动的自动推举，以及同时进行流式传输，以便在最短的时间里传递最大量的信息。

用户的反应很快就表明，较长的格式就是不管用，因为观众通常在这些展示开始的几分钟内就离开了。 我们还发现，每次我们想在 Steam 大奖等活动上主推某些特定选中的游戏时，最终还是选择手动制作，而不是自动生成，来实现我们的沟通目的。

虽然我们仍然乐观地认为，自动展示终有一天会成为令人无法抗拒的了解游戏的方式，但这一天尚未到来。 因此，在未来的一段时间里，影视编辑工作安全无虞，而我们对“自动展示”暂且挥手作别。

深度探索

此实验所提供的浏览 Steam 商店方式，是以一款最爱游戏作为切入点来发掘类似作品。 虽然发掘 Battle Brothers 和 Strikey Sisters 之间存在几度分隔很有意思，发掘鲜为人知但深受喜爱的、与某款最爱热门游戏多少有些相似的遗珠也颇具趣味，但我们发现，以相似度为基础的浏览结果，很难让人接受。

也许“深度探索”实验最具价值的经验在于其“类似标签”匹配算法背后的想法。 这让我们可以将数百个 Steam 标签整理为少数有意义的类别，对其加以利用后有助于在类型、机制等有趣的尺度上测量相似性。

这一对标签进行分类的工作引导我们辨别标签、功能及与 Steam 游戏关联的其他类型元数据之间的关系，让我们推出了“查询扩展”实验，还有“标签向导”，这一工具可以帮助开发者将自己的游戏与各种不同标签关联，从而让自己的游戏更易被发现。 这也激发了我们的灵感，创建了一个内部工具来辨别并整理与大型活动关联的游戏，还引导我们几番思量后得出了为之兴奋不已、要在实验室中试用的新的导航系统。

进行中的实验

与此同时，也让我们来看一下 Steam 实验室里正在火热开展的几项前景向好的实验。 每项实验都在不断进步，并且预计会在接下来的数月中从实验室毕业，正式登陆 Steam。

新闻及活动中心

Steam 新闻中心实验让玩家可以探索自己畅玩、关注或加入愿望单的游戏的个性化动态信息、活动、现场直播及更新。 这些信息可以在自定义后纳入或排除某些类型的活动或新闻来源。 最重要的是，该实验配有提醒系统，帮助玩家时刻关注游戏内活动、现场直播以及其他已安排日程的活动，以此了解未来的动向。

查询扩展

我们在这个 Steam 搜索实验中展开了数项非常重要的幕后工作，使用自定义的同义词库来定义标签和相关元数据之间的关系，以提供更为精确、一致的搜索结果。 我们正在使用 Steam 实验室来帮助评估我们的同义词库是否如各位预期那般有效。 您现在可以通过实验室加入此实验，这将更新搜索功能的逻辑，获得以标签为基础的搜索结果。

在宣告此实验完成之前，我们的目标是在整个 Steam 中进行查看时更多地用上该逻辑，以便，举例来说，搜索“即时”和“战略”会产生和搜索“即时战略”相同的结果。 我们商店的许多浏览查看从这一做法中受益良多。

微型宣传片

微型宣传片能在短短的几秒内，带来游戏的视频快览。 在滚动浏览内容时，人们只花很少的时间来判断什么有趣，因此微型宣传片旨在帮助浏览者在最短的时间中对游戏产生足够的了解。 在 Steam 实验室中，我们试验了不同的格式、长度和策略来从我们合作伙伴提供的标准游戏宣传片中自动生成微型宣传片。 我们还探索了各种自动组合和自动汇集这些短视频的方法，不可否认，其中有些连我们都看得头晕眼花。 🍭🍭

现在，大家可以在 Steam 商店中找到微型宣传片，在主页、特卖活动、交互式推荐模型中，将鼠标悬浮于项目之上时就会显示。 我们仍在对其最佳格式、时长和呈现方式进行调整，并且希望能将它们带到 Steam 上更多的地方。

展望未来

我们不断地认识到，只有在各位反馈意见的基础上，我们的工作才会不断地迭代改善。 Steam 实验室开创了一个机会，让我们能够更早地分享初步的想法并收到意见反馈，还能够借着像您一样的数百万人之力让 Steam 变得更好。

新闻中心更新

在接下来的一次更新中，我们将会很快添加一项功能，来纳入各位关注的 Steam 鉴赏家的新闻，并让来自各位最爱媒体的文章报道直接出现在自己的 Steam 新闻个性化视图中。

全新浏览方式

迄今为止，我们已经在推荐和搜索方面投入了不少精力。 而浏览当然也是人们在 Steam 上发现内容的另一个关键方式，我们也很兴奋地想要探索这一空间。 全新的切入点、更吸引人的浏览，以及更多浏览时进行筛选的工具，都在我们 Steam 实验室未来工作的清单上。

您的想法

我们当然也一直在关注 Steam 实验室讨论组，并希望各位也能继续分享自己的想法，告诉我们想看到我们进行哪些有潜力的实验。