Wij zijn onze eigen casestudy
De meeste platforms onderwijzen een methode en besteden hun eigen back-end uit aan de stack van een ander. Wij hebben een aanbevelingsengine gebouwd met dezelfde 3-Layer-methodologie die we verkopen — en hebben het draaiboek gepubliceerd.
Elk platform wordt uiteindelijk met een test geconfronteerd: werkt je methode ook voor jezelf?
Die test kwam voor ons deze week. Wellness & AI publiceert nu dagelijks casestudy's, blogposts, 'resources', 'prompt scripts' en kant-en-klare 'bundles' in een tiental gezondheidsdomeinen en voor twee doelgroepen. De contentbibliotheek was het categorieraster ontgroeid. Bezoekers misten content die voor hen was gemaakt — 'practitioners' scrolden voorbij aan individuele 'resources', terwijl individuen nooit de 'practitioner bundles' zagen die hetzelfde probleem vanuit een andere hoek benaderden.
De voor de hand liggende stap was het installeren van een 'recommendation widget'. De eerlijke stap was er zelf een te bouwen, met dezelfde 3-Layer-methodologie die we verkopen.
de research-laag: de signaalruimte in kaart brengen
Elk stuk content op deze site bevat al taxonomie-metadata — domein (slaap, metabolisme, hormonen…), doelgroep (individu of 'practitioner'), en laag ('research', 'ledger', 'protocol'). Die taxonomie is de signaalruimte. Een bezoeker die twee casestudy's over slaap en één blogpost over een protocol leest, heeft ons zonder formulier of login precies verteld waar diens interesse ligt.
We hebben elk contenttype — casestudy's, blogposts, 'resources', 'DFY bundles' — ondergebracht in die gedeelde taxonomie. Geen nieuw 'tagging system'. Geen 'vendor schema'. De structuur die we al hadden, was voldoende.
de ledger-laag: vastleggen wat belangrijk is
We hebben een lichtgewicht signaaltabel gemaakt. Elke 'page view' schrijft één rij weg: 'session ID', contenttype, 'slug', domein, doelgroep, laag en een weging. Een 'view' krijgt een score van 1. Een aankoop 5. Een 'dismissal' — de X-knop op elke suggestiekaart — scoort −3.
Voor anonieme bezoekers is het 'session ID' voldoende. Voor ingelogde gebruikers blijft het profiel bestaan over meerdere sessies en verrijkt het zich in de loop van de tijd. Wanneer een anonieme bezoeker zich later aanmeldt, worden de profielen samengevoegd. Er gaan geen gegevens verloren.
de protocol-laag: scoren en aanbieden
Het score-algoritme bouwt per sessie een affiniteitsprofiel op: hoe sterk neigt deze bezoeker naar slaap versus metabolisme, individu versus 'practitioner', 'research' versus 'protocol'? Vervolgens rangschikt het elke geschikte contentkaart op basis van dat profiel, sluit het alles uit wat al is genegeerd, en beperkt het de diversiteit van contenttypes — niet meer dan twee casestudy's of twee 'resources' in één strip — zodat de suggesties nooit repetitief aanvoelen.
Het resultaat is een 'Aanbevolen voor jou'-strip die op elke belangrijke pagina verschijnt: homepage, casestudy's, blog, 'resources', 'done-for-you'. Hij wordt bij elke interactie bijgewerkt. Hij leert van elke 'dismissal'.
waarom we het draaiboek publiceerden
Omdat het beste bewijs het bewijs is dat je bezoeker zelf kan inspecteren. Als we 'practitioners' leren om AI-ondersteunde workflows te bouwen en vervolgens onze eigen personalisatie uitbesteden aan een 'black-box'-leverancier, hebben we een geloofwaardigheidsprobleem. Als we het zelf bouwen, de architectuur documenteren en het draaiboek publiceren als een premium 'resource' — dan dichten we dat gat.
Het AI Recommendation Engine Playbook is nu beschikbaar in de 'resource library'. Het omvat de signaaltaxonomie, het databaseschema, het score-algoritme, de 'dismiss-to-learn'-lus en de dagelijkse analytics-pipeline. Alles wat we gebruiken, precies zoals we het gebruiken.
de admin-kant
Elke ochtend om 6 uur UTC verzamelt een 'cron job' de 'impressions', 'clicks' en 'dismissals' van de vorige dag in een trendtabel en mailt deze naar het admin-team. Het admin-paneel toont 'heatmaps' van domeinaffiniteit, de meest genegeerde content en 'click-through rates'. Als een stuk content consequent wordt genegeerd, is dat een signaal om het te verwijderen of te herzien — niet om het harder te pushen.
waar we de grens trekken
Dit is geen surveillance. We doen niet aan 'fingerprinting'. We verkopen geen data. We bouwen geen schaduwprofielen. De signaaltabel registreert contentinteracties — wat iemand heeft gelezen, wat ze hebben genegeerd — beperkt tot een sessie of een geauthenticeerd account. Dat is alles. De architectuur is open omdat de methode eerlijk is.
Pas je eigen methode toe. Publiceer het recept. Laat de bezoeker beslissen of de maaltijd de moeite waard is.