Khi ảnh cosplay đội lốt esports: một lỗi gắn nhãn đang bào mòn dữ liệu ngành

Trong lần chạy bộ lọc phân loại cho kho nội dung mà tôi phụ trách, tôi dừng lại ở một mục nằm gọn trong feed esports: thẻ phân loại đầy đủ, thời gian xuất bản hợp lệ, tác giả có tên, nhưng phần thân bài chỉ chứa một bộ ảnh cosplay nhân vật Shimakaze thuộc tựa game Azur Lane. Tôi chạy đếm các thực thể cạnh tranh trong toàn bộ văn bản — đội tuyển, tuyển thủ, ban huấn luyện, bản vá, kèo chuyển nhượng, thể thức giải. Kết quả trả về: không. Số thực thể cạnh tranh bằng không trên một bài được gắn nhãn esports.

Con số đó không lớn tiếng. Nó chỉ nằm đó, lạnh, và đủ để mở ra một câu hỏi lớn hơn nhiều so với bản thân bài viết. Trước khi bóng lăn, con số đã thì thầm kết quả. Ở đây, con số thì thầm rằng không có trận đấu nào cả.

Tôi làm quản trị viên thị trường chuyển nhượng cho một nền tảng dữ liệu có trụ sở tại Seoul, và công việc hằng ngày của tôi là biến tin đồn thành biến số. Mỗi ngày tôi nhận hàng nghìn mẩu nội dung từ nhiều thị trường, gắn nhãn, đối chiếu, rồi quyết định xem mẩu nào đủ tin để đưa vào mô hình theo dõi. Trong hệ thống đó, nhãn esports là một nhãn có trọng số: nó quyết định mẩu nội dung sẽ được đọc bởi ai, dùng để tính chỉ số gì, và ảnh hưởng tới những quyết định đầu tư nào phía sau.

Nhãn sai ở tầng này giống như một cú chạm bóng lệch một gang tay trong vòng cấm: nhìn thì vô hại, nhưng nó làm lệch cả đường bóng phía sau.

Chuyện phân loại sai không mới. Điều mới là quy mô và tốc độ của nó. Các tòa soạn ở Việt Nam, Hàn Quốc và khu vực Đông Nam Á đang vận hành trong một nền kinh tế chú ý mà ở đó số lượt xem quyết định ngân sách, và nội dung cosplay kéo lượt xem ổn định hơn nhiều so với một bài phân tích chuyên sâu. Một bộ ảnh nhân vật nổi tiếng có thể mang về lượng truy cập tương đương một trận chung kết khu vực, với chi phí bằng một phần nhỏ. Xét về mặt kinh tế, quyết định đăng bài là hợp lý. Xét về mặt dữ liệu, nó tạo ra nhiễu.

Hãy tách vấn đề thành ba lớp.

Lớp thứ nhất là bản chất của tựa game. Azur Lane là game gacha thu thập nhân vật, không có hệ thống giải chuyên nghiệp, không có league nhượng quyền, không có vòng loại. Chu kỳ nội dung của nó được vận hành bởi lịch ra nhân vật mới và trang phục, không phải bởi bản vá cân bằng. Nói cách khác, thứ mà tôi vẫn gọi là meta trong công việc hằng ngày hoàn toàn không tồn tại ở đây. Không có meta thì không có phân tích meta, và một bài viết không có phân tích meta thì không thể là bài esports, dù nó được dán nhãn gì.

Lớp thứ hai là cơ chế sinh ra nhãn sai. Các hệ thống gắn nhãn tự động hoạt động theo cụm chủ đề và từ khóa lân cận. Một bài cosplay về nhân vật game, khi nằm cạnh trong cùng một khối liên kết với tin về PUBG Asia Stars hay một lùm xùm án phạt của tuyển thủ, sẽ bị thuật toán kéo về phía esports vì cụm từ khóa trùng nhau: game, tuyển thủ, giải đấu, khu vực. Thuật toán không biết phân biệt giữa một đối tượng cạnh tranh và một đối tượng thẩm mỹ. Nó chỉ biết đếm.

Lớp thứ ba, và đây mới là phần đáng lo, là hệ quả thống kê. Nếu mỗi tòa soạn để lọt vài phần trăm nội dung phi cạnh tranh vào feed esports, thì tổng đài dữ liệu mà các nhà phân tích như tôi sử dụng sẽ phình lên về khối lượng nhưng rỗng đi về tín hiệu. Chỉ số lượng nội dung esports tăng, nhưng chỉ số chất lượng phân tích esports không nhúc nhích. Tôi đã kiểm tra chéo 120 mục được gắn nhãn esports từ ba nguồn tiếng Việt trong một tuần: 14 mục trong số đó có số thực thể cạnh tranh bằng không hoặc gần bằng không. Tỷ lệ 11,7 phần trăm. Trên một mẫu nhỏ như vậy, tôi không dám nói đó là quy luật toàn ngành. Nhưng nó đủ để tôi phải rà lại toàn bộ quy tắc gắn nhãn của mình.

Điều đáng chú ý là lớp nhiễu này không đến từ những nơi ta thường nghi ngờ. Nó không đến từ tin giả, cũng không đến từ nội dung kém chất lượng. Bộ ảnh cosplay kia, xét về mặt sản xuất, được đầu tư nghiêm túc: trang phục chỉn chu, ánh sáng đúng, biểu cảm được tính toán. Nó là một sản phẩm tốt. Vấn đề duy nhất của nó là bị đặt sai kệ.

Nếu nhìn bằng con mắt của chuỗi giá trị, ta thấy rõ hai đường truyền tách biệt. Đường truyền esports chạy từ nhà phát hành game cạnh tranh, qua các đội tuyển và tuyển thủ, tới giải đấu, tới người xem, tới nhà tài trợ. Đường truyền nội dung người hâm mộ chạy từ thiết kế nhân vật, qua người sáng tạo nội dung, tới cộng đồng người hâm mộ, tới hàng hóa và sản phẩm phái sinh. Hai đường truyền này có điểm chạm, nhưng chúng không cùng một hệ sinh thái. Trộn chúng vào một nhãn là sai về mặt phương pháp, giống như gộp số liệu của một giải bóng rổ với số liệu của một buổi triển lãm tranh rồi gọi chung là thể thao.

Tỷ số là kẻ nói dối; dữ liệu là nhân chứng duy nhất tôi tin. Nhưng nhân chứng chỉ đáng tin khi người ta gọi đúng tên anh ta. Một bộ ảnh cosplay được gọi là esports là một nhân chứng bị ghi sai họ tên trong biên bản.

Có một điểm tôi muốn nhấn mạnh vì nó thường bị bỏ qua trong các cuộc tranh luận kiểu này. Bản thân nội dung người hâm mộ không phải là nhiễu. Cái gây nhiễu là nhãn. Bộ ảnh cosplay có giá trị riêng của nó, có tệp khán giả riêng của nó, và có bộ chỉ số đo lường riêng — lượng tương tác, tỷ lệ chia sẻ, tốc độ lan truyền trong cộng đồng người hâm mộ. Nếu nó được gắn nhãn gaming và cosplay, được đo bằng bộ chỉ số phù hợp, nó là dữ liệu sạch. Chỉ khi bị nhét vào rổ esports và đo bằng bộ chỉ số cạnh tranh, nó mới biến thành rác.

Về chuyện đo lường sai bộ chỉ số, tôi có một ví dụ cũ. Nhiều năm trước, khi còn phân tích các trận bóng đá bằng mô hình bàn thắng kỳ vọng, tôi từng chứng kiến cả một phòng dữ liệu tranh cãi về việc một đội chạy 118 km trong một trận có nghĩa là họ chơi tốt hay chơi dở. Không ai trả lời được, vì quãng đường di chuyển là chỉ số nỗ lực, không phải chỉ số hiệu quả. Một đội chạy nhiều có thể là một đội đang bị dồn ép. Cùng một con số, đặt vào hai hệ quy chiếu, cho ra hai kết luận trái ngược. Chuyện gắn nhãn esports cho một bài cosplay là phiên bản kỹ thuật số của vấn đề đó: dùng thước đo của hệ này để phán xét hệ kia.

Còn một tín hiệu thời gian đáng để theo dõi. Chu kỳ nội dung của các tựa game gacha gắn chặt với lịch ra nhân vật và trang phục. Nếu bài cosplay xuất hiện đúng cửa sổ một sự kiện kỷ niệm hoặc một đợt ra mắt trang phục mới, thì việc nó lọt vào feed esports không phải ngẫu nhiên về mặt thương mại — nó là một điểm chạm được lên lịch. Tôi không có đủ dữ liệu để khẳng định tương quan này, và tôi sẽ không giả vờ là mình có. Đây là giả thuyết, không phải kết luận.

Ở đây tôi phải tự phản biện chính mình, vì tôi có thói quen đặt cược vào kết luận của mình rồi tự đo lại bằng dữ liệu mới.

Cách lập luận phổ biến trong giới phân tích là lên án các tòa soạn vì đã hy sinh chất lượng lấy lượt xem. Tôi cho rằng phán xét đó đúng về hiện tượng nhưng sai về nguyên nhân. Hãy đặt câu hỏi ngược lại: vì sao một tòa soạn phải đăng ảnh cosplay để nuôi trang esports của mình? Câu trả lời nằm ở cấu trúc doanh thu. Phân tích esports chuyên sâu có tệp độc giả nhỏ, trung thành nhưng không sinh lời trực tiếp; nội dung cosplay có tệp độc giả lớn, phân tán, và dễ chuyển hóa thành lượt xem quảng cáo. Một tòa soạn muốn duy trì ban phân tích esports buộc phải nuôi nó bằng dòng tiền từ nội dung giải trí. Nói cách khác, chính cái được gọi là nhiễu lại đang trả lương cho cái được gọi là tín hiệu.

Điều này dẫn tới một kết luận phản trực giác: nếu tôi thanh lọc triệt để feed esports của mình, tôi không chỉ loại bỏ nhiễu, tôi còn có nguy cơ chặt đi nguồn lực duy trì chính những bài phân tích mà tôi cần. Vấn đề không phải là loại bỏ, mà là phân tầng.

Tôi theo dõi thị trường chuyển nhượng không phải để bắt tin, mà để bắt những quy luật. Và quy luật ở đây là: mọi hệ sinh thái nội dung đều cần một tầng dẫn dụ và một tầng chuyên sâu. Cái sai không nằm ở việc có tầng dẫn dụ. Cái sai nằm ở việc để hai tầng dùng chung một mã nhãn, khiến tầng dẫn dụ đầu độc số liệu của tầng chuyên sâu.

Một điều nữa cần nói cho công bằng với cộng đồng cosplay. Những người sáng tạo nội dung này không xin được gắn nhãn esports. Họ làm việc trong không gian bản quyền của nhà phát hành, theo các chính sách dung dưỡng tác phẩm người hâm mộ vốn khá cởi mở với các tựa game gacha. Rủi ro của họ là rủi ro bản quyền, không phải rủi ro cạnh tranh. Trách nhiệm phân loại thuộc về những người vận hành hệ thống — tức là những người như tôi.

Và đây là phần dữ liệu không nhìn thấy, thứ mà tôi luôn phải tự nhắc mình đặt xuống cuối mỗi bài. Tôi không có số liệu về lượng truy cập thực tế của bài viết gốc, không có tỷ lệ tương tác, không có tốc độ lan truyền. Tôi cũng không có bảng lịch sự kiện của tựa game đó để đối chiếu thời điểm. Nghĩa là tôi đang phán xét một mẫu nội dung dựa trên cấu trúc của nó, không dựa trên hiệu suất của nó. Hai thứ đó khác nhau, và một người làm dữ liệu tử tế phải nói rõ mình đang đứng ở đâu.

Tôi đã sửa quy tắc gắn nhãn của mình: bất kỳ mục nào có số thực thể cạnh tranh bằng không sẽ tự động rơi vào hàng chờ kiểm tra thủ công, bất kể tên miền nguồn là gì. Khủng hoảng chỉ là một tập dữ liệu chưa được dọn dẹp.

Câu hỏi tôi để lại cho vòng theo dõi tiếp theo không phải là làm sao loại cosplay khỏi feed esports. Mà là: khi mọi nền tảng đều bị buộc phải nuôi tầng chuyên sâu bằng tầng giải trí, ai sẽ là người đầu tiên xây dựng một hệ thống đo lường đủ tinh tế để hai tầng đó không còn làm hỏng số liệu của nhau?