Habbo ist ein virtuelles Hotel für Jugendliche, in dem Millionen von Menschen aus der ganzen Welt fantasievoll miteinander kommunizieren. Die Nutzer können in diesem Multiplayer Räume gestalten und Rollenspiele, Organisationen und sogar ihre eigenen Geschäfte erschaffen. Derzeit gibt es über 120 Millionen benutzergenerierte Räume in über 9 unterschiedlichsprachigen Hotels.

Doch die Multiplayer Industrie entwickelt sich stetig weiter. Neue Apps, Webseiten, Features und Technologien sorgen dafür, dass Unternehmen, die auf dem Vormarsch bleiben wollen, mit dem schnellen Tempo des Wandels Schritt halten müssen. Um dieses Ziel zu erreichen erkannte Sulake, dass das Hotel eine effizientere und kostengünstigere Möglichkeit zur Moderation der Online-Community benötigte. Diese Herausforderung zu lösen war nach fünfzehnjähriger Erfahrung mit einer Community entscheidend, denn die Sicherheit der Benutzer durfte nicht beinträchtigt werden.

Es wurde also eine skalierbare Moderationslösung für UGC (User-Generated Content) verlangt, die die Kosten niedrig halten würde, aber trotzdem den Gemeinschaftsstandards gerecht werden konnte. Doch Moderationsteams sind teuer. Umso mehr Nutzer eine Community hat, desto mehr Moderatoren benötigt man im Team. Sulake erkannte, dass es unmöglich war, die Kosten für die Beschäftigung eines riesigen Moderationsteams zu finanzieren. Hinzu kommt, dass das Habbo in neun verschiedenen Sprachen verfügbar ist. Es musste sich also etwas ändern.

Die Aktion

Habbo hat Two Hats Security’s Flaggschiff und das Moderationswerkzeug Community Sift in das Hotel implementiert. Angetrieben von Künstlicher Intelligenz (KI) und unterstützt von einer computer-automatisierten menschlichen Überprüfung hat Community Sift den gegenwärtigen und veralteten Wortfilter abgelöst. Alle UGC werden nun durch Community Sift moderiert, einschließlich Privatchat, Forumthemen und Usernamen. Dabei identifiziert das Programm hochriskanten Inhalt und filtert diesen basierend auf den Habbo Gemeinschaftsrichtlinien aus. Darüber hinaus klassifiziert Community Sift die Nutzer nach ihren generierten Bewertungen – wie oft postet ein User unangebrachte Inahlte? Wie oft postet der User eher harmlose Inhalte? Basierend auf dieser Verhaltensanalyse werden unterschiedlich starke Filter für diesen Nutzer angewandt.

Hinzukommend zu dieser Automatisierung wurde ebenfalls ein automatisches Sanktionssystem eingeführt, um User, die die Regel brechen, zu bestrafen. Das Habbo Team hat ebenfalls vollen Zugang zum Community Sift Tool. Sie können die Sift AI auf neue Sprachtrends umschulen, um die kontinuirliche Funktionalität des Systems zu gewährleisten. 

Ergebnisse

Seit der Umsetzung der Community Sift Technologie hat Habbo einen stärkeren Moderationsprozess aufgebaut und gleichzeitig bisherige Kosten drastisch senken können.

Mit Sift haben wir die Moderation und die Arbeitsbelastung der Moderatoren effektiv um mehr als 70% reduzieren können. Die verbleibenden Moderationsarbeiten gehen auf die Überprüfung von Hilferufen, die jedoch ebenfalls zurückgegangen sind, da die Nutzer nicht mehr mit negativen Inhalten konfrontiert werden. Das erlaubt unseren Moderatoren sich wieder verstärkt in die Community einzubringen und auf Nutzerzufriedenheit zu konzentrieren.

Während der Übergangszeit konnte das Moderationsteam wegen der verminderten Arbeitslast dazu beitragen, die Nutzerzufriedenheit hoch zu halten. 

Wir haben kaum Beschwerden von Nutzern erhalten, aber wir haben ein Forum aufgestellt und sind nun in der Lage, Benutzerbeschwerden in Echtzeit zu überprüfen. Die Möglichkeit, Filter-Fehler in Echtzeit zu beheben, war ein großer Gewinn für uns.

Wenn Habbo in Zukunft neue Tools entwickelt, werden sie auf Community Sift’s einzigartiger Technologie stützen. Denn das Tool verändert die Organisation und die Art und Weise, wie Sulake arbeitet. Sulake war in der Lage, das Moderationsteam von über 50 Mitarbeitern auf nur 20 Mitarbeiter zu reduzieren. Neben Habbo verwenden auch andere erfolgreiche Unternehmen wie Supercell, Nintendo oder Wooz das Unternehmen, das sich auf automatisierte Moderation fokussiert hat und bereits mehrere Auszeichnungen erhielt.  

Quelle 1. Quelle 2. Freie Übersetzung.