Co jsou systémy doporučení?
Systémy doporučování jsou systémy, které poskytují doporučení pro uživatele na základě dat, které uživatelé vstoupili do systému. Čím více dat uživatel poskytl, tím přesnější takové systémy mohou být. Data předložená jednotlivými uživateli navíc pomáhají vylepšit systém celkově generováním informací, které lze použít k vydávání doporučení pro ostatní uživatele. Systémy doporučení jsou běžně pozorovány na webech, jako jsou weby pro filmové a televizní recenze a ty s velkými zásobami maloobchodních předmětů, které by bylo funkčně nemožné procházet při pohledu na každou položku.
Tyto systémy mohou interagovat s uživateli mnoha různými způsoby. Jeden je jako služba uživatelům, kteří hledají více věcí, o které by se mohly zajímat, jako je další čtení, televizní pořady nebo videohry. V těchto systémech uživatel generuje seznam lajků a nelíbí a systém se snaží předpovídat, jak uživatel bude hlasovat o věcech, o kterých dosud nehlasoval. Pokud si to myslí, že něco woulD má vysoké hodnocení, navrhuje to uživateli.
Dobře navržené systémy doporučení se poučí ze svých chyb. Systém by mohl doporučit zvuk hudby , protože uživatel měl rád Willy Wonka & The Chocolate Factory . Uživatel mohl vybrat možnosti, jako je „Líbí se mi to“ nebo „To se mi nelíbí“. Pokud by se uživateli nelíbilo zvuk hudby , mohl by systém vzít na vědomí a dále upřesnit algoritmus použitý ke generování doporučení. Čím více údajů získaných, tím užitečnější budou doporučení.
Maloobchodní stránky používají systémy doporučení k tomu, aby lidi přilákaly lidi k provádění nákupů impulsů. Systém bere na vědomí zakoupené položky a doporučuje související a užitečné položky. Například, někdo, kdo kupuje kameru, by se mohl zeptat, zda chce koupit nabíječku, pouzdro na kameru, filtry a další čočky. Někdo koupil knihu o feministické teoriiTo, že další kupující tohoto titulu mají také další související titul. Tyto typy systémů doporučení umožňují personalizovaný marketing, který je velmi pravděpodobné, že se přitahují na uživatele.
Tyto systémy se spoléhají na kolaborativní filtrování dat, ve kterém jsou data z obrovského počtu uživatelů organizována smysluplným způsobem. To umožňuje webu vytvářet spojení, která by jinak nebyla zřejmá, a zlepšila kvalitu doporučení. Uživatelé, kteří se nechtějí účastnit, mohou obvykle změnit možnosti ve svém uživatelském nastavení, ale sníží kvalitu doporučení, která obdrží, protože systém se nemůže poučit z preferencí jednotlivce, pouze z kolektivního názoru ostatních uživatelů.