¿Qué son los sistemas de recomendación?
Los sistemas de recomendación son sistemas que hacen recomendaciones para los usuarios sobre la base de los datos que los usuarios han ingresado en el sistema. Cuantos más datos haya proporcionado un usuario, más precisos pueden ser dichos sistemas. Además, los datos enviados por usuarios individuales ayudan a mejorar el sistema en general, generando información que se puede utilizar para hacer recomendaciones para otros usuarios. Los sistemas de recomendación se ven comúnmente en sitios como sitios de revisión de películas y televisión y aquellos con grandes inventarios de artículos minoristas que serían funcionalmente imposibles de navegar mirando cada elemento.
Estos sistemas pueden interactuar con los usuarios de varias maneras diferentes. Uno es como un servicio para los usuarios que buscan más cosas que puedan estar interesadas, como leer más, programas de televisión o videojuegos. En estos sistemas, el usuario genera una lista de me gusta y disgusto y el sistema intenta predecir cómo el usuario votará sobre las cosas que él o ella aún no ha votado. Si piensa que algo seríaD tiene una calificación alta, lo sugiere al usuario.
Los sistemas de recomendación bien diseñados aprenden de sus errores. Un sistema podría recomendar el sonido de la música porque a un usuario le gustó a Willy Wonka y la fábrica de chocolate . El usuario podría seleccionar opciones como "Me gusta esto" o "No me gusta esto". Si al usuario no le gustó el sonido de la música , el sistema podría tomar nota y refinar aún más el algoritmo utilizado para generar recomendaciones. Cuantos más datos se acumulen, más útiles serán las recomendaciones.
Los sitios minoristas utilizan sistemas de recomendación para atraer a las personas a realizar compras de impulso. El sistema toma nota de los artículos comprados y recomienda artículos relacionados y útiles. Por ejemplo, se le puede preguntar a alguien que está comprando una cámara si quiere comprar un cargador, un estuche de cámara, filtros y lentes adicionales. Se podría decir que alguien comprando un libro sobre teoría feministaque otros compradores de ese título también disfrutan de otro título relacionado. Estos tipos de sistemas de recomendación permiten marketing personalizado que es muy probable que atraiga a los usuarios.
Estos sistemas dependen del filtrado colaborativo de los datos, en el que los datos de un gran número de usuarios se organizan de manera significativa. Esto permite que el Sitio haga conexiones que de otro modo no sean evidentes, mejorando la calidad de las recomendaciones. Los usuarios que no desean participar generalmente pueden cambiar las opciones en la configuración de su usuario, pero reducirán la calidad de las recomendaciones que reciben porque el sistema no puede aprender de las preferencias del individuo, solo la opinión colectiva de otros usuarios.