¿Qué es el filtrado colaborativo?
El filtrado colaborativo es un método para procesar datos que se basa en el uso de datos de numerosas fuentes para desarrollar perfiles de personas relacionadas con gustos y hábitos de gasto similares. Esta técnica se utiliza en una serie de configuraciones diferentes. Algunas de las aplicaciones más famosas de filtrado colaborativo se pueden ver en Internet, donde se utiliza para el marketing, para predecir los gustos de los usuarios y para curar sitios que dependen de la entrada de los usuarios para funcionar.
En un ejemplo simple de cómo funciona el filtrado colaborativo, un sitio web podría configurar un sistema de recomendación para que muestra el televisor. Los usuarios del sitio proporcionan datos cuando inician sesión y enumeran los programas que les gusta. Estos datos se utilizan a su vez para identificar a los usuarios con gustos similares. Si el 75% de las personas a las que les gusta un programa similar B, el sistema puede inferir que las personas a las que les gusta un espectáculo probablemente les gusta el otro. Por lo tanto, cuando un usuario inicia sesión e identifica como fanático de mostrar sugerencias, el sistema puede recomendar el espectáculo b.
Para que funcione el filtrado colaborativo, necesita muchos datos. Cuanto más grande sea la población de la que se extraen los datos, más útiles y efectivos serán los datos. Es más probable que pequeñas cantidades de datos terminen con resultados que no son significativos, como las falsas conexiones que resultan en malas predicciones de gustos. Tales sistemas a menudo sufren un problema de inicio en frío, en el que tardan en desarrollar porque la base de datos debe poblarse primero. Los primeros usuarios pueden frustrarse con el sistema porque hace malas recomendaciones, ya que no tiene suficientes datos.
El filtrado colaborativo también se usa ampliamente en sitios y sitios de redes sociales que proporcionan herramientas como marcadores empresariales, en los que los usuarios comparten y promueven enlaces a sitios que encuentran interesantes. A medida que los usuarios se suman al cuerpo de datos en el sistema, el sistema puede comenzar a hacer recomendaciones diseñadas para AppEAl para los gustos de cada usuario. Por ejemplo, un sitio de marcadores sociales podría generar enlaces aleatorios sobre la base de enlaces y usuarios que alguien ha expresado un gusto en el pasado.
Los especialistas en marketing pueden usar un filtrado colaborativo para ofrecer marketing dirigido con precisión a los usuarios. Este marketing personalizado puede ser altamente efectivo ya que los usuarios sienten que están siendo abordados personalmente, y es más probable que acepten recomendaciones como resultado. Las grandes cantidades de datos proporcionados voluntariamente en sitios web como los sitios de redes sociales son un producto candente entre los especialistas en marketing, que compran datos de dichos sitios para desarrollar campañas personalizadas.