Que sont les systèmes de recommandation?
Les systèmes de recommandation sont des systèmes qui recommandent aux utilisateurs des données qu'ils ont entrées dans le système. Plus un utilisateur a fourni de données, plus de tels systèmes peuvent être précis. En outre, les données soumises par les utilisateurs individuels contribuent à améliorer le système dans son ensemble, en générant des informations pouvant être utilisées pour formuler des recommandations à l'intention des autres utilisateurs. Les systèmes de recommandation sont généralement utilisés sur des sites tels que les sites de critiques de films et de chaînes de télévision, ainsi que sur ceux disposant de vastes inventaires d'articles de vente au détail qu'il serait impossible de parcourir fonctionnellement en regardant chaque article.
Ces systèmes peuvent interagir avec les utilisateurs de différentes manières. Le premier est un service destiné aux utilisateurs qui recherchent plus d’activités qui pourraient les intéresser, comme des lectures supplémentaires, des émissions de télévision ou des jeux vidéo. Dans ces systèmes, l'utilisateur génère une liste de goûts et dégoûts et le système tente de prédire comment l'utilisateur votera sur des choses sur lesquelles il n'a pas encore voté. S'il pense que quelque chose aurait une note élevée, il le suggère à l'utilisateur.
Les systèmes de recommandation bien conçus tirent les leçons de leurs erreurs. Un système peut recommander The Sound of Music car un utilisateur a aimé Willy Wonka & la chocolaterie . L'utilisateur peut sélectionner des options telles que "J'aime ça" ou "Je n'aime pas ça". Si l'utilisateur n'aimait pas The Sound of Music , le système pourrait en prendre note et affiner davantage l'algorithme utilisé pour générer des recommandations. Plus les données accumulées sont nombreuses, plus les recommandations seront utiles.
Les sites de vente au détail utilisent des systèmes de recommandation pour inciter les gens à faire des achats impulsifs. Le système prend note des articles achetés et recommande des articles connexes et utiles. Par exemple, on peut demander à quelqu'un qui achète un appareil photo s'il souhaite acheter un chargeur, un étui d'appareil photo, des filtres et des objectifs supplémentaires. On pourrait dire à quelqu'un qui achète un livre sur la théorie féministe que les autres acheteurs de ce titre bénéficient également d'un autre titre connexe. Ces types de systèmes de recommandation permettent un marketing personnalisé très susceptible d'attirer les utilisateurs.
Ces systèmes reposent sur un filtrage collaboratif des données, dans lequel les données d'un grand nombre d'utilisateurs sont organisées de manière significative. Cela permet au site d’établir des liens qui ne seraient pas autrement visibles, améliorant ainsi la qualité des recommandations. Les utilisateurs qui ne souhaitent pas participer peuvent généralement modifier les options dans leurs paramètres, mais ils réduiront la qualité des recommandations qu'ils reçoivent car le système ne peut pas apprendre des préférences de l'individu, mais uniquement de l'opinion collective des autres utilisateurs.