Cos'è il filtro collaborativo?
Il filtraggio collaborativo è un metodo per l'elaborazione dei dati che si basano sull'uso di dati di numerose fonti per sviluppare profili di persone che sono collegate da gusti simili e abitudini di spesa. Questa tecnica viene utilizzata in diverse impostazioni. Alcune delle applicazioni più famose di filtraggio collaborativo possono essere viste su Internet, dove vengono utilizzate per il marketing, per prevedere i gusti degli utenti e per curare i siti che si basano su input da parte degli utenti per funzionare.
In un semplice esempio di come funzionano il filtro collaborativo, un sito Web potrebbe voler impostare un sistema di raccomandazione per gli spettacoli televisivi. Gli utenti del sito forniscono dati quando accedono ed elencano gli spettacoli che amano. Questi dati vengono a loro volta utilizzati per identificare gli utenti con gusti simili. Se il 75% delle persone a cui piace mostrare A Like Show B, il sistema può dedurre che le persone a cui piace uno spettacolo probabilmente piace l'altro. Pertanto, quando un utente accede e si identifica come un fan dello spettacolo in cerca di suggerimenti, il sistema può raccomandare Show b.
Per il filtro collaborativo al lavoro, ha bisogno di molti dati. Più grande è la popolazione da cui vengono tracciati i dati, più utili ed efficaci saranno i dati. Piccole quantità di dati hanno maggiori probabilità di finire con risultati che non sono significativi, come le false connessioni che si traducono in scarse previsioni di gusti. Tali sistemi spesso soffrono di un problema di avvio a freddo, in cui sono lenti a svilupparsi perché il database deve essere popolato per primo. I primi ad adottare possono diventare frustrati dal sistema perché formula cattive raccomandazioni poiché non ha dati sufficienti.
Il filtraggio collaborativo è anche ampiamente utilizzato su siti e siti di social network che forniscono strumenti come il bookmarking aziendale, in cui gli utenti condividono e promuovono i collegamenti ai siti che trovano interessanti. Poiché gli utenti si aggiungono al corpus di dati nel sistema, il sistema può iniziare a formulare raccomandazioni progettate per appeAl per i gusti di ciascun utente. Ad esempio, un sito di social bookmarking potrebbe generare collegamenti casuali sulla base di collegamenti e utenti che qualcuno ha espresso una simpatia in passato.
Gli esperti di marketing possono utilizzare il filtro collaborativo per offrire agli utenti marketing mirati in modo molto preciso. Questo marketing personalizzato può essere altamente efficace poiché gli utenti si sentono come se fossero affrontati personalmente e di conseguenza hanno maggiori probabilità di accettare raccomandazioni. Le grandi quantità di dati fornite volontariamente su siti Web come i siti di social network sono una merce calda tra gli esperti di marketing, che acquistano dati da tali siti per sviluppare campagne personalizzate.