공동 필터링이란 무엇입니까?

협업 필터링은 수많은 소스의 데이터를 사용하여 비슷한 취향과 지출 습관과 관련된 사람들의 프로파일을 개발하는 데 의존하는 데이터를 처리하는 방법입니다. 이 기술은 여러 가지 설정에 사용됩니다. 가장 유명한 공동 필터링 응용 프로그램 중 일부는 인터넷에서 마케팅에 사용되는 인터넷에서 볼 수 있으며, 사용자 취향을 예측하고 사용자에서 기능에 대한 입력에 의존하는 사이트를 큐 레이트하는 데 도움이됩니다.

협업 필터링 작업의 간단한 예에서 웹 사이트는 TV 쇼를위한 추천 시스템을 설정하기를 원할 수 있습니다. 사이트 사용자는 로그온 할 때 데이터를 제공하고 원하는 쇼를 나열합니다. 이 데이터는 비슷한 취향을 가진 사용자를 식별하는 데 사용됩니다. 좋아하는 사람들의 75%가 Show B와 같은 Show B를 보여 주면 시스템은 한 쇼를 좋아하는 사람들이 아마도 다른 쇼와 같은 것으로 추론 할 수 있습니다. 따라서 사용자가 로그온하여 제안을 찾는 팬으로 식별하면 시스템은 Show B.

를 추천 할 수 있습니다.

공동 작업 필터링을 위해서는 많은 데이터가 필요합니다. 데이터가 그려지는 모집단이 클수록 데이터가 더 유용하고 효과적입니다. 소량의 데이터는 허위 연결과 같이 의미가없는 결과로 끝날 가능성이 높아져 취향의 예측이 좋지 않습니다. 이러한 시스템은 종종 냉장 시작 문제로 어려움을 겪고 있습니다. 데이터베이스를 먼저 채워야하기 때문에 개발이 느리게 발생합니다. 얼리 어답터는 데이터가 충분하지 않기 때문에 나쁜 권장 사항을 만들기 때문에 시스템에 좌절 할 수 있습니다.

협업 필터링은 소셜 네트워킹 사이트 및 사이트에서 기업 북마크와 같은 도구를 제공하는 사이트에서 광범위하게 사용되며, 사용자는 흥미로운 사이트에 대한 링크를 공유하고 홍보합니다. 사용자가 시스템의 데이터 본문에 추가함에 따라 시스템은 APPE로 설계된 권장 사항을 만들 수 있습니다.각 사용자의 취향에 알. 예를 들어, 소셜 북마크 사이트는 링크를 기반으로 임의의 링크를 생성 할 수 있으며 사용자는 과거에 좋아하는 것을 표현했습니다.

.

마케팅 담당자는 협업 필터링을 사용하여 사용자에게 매우 정확하게 타겟팅 된 마케팅을 제공 할 수 있습니다. 이 개인화 된 마케팅은 사용자가 개인적으로 다루는 것처럼 느끼기 때문에 매우 효과적 일 수 있으며 결과적으로 권장 사항을 수락 할 가능성이 높습니다. 소셜 네트워킹 사이트와 같은 웹 사이트에서 자발적으로 제공되는 막대한 양의 데이터는 마케팅 담당자 사이의 뜨거운 상품으로, 해당 사이트의 데이터를 구매하여 맞춤형 캠페인을 개발합니다.