협업 필터링이란 무엇입니까?

협업 필터링은 다양한 소스의 데이터를 사용하여 유사한 취향과 소비 습관과 관련된 사람들의 프로파일을 개발하는 데 의존하는 데이터를 처리하는 방법입니다. 이 기술은 여러 가지 다른 설정에서 사용됩니다. 협업 필터링의 가장 유명한 응용 프로그램 중 일부는 인터넷에서 볼 수 있습니다. 인터넷에서 마케팅, 사용자 취향을 예측하고 사용자 입력에 의존하는 사이트를 선별하여 기능을 수행하는 데 사용됩니다.

공동 작업 필터링이 작동하는 간단한 예에서 웹 사이트는 TV 쇼를위한 권장 시스템을 설정하려고 할 수 있습니다. 사이트 사용자는 로그온 할 때 데이터를 제공하고 원하는 쇼를 나열합니다. 이 데이터는 맛이 비슷한 사용자를 식별하는 데 사용됩니다. Show A를 좋아하는 사람들의 75 %가 Show B를 좋아한다면, 시스템은 한 쇼를 좋아하는 사람들이 다른 쇼를 좋아할 것이라고 추측 할 수 있습니다. 따라서 사용자가 로그온하여 제안을 찾는 쇼 A의 팬으로 식별되면 시스템은 쇼 B를 추천 할 수 있습니다.

협업 필터링이 작동하려면 많은 데이터가 필요합니다. 데이터를 수집하는 인구가 많을수록 데이터가 더 유용하고 효과적입니다. 소량의 데이터는 맛에 대한 예측이 좋지 않은 잘못된 연결과 같이 의미가없는 결과로 끝나기 쉽습니다. 이러한 시스템은 종종 콜드 스타트 ​​문제로 어려움을 겪습니다.이 문제는 데이터베이스를 먼저 채워야하기 때문에 개발 속도가 느립니다. 얼리 어답터는 데이터가 충분하지 않기 때문에 권장 사항이 좋지 않기 때문에 시스템에 불만이 생길 수 있습니다.

공동 작업 필터링은 소셜 네트워킹 사이트 및 엔터프라이즈 북마크와 같은 도구를 제공하는 사이트에서 광범위하게 사용되며, 사용자는 즐겨 찾는 사이트에 대한 링크를 공유하고 홍보합니다. 사용자가 시스템의 데이터 본문에 추가함에 따라 시스템은 각 사용자의 취향에 맞게 디자인 된 권장 사항을 만들 수 있습니다. 예를 들어, 소셜 북 마킹 사이트는 과거에 누군가가 좋아했던 링크 및 사용자를 기반으로 임의 링크를 생성 할 수 있습니다.

마케팅 담당자는 협업 필터링을 사용하여 매우 정확하게 타겟팅 된 마케팅을 사용자에게 제공 할 수 있습니다. 이 개인화 된 마케팅은 사용자가 개인적으로 다루는 느낌이 들기 때문에 매우 효과적 일 수 있으며 결과적으로 권장 사항을 받아 들일 가능성이 높습니다. 소셜 네트워킹 사이트와 같은 웹 사이트에서 자발적으로 제공되는 방대한 양의 데이터는 마케팅 담당자에게 인기있는 상품으로, 해당 사이트에서 데이터를 구매하여 맞춤형 캠페인을 개발합니다.