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.