Wat is collaboratief filteren?
Collaboratief filteren is een methode voor het verwerken van gegevens die gebaseerd is op het gebruik van gegevens uit verschillende bronnen om profielen te ontwikkelen van mensen die door vergelijkbare smaken en bestedingsgewoonten verwant zijn. Deze techniek wordt in een aantal verschillende instellingen gebruikt. Enkele van de beroemdste toepassingen van collaboratief filteren zijn te zien op internet, waar het wordt gebruikt voor marketing, om smaken van gebruikers te voorspellen en om sites te beheren die afhankelijk zijn van input van gebruikers om te functioneren.
In een eenvoudig voorbeeld van hoe collaboratief filteren werkt, wil een website misschien een aanbevelingssysteem opzetten voor televisieprogramma's. Gebruikers van de site verstrekken gegevens wanneer ze inloggen en vermelden de shows die ze leuk vinden. Deze gegevens worden op hun beurt gebruikt om gebruikers met vergelijkbare smaken te identificeren. Als 75% van de mensen die van show A houden, van show B houdt, kan het systeem afleiden dat mensen die van de ene show houden de andere waarschijnlijk leuk vinden. Dus wanneer een gebruiker zich aanmeldt en identificeert als een fan van Show A op zoek naar suggesties, kan het systeem Show B aanbevelen.
Om collaboratief filteren te laten werken, heeft het veel gegevens nodig. Hoe groter de populatie waaruit de gegevens worden getrokken, des te nuttiger en effectiever de gegevens zullen zijn. Kleine hoeveelheden gegevens eindigen eerder met resultaten die niet zinvol zijn, zoals valse verbindingen die leiden tot slechte voorspellingen van smaken. Dergelijke systemen hebben vaak last van een koudstartprobleem, waarbij ze zich langzaam ontwikkelen omdat de database eerst moet worden gevuld. Vroege gebruikers kunnen gefrustreerd raken van het systeem omdat het slechte aanbevelingen doet omdat het onvoldoende gegevens heeft.
Collaboratief filteren wordt ook veelvuldig gebruikt op sociale netwerksites en sites die tools bieden zoals enterprise bookmarking, waarin gebruikers links naar sites delen en promoten die zij interessant vinden. Naarmate gebruikers meer gegevens toevoegen aan het systeem, kan het systeem aanbevelingen doen die zijn ontworpen om aan de smaak van elke gebruiker te voldoen. Een sociale bookmarking-site kan bijvoorbeeld willekeurige links genereren op basis van links en gebruikers waarvoor iemand in het verleden een voorkeur heeft uitgesproken.
Marketeers kunnen collaboratieve filtering gebruiken om zeer precies gerichte marketing aan gebruikers te leveren. Deze gepersonaliseerde marketing kan zeer effectief zijn, omdat gebruikers het gevoel hebben dat ze persoonlijk worden aangesproken, waardoor ze eerder geneigd zijn aanbevelingen te accepteren. De enorme hoeveelheden gegevens die vrijwillig op websites zoals sociale netwerksites worden aangeboden, zijn een hot commodity onder marketeers, die gegevens van dergelijke sites kopen om campagnes op maat te ontwikkelen.