O que é filtragem colaborativa?
A filtragem colaborativa é um método para processar dados, que se baseia no uso de dados de várias fontes para desenvolver perfis de pessoas relacionadas por gostos e hábitos de consumo semelhantes. Essa técnica é usada em várias configurações diferentes. Algumas das aplicações mais famosas da filtragem colaborativa podem ser vistas na Internet, onde é usada para marketing, para prever os gostos dos usuários e para curar sites que dependem de informações dos usuários para funcionar.
Em um exemplo simples de como a filtragem colaborativa funciona, um site pode querer configurar um sistema de recomendação para programas de televisão. Os usuários do site fornecem dados quando fazem logon e listam os programas que eles gostam. Esses dados, por sua vez, são usados para identificar usuários com gostos semelhantes. Se 75% das pessoas que gostam do Show A gostam do Show B, o sistema pode inferir que as pessoas que gostam de um show provavelmente gostam do outro. Assim, quando um usuário faz logon e se identifica como um fã do Show A procurando sugestões, o sistema pode recomendar o Show B.
Para que a filtragem colaborativa funcione, são necessários muitos dados. Quanto maior a população da qual os dados são extraídos, mais úteis e eficazes serão os dados. É provável que pequenas quantidades de dados terminem com resultados que não são significativos, como conexões falsas que resultam em previsões ruins de gostos. Esses sistemas geralmente sofrem de um problema de partida a frio, no qual seu desenvolvimento é lento porque o banco de dados precisa ser preenchido primeiro. Os adotantes iniciais podem ficar frustrados com o sistema, porque faz recomendações ruins, pois não possui dados suficientes.
A filtragem colaborativa também é usada extensivamente em sites de redes sociais e sites que fornecem ferramentas como favoritos corporativos, nos quais os usuários compartilham e promovem links para sites que consideram interessantes. À medida que os usuários adicionam ao corpo de dados do sistema, o sistema pode começar a fazer recomendações projetadas para agradar aos gostos de cada usuário. Por exemplo, um site de bookmarking social pode gerar links aleatórios com base em links e usuários de quem alguém já havia gostado no passado.
Os profissionais de marketing podem usar a filtragem colaborativa para fornecer marketing direcionado com muita precisão aos usuários. Esse marketing personalizado pode ser altamente eficaz, pois os usuários sentem que estão sendo abordados pessoalmente, e é mais provável que aceitem recomendações como resultado. A grande quantidade de dados fornecidos voluntariamente em sites como sites de redes sociais é uma mercadoria quente entre os profissionais de marketing, que compram dados desses sites para desenvolver campanhas personalizadas.