Vad är rekommendationssystem?
Rekommendationssystem är system som ger rekommendationer för användare på grundval av data som användarna har lagt in i systemet. Ju mer data en användare har tillhandahållit, desto mer exakta kan sådana system vara. Dessutom hjälper data som skickas in av enskilda användare att förbättra systemet totalt sett genom att generera information som kan användas för att göra rekommendationer för andra användare. Rekommendationssystem ses ofta på webbplatser som filmer och TV-granskningswebbplatser och de med stora varulager av detaljhandelsartiklar som skulle vara funktionellt omöjliga att bläddra genom att titta på varje objekt.
Dessa system kan interagera med användare på ett antal olika sätt. Den ena är en tjänst för användare som letar efter fler saker de kan vara intresserade av, som vidare läsning, tv-program eller videospel. I dessa system genererar användaren en lista över gillar och ogillar och systemet försöker förutsäga hur användaren kommer att rösta på saker han eller hon inte har röstat på ännu. Om den tror att något skulle ha en hög betyg, föreslår det det för användaren.
Väl utformade rekommendationssystem lär sig av sina misstag. Ett system kan rekommendera The Sound of Music eftersom en användare gillade Willy Wonka & Chocolate Factory . Användaren kan välja alternativ som "Jag gillar det här" eller "Jag gillar inte det här." Om användaren inte gillade The Sound of Music , kunde systemet notera och förfina algoritmen som används för att generera rekommendationer ytterligare. Ju mer data som samlats in, desto mer användbara kommer rekommendationerna att vara.
Detaljhandelsplatser använder rekommendationssystem för att locka människor att göra impulsköp. Systemet noterar inköpta artiklar och rekommenderar relaterade och användbara artiklar. Till exempel kan någon som köper en kamera frågas om han eller hon vill köpa en laddare, ett kamerafodral, filter och ytterligare linser. Någon som köper en bok om feministisk teori kan få höra att andra köpare av den titeln också har en annan relaterad titel. Dessa typer av rekommendationssystem möjliggör personlig marknadsföring som är mycket troligt att tilltala användare.
Dessa system förlitar sig på samarbetsfiltrering av data, där data från ett stort antal användare är organiserade på meningsfulla sätt. Detta gör det möjligt för webbplatsen att göra anslutningar som annars inte är synliga, vilket förbättrar kvaliteten på rekommendationerna. Användare som inte vill delta kan vanligtvis ändra alternativ i sina användarinställningar, men de kommer att minska kvaliteten på rekommendationerna de får eftersom systemet inte kan lära sig av individens preferenser, bara de kollektiva åsikter från andra användare.