¿Qué son los algoritmos de recomendación?

Written by Analítica, Ideas Frescas

Seguramente has notado que en la página principal de tu perfil de Netflix no aparecen las mismas películas y series que en el de tu amigo. O cuando realizas una compra en Amazon, te has fijado que debajo de la descripción del producto aparecen sugerencias de otros similares.

Esto se debe a que sitios que se dedican al e-commerce­, como Amazon, y a la generación de contenido, tal es el caso de Netflix, utilizan algoritmos de recomendación, o recommender systems, basados en tu perfil de usuario para acercarte a productos y contenido que es altamente probable que consumas porque se alinean con tus intereses y preferencias.

Un sistema de recomendación es un algoritmo que filtra toda la información disponible sobre un usuario en particular para predecir qué es lo que tendrá valor para él dentro del catálogo disponible en la página con el fin de que la sugerencia también se convierta en una transacción o un motivo para evitar la pérdida de ese cliente. Pero ¿cómo es que recopilan toda esa información acerca de ti?

Algunos recommender systems utilizan sistemas de calificación para construir tu perfil. No obstante, este método puede ser poco fiable debido a que no todos califican los productos o servicios que usan, además de que cada persona tiene una percepción diferente sobre el valor de la escala. Por su parte, otros sistemas recopilan tu información mediante la interacción que tienes con el sitio. Para medir tu satisfacción, cada página utiliza parámetros distintos. Por ejemplo, el sistema de YouTube interpreta que un video te gustó porque lo viste completo.

Dependiendo del análisis de información realizado por el algoritmo, los filtros para los sistemas de recomendaciones se clasifican de la siguiente manera:

  • Contenido: Las sugerencias dadas por el algoritmo se basan en las características mismas de los productos, buscando similitudes entre lo que se ha consumido o gustado en el pasado. Es un modelo sencillo porque solamente se requiere la información de los productos para armarlo, pero no toma en consideración la información proveniente de las transacciones lo que dificulta su mejora.
  • Colaborativo: El sistema presenta recomendaciones procesando las calificaciones otorgadas por los usuarios. Los resultados se interpretan por métodos basados en la memoria, encontrando usuarios con perfiles parecidos para dar sugerencias de acuerdo con lo que ellos han comprado o les ha gustado, o en modelos que realizan predicciones como lo haría una máquina cualquiera.
  • Híbrido: El sistema procesa tanto las características del producto o servicio como las interacciones realizadas para dar mejores recomendaciones al usuario. El sistema de Netflix es un excelente ejemplo puesto que da sugerencias basadas en lo que las personas ven, sus hábitos de búsqueda y características similares entre las películas.

Implementar adecuadamente un sistema de recomendaciones puede dar un impulso a las ventas de un producto o servicio desconocido para el usuario, además de ser una forma efectiva de marketing personalizado al crear una experiencia única para cada individuo. ¿Sientes que las sugerencias que dan son cosas que tú comprarías?

Last modified: junio 12, 2019

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *