Blog

Oct 02, 2023

Che cos'è un motore di raccomandazioni?

Un motore di raccomandazione, o sistema di raccomandazione, è uno strumento di filtraggio dei dati che fornisce suggerimenti personalizzati agli utenti in base al loro comportamento e preferenze passati. Utilizzando algoritmi di machine learning

Un motore di raccomandazione, o sistema di raccomandazione, è uno strumento di filtraggio dei dati che fornisce suggerimenti personalizzati agli utenti in base al loro comportamento e preferenze passati. Utilizzando algoritmi di apprendimento automatico e analisi statistiche, può prevedere i desideri e i bisogni di una persona in base ai dati generati, nonché suggerire prodotti, contenuti o informazioni che probabilmente troveranno interessanti o pertinenti.

"L'obiettivo", secondo Patrick Thompson, direttore del prodotto presso Amplitude, fornitore di motori di raccomandazione, "è arrivare al punto in cui si consiglia il contenuto giusto alla persona giusta al momento giusto, in base al suo percorso precedente. "

Un motore di consigli è uno strumento che utilizza l'apprendimento automatico per rilevare modelli nei dati comportamentali di una persona (come la cronologia di navigazione e gli acquisti passati) per suggerire contenuti, prodotti o informazioni specifici che probabilmente troveranno interessanti o pertinenti.

I motori di raccomandazione sono praticamente ovunque, dai servizi di streaming video ai siti di e-commerce. Alcuni esempi familiari includono Netflix, che suggerisce programmi e film che un utente potrebbe apprezzare in base alla cronologia delle visualizzazioni, e Google, che utilizza la cronologia di navigazione di una persona per classificare le informazioni e prevedere cosa potrebbe cercare in seguito.

In un mondo sovraccarico di informazioni, i motori di raccomandazione consentono ai consumatori di scoprire facilmente i prodotti e i contenuti che desiderano e alle aziende di creare esperienze personalizzate che inducono i consumatori a tornare.

Lettura correlata Per gli utenti, una migliore intelligenza artificiale significa maggiore personalizzazione

In parole povere, i motori di raccomandazione raccolgono molti dati e quindi utilizzano l’apprendimento automatico per consigliare la “migliore azione successiva”, ha affermato Thompson, e ciò potrebbe essere qualsiasi cosa, dall’acquisto di un prodotto al clic su un video.

Ci sono due categorie principali in gioco in un motore di raccomandazione: utenti ed elementi, secondo Eugene Medved, uno sviluppatore di intelligenza artificiale presso il fornitore di motori di raccomandazione InData Labs. "Il compito stesso", ha spiegato, "consiste nel classificare gli elementi per un utente specifico in base alla probabilità dell'interazione".

Ciò viene realizzato mediante un ordine standard di operazioni, a partire dalla raccolta dei dati.

I dati sono fondamentali per il funzionamento dei motori di raccomandazione. Le informazioni sulle abitudini di navigazione di una persona, la cronologia degli acquisti e ancora più dettagli personali come il sesso e l'età costituiscono gli elementi costitutivi da cui vengono estratti i modelli. Quanti più dati ha accesso un motore di raccomandazione, tanto più efficace sarà nel fornire suggerimenti pertinenti.

Questi dati sono generalmente disponibili in due forme. Uno sono i dati impliciti, che si riferiscono a informazioni sulla cronologia delle ricerche, sui clic, sugli acquisti e su altre attività di un utente; vengono raccolti da un'azienda ogni volta che una persona utilizza il proprio sito. L'altro sono dati espliciti, che coprono gli input dell'utente, come valutazioni, recensioni o commenti precedenti. (I motori di raccomandazione utilizzano anche i dati relativi all'età, al sesso e agli interessi generali di una persona per identificare clienti simili.)

La raccolta di tutti questi dati sui clienti è essenziale per creare un motore di raccomandazioni.

Una volta raccolti, i dati del cliente devono essere archiviati. Come e dove vengono archiviati dipende dal tipo di dati raccolti.

Oltre ai dati sugli utenti, le aziende memorizzano anche dati sugli articoli che forniscono, che si tratti di scarpe o programmi televisivi. Può trattarsi di qualsiasi cosa, dal prezzo, al genere, al tipo di articolo, e tutto viene utilizzato per determinare le somiglianze dei prodotti e le preferenze dell'utente.

Quindi, un sistema di apprendimento automatico viene posizionato sopra questi dati, analizzandoli e analizzandoli.

I motori di raccomandazione utilizzano tutti i tipi di algoritmi per analizzare i dati, ma il più comune è la decomposizione di valori singolari o SVD. Si tratta di una tecnica matematica che scompone una matrice in tre matrici più piccole nel tentativo di rilevare modelli e relazioni nei dati, nonché di determinare la forza di tali modelli e relazioni. L'obiettivo è comprendere meglio la struttura sottostante di un ampio set di dati in modo da poter estrarre informazioni significative.