Aprendizaje automático II. Filtrado basado en contenido vs filtrado colaborativo

Aprendizaje automático II. Filtrado basado en contenido vs filtrado colaborativo

Aprendizaje automático II. Filtrado basado en contenido vs filtrado colaborativo 2560 1707 admin

El filtrado basado en contenido proporciona recomendaciones centrándose en dos factores principales:

  • Las características de los artículos , como su precio o categoría. En este sentido, cada producto se describe asignándole unas palabras clave.
  • Las características de los clientes , lo que básicamente significa sus preferencias de compra y opiniones sobre artículos comprados anteriormente.

Siguiendo este enfoque, el algoritmo de aprendizaje automático verificará el historial de compras de un cliente y recomendará otros productos con características similares a los ya comprados.

Desafortunadamente, dicho mecanismo adolece de importantes inconvenientes. Primero, requiere una catalogación escrupulosa de toda la mercancía presente en la plataforma de comercio electrónico. En segundo lugar, es un enfoque bastante «conservador», ya que tiende a sugerir los mismos tipos de productos que ya se han comprado anteriormente. Y finalmente, puede resultarle difícil proporcionar sugerencias efectivas a nuevos usuarios sin datos históricos relacionados con ellos.

La otra solución posible para segmentar a los clientes y orientarlos con ofertas personalizadas es mediante el filtrado colaborativo. Este enfoque, adoptado entre otros por Amazon, se basa en la idea de que las personas con preferencias similares en el pasado aún estarán de acuerdo en el futuro. Por lo tanto, un algoritmo que siga esta estrategia sugerirá a un cliente algunos productos nuevos que ya han sido pedidos y calificados positivamente por otros usuarios con patrones de compra similares.

En este caso, lo que importa no son las características de un producto en sí, sino la percepción que la comunidad tiene de este producto. Hay muchas formas de medir esta percepción, como pedir a los usuarios que califiquen los artículos, probar la mercancía que los compradores verifican en la plataforma de comercio electrónico, etc. La principal ventaja de este sistema sobre el anterior es que el filtrado colaborativo no requiere una tediosa descripción de cada artículo en la tienda online.

Sin embargo, los sistemas de recomendación basados ​​en aprendizaje automático que utilizan este enfoque también tienen sus defectos.

  • Arranque en frío : una vez más, puede resultar difícil proporcionar recomendaciones para usuarios con un historial de compras limitado o nulo.
  • Escalabilidad : relacionar cantidades tan masivas de variables (básicamente millones de clientes y millones de productos) requiere una potencia computacional considerable.
  • Escasa : las corporaciones de comercio electrónico más importantes ofrecen una gran variedad de productos. Esto significa que puede haber una cantidad relativamente pequeña de reseñas para cada producto y, por lo tanto, una opción de recomendación no tan precisa.

Dejar una Respuesta

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.