Introducción a los sistemas de recomendación en ecommerce
Empezamos una serie de artículos en los que intentamos explicar de la manera más sencilla posible conceptos básicos como qué es un sistema de recomendación, técnicas usadas, fuentes de información, interacción con los usuarios etc… con el objetivo de acercar al lector los beneficios que pueden extraerse de los mismos, sin llegar a la compleja capa de abstracción matemática que los rodea.
Los sistemas de recomendación son herramientas de software y técnicas que proporcionan sugerencias de objetos que pueden resultar de utilidad para un usuario. Las sugerencias están relacionadas con diferentes procesos en la toma de decisiones, por ejemplo, qué objetos comprar, qué noticias leer o qué música escuchar.
Con el término “objeto”, denominamos de manera genérica a aquello que el sistema recomienda a los usuarios. Un sistema de recomendación normalmente se centra en un tipo de objeto de manera específica (Noticias, vídeos…), de tal forma que el diseño de la web, su interfaz gráfica con el usuario y la técnica de recomendación principal se personalizan para proporcionar sugerencias útiles y efectivas para ese tipo específico de objeto.
Los sistemas de recomendación se dirigen ante todo hacia individuos que carecen de experiencia o competencia como para evaluar un contundente número de potenciales alternativas de objetos que, por ejemplo, una página web puede ofrecer. El ejemplo más clásico es Amazon, donde se usan SR para personalizar la tienda online para cada visitante. En este caso, diferentes usuarios, reciben diferentes sugerencias. Por otra parte, existen recomendaciones no personalizadas, mucho más fáciles de generar. Ejemplos de esto sería una selección de los top 10, sin embargo, esta clase de recomendaciones no es objeto de este artículo ni de los siguientes que se publicarán.
En su forma más simple, recomendaciones personalizadas se muestran como listas ordenadas o rankings de objetos. Para elaborar este listado, los sistemas de recomendación tratan de predecir cuáles son los productos que más se ajustan basándose en las preferencias de usuarios. Para completar esa tarea, recopilan esas preferencias bien expresadas de manera explícita (por ejemplo, con las votaciones que hacen de los objetos) o se infieren interpretando las acciones de los usuarios (por ejemplo, un SR puede considerar la navegación en la página de un producto un signo implícito de preferencia por ese objeto)
A petición de un usuario, los SR generan recomendaciones usando diferentes tipos de conocimiento y datos acerca de los usuarios, los objetos disponibles y transacciones previas almacenadas en bases de datos customizables. El usuario puede explorar las recomendaciones, puede aceptarlas o no y puede que proporcione de manera inmediata o en un siguiente nivel, una realimentación explícita o implícita. Todas estas acciones y realimentaciones se almacenan en la base de datos del recomendador y pueden ser usadas para generar nuevas recomendaciones en las próximas interacciones usuario-objeto.
Se ha demostrado en los últimos años que los sistemas de recomendación son un medio muy valioso para hacer frente al problema de la sobrecarga informativa. Fundamentalmente, un SR dirige este fenómeno apuntando a los usuarios hacia objetos nuevos, o que aún no ha descubierto que pueden ser relevantes para la tarea que están desempeñando.
Cabe destacar el importante papel que estos sistemas tienen en sitios de internet tan populares como Amazon.com, YouTube, Netflix, Tripadvisor, Last.fm, IMDB…
Fuente: Recommender Systems Handbook, Ricci F.
Imagen: bajo licencia Creattive Commons propiedad de Warm’n Fuzzy
