¿Por qué las aplicaciones móviles pueden entendernos como confidentes?
Con el rápido desarrollo de Internet, cada vez más aplicaciones móviles están enriqueciendo la vida de las personas. Muchas personas han notado un fenómeno mágico, es decir, las aplicaciones de compras siempre pueden recomendar los productos que desean, y las aplicaciones de noticias también pueden captar con precisión el contenido de noticias que les interesa. Muchas aplicaciones móviles se han convertido en confidentes. Entonces, ¿cómo se logra esto?
De hecho, es la contribución del sistema de recomendación captar con precisión las preferencias del usuario y recomendar información y productos que le interesan. El sistema de recomendación es una aplicación que filtra información. Utiliza principalmente los datos de comportamiento históricos del usuario (es decir, las preferencias pasadas del usuario o las preferencias pasadas de usuarios similares) para predecir las preferencias futuras del usuario. Entre ellos, los algoritmos de sistemas de recomendación de uso común incluyen algoritmos de recomendación basados en contenido y algoritmos de recomendación de filtrado colaborativo.
El algoritmo de recomendación basado en contenido hace recomendaciones relevantes directamente basadas en la información del contenido del producto, recomendando nuevos productos que son similares a los productos de interés histórico para los usuarios, sin requerir que los usuarios evalúen y califiquen los artículos. . Sin embargo, la información sobre los productos recomendados bajo este algoritmo es limitada y el método es unilateral, lo que dificulta recomendar nuevas preferencias a los usuarios.
El método principal del algoritmo de recomendación de filtrado colaborativo es que si desea recomendar productos de interés a un usuario, primero debe encontrar otros usuarios que tengan intereses similares a los del usuario y luego recomendar el contenido. que otros usuarios están interesados en el usuario objetivo. Específicamente, el filtrado colaborativo se divide en filtrado colaborativo basado en usuarios y filtrado colaborativo basado en proyectos. El algoritmo de filtrado colaborativo establecerá una matriz usuario-proyecto y necesita recopilar las puntuaciones de evaluación de los usuarios en los proyectos para predecir si el usuario objetivo está interesado en un. nuevo proyecto. Por ejemplo, a menudo vemos que las plataformas de comercio electrónico recopilan puntuaciones de evaluación (sobre 5 puntos). Para el usuario objetivo A, el usuario B, que tiene intereses similares a los suyos, tiene una puntuación de evaluación de 4 para el producto 1 y una puntuación de 4 para el producto 2. Y la puntuación del usuario objetivo A para el producto 1 es de 5 puntos, entonces podemos recomendar el producto 2 al usuario objetivo A.
Además de las APP, también hay ejemplos de optimización de ventas mediante algoritmos de sistemas de recomendación en la vida real. En los supermercados Wal-Mart de Estados Unidos, los investigadores analizaron datos de compras y descubrieron inesperadamente que el producto más comprado, junto con los pañales, era la cerveza. La razón detrás de esto es que en las familias estadounidenses, la madre cuida al bebé en casa, el padre va al supermercado a comprar pañales y el padre se compra cerveza. Por lo tanto, Walmart vende pañales y cerveza juntos, lo que aumenta considerablemente los ingresos por ventas.