Qu'est-ce que le filtrage collaboratif?

Le filtrage collaboratif est une méthode de traitement des données qui repose sur l'utilisation des données provenant de nombreuses sources pour développer des profils de personnes liées par des goûts similaires et des habitudes de dépenses.Cette technique est utilisée dans un certain nombre de paramètres différents.Certaines des applications les plus célèbres du filtrage collaboratif peuvent être vues sur Internet, où elles sont utilisées pour le marketing, pour prédire les goûts des utilisateurs et pour organiser des sites qui s'appuient sur la contribution des utilisateurs à la fonction.

Dans un exemple simple de la collaborationFiltrage Works, un site Web peut vouloir créer un système de recommandation pour les émissions de télévision.Les utilisateurs du site fournissent des données lorsqu'ils se connectent et répertorient les émissions qu'ils aiment.Ces données sont à leur tour utilisées pour identifier les utilisateurs ayant des goûts similaires.Si 75% des personnes qui aiment montrer un spectacle B Like, le système peut déduire que les gens qui aiment un spectacle aiment probablement l'autre.Ainsi, lorsqu'un utilisateur se connecte et s'identifie comme un fan de montrent une recherche de suggestions, le système peut recommander de montrer B.

’SPlus la population à partir de laquelle les données est tirée, plus les données seront utiles et efficaces.De petites quantités de données sont plus susceptibles de se terminer avec des résultats qui ne sont pas significatifs, tels que de fausses connexions qui entraînent de mauvaises prévisions de goûts.De tels systèmes souffrent souvent d'un problème de démarrage à froid, dans lequel ils sont lents à se développer car la base de données doit être remplie en premier.Les premiers adoptants peuvent devenir frustrés par le système car il fait de mauvaises recommandations car il n'a pas suffisamment de données. Le filtrage collaboratif est également largement utilisé sur les sites de réseautage social et les sites qui fournissent des outils tels que l'entreprise en signet, dans laquelle les utilisateurs partagent et promouvaient des liens versdes sites qu'ils trouvent intéressants.Comme les utilisateurs s'ajoutent au corps des données du système, le système peut commencer à faire des recommandations conçues pour faire appel aux goûts de chaque utilisateur.Par exemple, un site de bookmarking social peut générer des liens aléatoires sur la base des liens et des utilisateurs que quelqu'un a exprimé un goût pour le passé. Les spécialistes du marketing peuvent utiliser le filtrage collaboratif pour fournir un marketing très précisément ciblé aux utilisateurs.Ce marketing personnalisé peut être très efficace car les utilisateurs ont l'impression d'être personnellement abordés, et ils sont plus susceptibles d'accepter des recommandations en conséquence.Les grandes quantités de données fournies volontairement sur des sites Web tels que les sites de réseautage social sont une marchandise chaude parmi les spécialistes du marketing, qui achètent des données de ces sites pour développer des campagnes personnalisées.