Cosa sono i sistemi di consulenza?

I sistemi di raccomandazione sono sistemi che formulano raccomandazioni per gli utenti sulla base dei dati che gli utenti hanno inserito nel sistema.Più dati ha fornito un utente, più accurati possono essere tali sistemi.Inoltre, i dati inviati dai singoli utenti aiutano a migliorare il sistema in generale, generando informazioni che possono essere utilizzate per formulare raccomandazioni per altri utenti.I sistemi di raccomandazione sono comunemente visti su siti come i siti di revisione cinematografica e televisiva e quelli con grandi inventari di articoli al dettaglio che sarebbero funzionalmente impossibili da sfogliare guardando ogni articolo.

Questi sistemi possono interagire con gli utenti in diversi modi.Uno è come servizio per gli utenti che sono alla ricerca di più cose a cui potrebbero essere interessati, come ulteriori letture, programmi televisivi o videogiochi.In questi sistemi, l'utente genera un elenco di Mi piace e antipatie e il sistema cerca di prevedere come l'utente voterà sulle cose su cui non ha ancora votato.Se pensa che qualcosa avrebbe una valutazione elevata, ciò suggerisce all'utente.

I sistemi di raccomandazione ben progettati apprendono dai loro errori.Un sistema potrebbe raccomandare il suono della musica perché a un utente è piaciuto Willy Wonka #38;La fabbrica di cioccolato .L'utente potrebbe selezionare le opzioni come mi piace questo o non mi piace.Se all'utente non piaceva il suono della musica , il sistema potrebbe prendere nota e perfezionare ulteriormente l'algoritmo utilizzato per generare raccomandazioni.Più dati maturati, più utili saranno i raccomandazioni.

I siti di vendita al dettaglio utilizzano sistemi di raccomandazione per invogliare le persone a effettuare acquisti di impulsi.Il sistema prende nota degli articoli acquistati e consiglia articoli correlati e utili.Ad esempio, qualcuno che sta acquistando una macchina fotografica potrebbe essere chiesto se vuole acquistare un caricabatterie, una custodia per fotocamera, filtri e obiettivi aggiuntivi.Qualcuno che acquista un libro sulla teoria femminista potrebbe essere detto che anche altri acquirenti di quel titolo godono di un altro titolo correlato.Questi tipi di sistemi di raccomandazione consentono un marketing personalizzato che è molto probabile che si applicino agli utenti.

Questi sistemi si basano sul filtraggio collaborativo dei dati, in cui i dati provenienti da un vasto numero di utenti sono organizzati in modi significativi.Ciò consente al sito di stabilire connessioni che potrebbero non essere altrimenti evidenti, migliorando la qualità delle raccomandazioni.Gli utenti che non desiderano partecipare di solito possono cambiare le opzioni nelle loro impostazioni degli utenti, ma ridurranno la qualità delle raccomandazioni che ricevono perché il sistema non può imparare dalle preferenze dell'individuo, solo l'opinione collettiva di altri utenti.