공동 필터링이란 무엇입니까?

협업 필터링은 수많은 소스의 데이터를 사용하여 비슷한 취향과 지출 습관과 관련된 사람들의 프로파일을 개발하는 데 의존하는 데이터를 처리하는 방법입니다.이 기술은 여러 가지 설정에 사용됩니다.공동 작업 필터링의 가장 유명한 애플리케이션 중 일부는 마케팅에 사용되는 인터넷에서 볼 수 있으며, 사용자 취향을 예측하고 사용자에서 기능에 대한 입력에 의존하는 사이트를 큐 레이트하기 위해 볼 수 있습니다.필터링 작업, 웹 사이트는 텔레비전 쇼를위한 추천 시스템을 설정할 수 있습니다.사이트 사용자는 로그온 할 때 데이터를 제공하고 원하는 쇼를 나열합니다.이 데이터는 비슷한 취향을 가진 사용자를 식별하는 데 사용됩니다.좋아하는 사람들의 75%가 Show B와 같은 Show B를 보여 주면 시스템은 한 쇼를 좋아하는 사람들이 아마도 다른 쇼와 같은 것으로 추론 할 수 있습니다.따라서 사용자가 로그온하고 제안을 찾는 팬으로 식별하면 시스템은 Show B를 추천 할 수 있습니다. 협업 필터링을 위해서는 많은 데이터가 필요합니다.데이터가 그려지는 모집단이 클수록 데이터가 더 유용하고 효과적입니다.소량의 데이터는 맛이 좋지 않은 결과로 끝날 가능성이 더 높습니다.이러한 시스템은 종종 냉장 시작 문제로 어려움을 겪고 있습니다. 데이터베이스를 먼저 채워야하기 때문에 개발이 느리게 발생합니다.데이터가 충분하지 않기 때문에 얼리 어답터는 시스템에 좌절감을 느낄 수 있습니다.

협업 필터링은 소셜 네트워킹 사이트 및 Enterprise Bookmarking과 같은 도구를 제공하는 소셜 네트워킹 사이트 및 사이트에서도 링크를 공유하고 홍보하는 사이트에서 광범위하게 사용됩니다.그들은 흥미로운 것을 발견합니다.사용자가 시스템의 데이터 본문에 추가함에 따라 시스템은 각 사용자 취향에 어필하도록 설계된 권장 사항을 만들 수 있습니다.예를 들어, 소셜 북마크 사이트는 링크를 기반으로 무작위 링크를 생성 할 수 있으며 사용자가 과거에 좋아하는 것을 표현한 사용자는 공동 필터링을 사용하여 사용자에게 매우 정확하게 타겟팅 된 마케팅을 제공 할 수 있습니다.이 개인화 된 마케팅은 사용자가 개인적으로 다루는 것처럼 느끼기 때문에 매우 효과적 일 수 있으며 결과적으로 권장 사항을 수락 할 가능성이 높습니다.소셜 네트워킹 사이트와 같은 웹 사이트에서 자발적으로 제공되는 막대한 양의 데이터는 마케팅 담당자들 사이에서 뜨거운 상품으로, 해당 사이트에서 데이터를 구매하여 맞춤형 캠페인을 개발합니다.