Suosittelualgoritmit ovat verkkosivuston tai sovelluksen käyttäjille voidaan ehdottaa . Niitä käyttävät monet digitaaliset toimijat, kuten verkkokauppasivustot, verkkomediakanavat, suoratoistopalvelut ja sosiaaliset verkostot. Tässä artikkelissa selitämme, miten nämä algoritmit toimivat käytännössä ja mitkä ovat niiden edut.
Mikä on suositusalgoritmi ja miten se toimii?
Suosittelualgoritmi on tietokoneohjelma, joka on suunniteltu analysoimaan käyttäjätietoja (kuten selaushistoriaa, asetuksia, ostoksia jne.) ja vertaamaan niitä saatavilla olevan sisällön tai tuotteiden ominaisuuksiin (kuten hintaan, väriin, sukupuoleen jne.). Sitten se käyttää matemaattisia tekniikoita relevanttimman sisällön tai ehdotusten, listojen, bannereiden jne. muodossa.
Jos esimerkiksi katsot videoita YouTubessa , suositusalgoritmi analysoi katsomasi, tykkäämäsi tai kommentoimasi videot sekä muiden samanmielisten käyttäjien videot. Sen jälkeen se ehdottaa videoita, jotka saattavat kiinnostaa sinua, niiden suosion, teeman, pituuden ja muiden tekijöiden perusteella.
Mitkä ovat suositusalgoritmien päätyypit?
Suositusalgoritmeja on useita riippuen siitä, miten ne käyttävät dataa. Tärkeimmät ovat:
Yhteiskäyttöinen suodatus
Se perustuu käyttäjien vuorovaikutukseen sisällön tai tuotteiden kanssa (kuten arvioihin, arvosteluihin, klikkauksiin jne.). Se pyrkii tunnistamaan käyttäjät, joilla on samanlainen maku, ja ehdottamaan heille sisältöä tai tuotteita, joista he ovat pitäneet. Jos esimerkiksi ostat kirjan Amazonista , yhteistyösuodatusalgoritmi ehdottaa muita kirjoja, jotka ovat ostaneet saman kirjan ostaneet ihmiset kuin sinä.
Sisältöpohjainen suodatus
Se perustuu sisällön tai tuotteiden ominaisuuksiin (kuten hintaan, väriin, genreen jne.). Se pyrkii tunnistamaan sisältöä tai tuotteita, jotka ovat samankaltaisia kuin ne, joista käyttäjä on tykännyt tai joita hän on hakenut. Jos esimerkiksi kuuntelet kappaletta Spotifyssa, sisältöön perustuva algoritmi ehdottaa muita kappaleita samalta artistilta, samassa genressä tai samassa tyylissä.
Matriisifaktorointi
Tämä on matemaattinen tekniikka, joka vähentää datan dimensionaalisuutta ja paljastaa piilotettuja suhteita käyttäjien ja sisällön tai tuotteiden välillä. Sen tavoitteena on ennustaa, minkä arvosanan käyttäjä antaisi sisällölle tai tuotteelle, jota hän ei ole vielä nähnyt tai ostanut. Jos esimerkiksi katsot elokuvan Netflixissä, matriisifaktorointialgoritmi arvioi elokuvan arvosanasi aiempien arvioidesi ja muiden käyttäjien arvioiden perusteella.
Katso myös: Satunnaislukugeneraattorin dekoodaus: kaikki mitä sinun tarvitsee tietää satunnaislukugeneraattorista!
Vertailutaulukko suositusalgoritmien päätyypeistä
| Algoritmin tyyppi | Edut | Haitat |
| Yhteiskäyttöinen suodatus | Antaa sinun löytää sisältöä tai tuotteita, joista muut samanmieliset käyttäjät pitävät | Vaatii paljon dataa ollakseen tehokas ja voi olla altis puolueellisuudelle tai manipuloinnille |
| Sisältöpohjainen suodatus | Antaa käyttäjien löytää sisältöä tai tuotteita, jotka ovat samankaltaisia kuin ne, joista he ovat tykänneet tai hakeneet | Saatavilla olevien ominaisuuksien laatu ja määrä voivat rajoittaa sitä, ja monimuotoisuus voi olla puutteellista |
| Matriisifaktorointi | Antaa sinun ennustaa, minkä arvosanan käyttäjä antaisi sisällölle tai tuotteelle, jota hän ei ole vielä nähnyt tai ostanut | Sen toteuttaminen ja tulkinta voi olla monimutkaista, ja se voi vaatia merkittäviä laskentaresursseja |
Mitä etuja suosittelualgoritmeilla on?
niitä käyttäville verkkosivustoille tai sovelluksille
Käyttäjille :
- Ne helpottavat heidän tarpeisiinsa ja toiveisiinsa räätälöidyn sisällön tai tuotteiden löytämistä.
- Ne parantavat käyttökokemusta tekemällä navigoinnista sujuvampaa ja yksilöllisempää.
- Ne lisäävät käyttäjien tyytyväisyyttä ja uskollisuutta
Verkkosivustoille tai sovelluksille:
- Ne lisäävät liikennettä, käytettyä aikaa, konversioprosenttia ja tuloja.
- Ne auttavat rakentamaan käyttäjäuskollisuutta tarjoamalla heille yksilöllistä ja korkealaatuista palvelua.
- Ne mahdollistavat kasvavan tietomäärän hallinnan, jota on mahdotonta käsitellä manuaalisesti.
- Niiden avulla voit erottua kilpailijoista tarjoamalla lisäarvoa.
Mitkä ovat suositusalgoritmien haitat tai rajoitukset?
Suositusalgoritmit eivät ole täydellisiä ja niillä voi olla tiettyjä haittoja tai rajoituksia :
- Kylmäkäynnistyksen ongelma:
relevanttien suositusten tekemiseksi . Tämä voi vaikuttaa uusiin käyttäjiin, uuteen sisältöön tai uusiin tuotteisiin. Jos esimerkiksi rekisteröidyt verkkokauppasivustolle, suositusalgoritmi ei pysty ehdottamaan makuusi sopivia tuotteita, ennen kuin se on kerännyt sinusta tarpeeksi tietoa.
Monimuotoisuuden ongelma:
Tämä ongelma syntyy, kun suositusalgoritmit ehdottavat sisältöä tai tuotteita, jotka ovat liian samankaltaisia keskenään tai liian lähellä käyttäjän mieltymyksiä. Tämä voi rajoittaa uuden sisällön tai tuotteiden löytämistä ja vangita käyttäjän suodatinkuplaan . Jos esimerkiksi katsot videoita YouTubessa, suositusalgoritmi saattaa ehdottaa vain saman genren tai näkökulman videoita kuin ne, jotka olet jo katsonut.
- Läpinäkyvyyden ongelma:
Tämä tapahtuu, kun käyttäjät eivät ymmärrä, miksi he saavat tiettyjä suosituksia tai miten he voivat muuttaa niitä. Tämä voi käyttäjien luottamukseen suositusalgoritmeihin ja niiden hyväksymiseen näet mainoksen Facebookissa Miksi tämä mainos? -painiketta saadaksesi selville, miksi se näytettiin.
Ja tämä artikkeli saattaa auttaa sinua: Opetusohjelma häiritsevien mainosten estämiseen Androidilla ja iOS:llä!
Miten suositusalgoritmeja voidaan parantaa?
Suosittelualgoritmit kehittyvät jatkuvasti ja ovat paljon tutkimuksen ja innovaation kohteena. Tässä on joitakin tapoja parantaa niitä, jos haluat:
- Yhdistä useita erityyppisiä suositusalgoritmeja hyödyntääksesi kunkin vahvuuksia ja lieventääksesi niiden heikkouksia. Käytä esimerkiksi sekä yhteistyösuodatusta että sisältöön perustuvaa suodatusta tarjotaksesi monipuolisia ja yksilöllisiä suosituksia.
- Käytä lisätietoja suositusalgoritmien rikastamiseen ja niiden relevanssin tarkentamiseen. Käytä esimerkiksi kontekstuaalista dataa (kuten sijainti, aika, ilmasto jne.), sosiaalista dataa (kuten suhteet, vuorovaikutus, vaikutteet jne.) tai semanttista dataa (kuten merkitys, merkittävyys, luokittelu jne.).
- Ota käyttäjät mukaan suositusprosessiin antamalla heille mahdollisuus antaa palautetta, muokata asetuksiaan, hallita yksityisyyttään tai tutustua muihin vaihtoehtoihin. Anna heidän esimerkiksi arvioida, kommentoida, jakaa tai jättää huomiotta saamiaan suosituksia
Johtopäätös
Yhteenvetona voidaan todeta, että suositusalgoritmit ovat tehokkaita työkaluja tarjonnan mukauttamiseen kysyntään . Niillä on kuitenkin myös riskejä ja rajoituksia, kuten läpinäkyvyyden puute, vinoumat, suodatinkuplat ja manipulointi. Näiden riskien ja rajoitusten ratkaisemiseksi on tarpeen säännellä suositusalgoritmeja ja taata niiden eettiset standardit, läpinäkyvyys ja monimuotoisuus. On myös tärkeää lisätä käyttäjien tietoisuutta algoritmien vaikutuksista heidän valintoihinsa ja mielipiteisiinsä . Käyttäjille on annettava mahdollisuus hallita ja muokata personointiasetuksia, ilmoittaa sopimattomasta tai haitallisesta sisällöstä ja monipuolistaa tiedonlähteitään.
