Aanbevelingsalgoritmen zijn wiskundige formules die het mogelijk maken om gepersonaliseerde inhoud of producten aan te bieden aan gebruikers van een website of applicatie . Ze worden gebruikt door veel digitale spelers, zoals e-commercesites, online media, streamingdiensten of sociale netwerken. In dit artikel leggen we je uit hoe deze algoritmen in de praktijk werken en wat zijn de voordelen ervan?
Wat is een aanbevelingsalgoritme en hoe werkt het?
Een aanbevelingsalgoritme is een computerprogramma dat is ontworpen om gebruikersgegevens (zoals hun browsegeschiedenis, voorkeuren, aankopen, enz.) te analyseren en deze te vergelijken met de kenmerken van beschikbare inhoud of producten (zoals prijs, kleur, geslacht, enz.). Vervolgens worden wiskundige technieken om voor elke inhoud of product een relevantiescore te berekenen en deze in aflopende volgorde te rangschikken. meest relevante inhoud of aan gebruikers, in de vorm van suggesties, lijsten, banners, enz.
Als u bijvoorbeeld video's op YouTube bekijkt , analyseert het aanbevelingsalgoritme de video's die u heeft bekeken, leuk gevonden of waarop u heeft gereageerd, evenals die van andere gebruikers met een vergelijkbare smaak als de uwe. Vervolgens worden video's voorgesteld die u mogelijk interesseren, op basis van hun populariteit, thema, duur, enz.
Wat zijn de belangrijkste soorten aanbevelingsalgoritmen?
Er zijn verschillende soorten aanbevelingsalgoritmen , afhankelijk van hoe ze gegevens gebruiken. De belangrijkste zijn:
Gezamenlijk filteren
Het is gebaseerd op gebruikersinteracties met inhoud of producten (zoals beoordelingen, recensies, klikken, enz.). Het probeert gebruikers met een vergelijkbare smaak te identificeren en hen inhoud of producten aan te bieden die ze leuk vinden. Als u bijvoorbeeld een boek op Amazon , zal het collaboratieve filteralgoritme andere boeken voorstellen die zijn gekocht door mensen die hetzelfde boek als u hebben gekocht.
Op inhoud gebaseerde filtering
Het is gebaseerd op de kenmerken van de inhoud of producten (zoals prijs, kleur, genre, enz.). Het probeert inhoud of producten te identificeren die lijken op de producten die de gebruiker leuk vond of waarnaar hij zocht. Als je bijvoorbeeld naar een nummer op Spotify luistert, zal het op inhoud gebaseerde algoritme andere nummers van dezelfde artiest, genre of stijl voorstellen.
Matrixfactorisatie
Het is een wiskundige techniek waarmee je de dimensionaliteit van gegevens kunt verminderen en verborgen relaties tussen gebruikers en inhoud of producten kunt vinden. Het probeert de beoordeling te voorspellen die een gebruiker zou geven aan inhoud of een product dat hij nog niet heeft gezien of gekocht. Als u bijvoorbeeld een film op Netflix bekijkt, schat matrixfactorisatie-algoritme
Zie ook: Decryptie van RNG: alles wat je moet weten over de Random Number Generator!
Vergelijkingstabel van de belangrijkste soorten aanbevelingsalgoritmen
| Soort algoritme | Voordelen | Nadelen |
| Gezamenlijk filteren | Hiermee kunt u inhoud of producten ontdekken die worden gewaardeerd door andere gebruikers met dezelfde smaak | Vereist veel gegevens om effectief te zijn en kan vatbaar zijn voor vooringenomenheid of manipulatie |
| Op inhoud gebaseerde filtering | Hiermee kunt u inhoud of producten ontdekken die lijken op de producten die de gebruiker leuk vond of waarnaar werd gezocht | Kan beperkt zijn door de kwaliteit en kwantiteit van de beschikbare functies, en kan diversiteit missen |
| Matrixfactorisatie | Hiermee kunt u voorspellen welke beoordeling een gebruiker zou geven aan inhoud of een product dat hij of zij nog niet heeft gezien of gekocht | Het kan complex zijn om te implementeren en te interpreteren, en er kan veel rekenkracht voor nodig zijn |
Wat zijn de voordelen van aanbevelingsalgoritmen?
Aanbevelingsalgoritmen hebben verschillende voordelen voor gebruikers en voor de websites of applicaties die er gebruik van maken:
Voor gebruikers :
- Ze vergemakkelijken de ontdekking van inhoud of producten die zijn aangepast aan hun behoeften en wensen.
- Ze verbeteren de gebruikerservaring door de navigatie soepeler en persoonlijker te maken.
- Ze verhogen de gebruikerstevredenheid en loyaliteit
Voor websites of apps:
- Ze verhogen het verkeer, de bestede tijd, het conversiepercentage en de omzet.
- Ze helpen de loyaliteit van gebruikers op te bouwen door hen een persoonlijke, hoogwaardige service aan te bieden.
- Ze maken het mogelijk om een groeiende hoeveelheid gegevens te beheren die onmogelijk handmatig te verwerken zijn.
- Hiermee kunt u zich onderscheiden van de concurrentie door toegevoegde waarde te bieden.
Wat zijn de nadelen of beperkingen van aanbevelingsalgoritmen?
Aanbevelingsalgoritmen zijn niet perfect en kunnen bepaalde nadelen of beperkingen hebben :
- Het probleem met de koude start:
Het verschijnt wanneer er onvoldoende of geen gegevens zijn om relevante aanbevelingen . Het kan hierbij gaan om nieuwe gebruikers, nieuwe content of nieuwe producten. Als u zich bijvoorbeeld registreert op een e-commercesite, kan aanbevelingsalgoritme
Het probleem van diversiteit:
Het ontstaat wanneer aanbevelingsalgoritmen inhoud of producten aanbieden die te veel op elkaar lijken of te dicht bij de voorkeuren van de gebruiker liggen. filterbubbel opsluiten . Als u bijvoorbeeld video's op YouTube bekijkt, kan het aanbevelingsalgoritme alleen video's voorstellen van hetzelfde genre of hetzelfde gezichtspunt als de video's die u al hebt bekeken.
- Het probleem van transparantie:
Het komt voor wanneer gebruikers niet begrijpen waarom ze bepaalde aanbevelingen ontvangen of hoe ze deze kunnen wijzigen. Dit kan het vertrouwen van de gebruiker en de acceptatie van aanbevelingsalgoritmen beïnvloeden. Als u bijvoorbeeld een advertentie op Facebook ontvangt , kunt u klikken op de knop ' Waarom deze advertentie?' ' om de redenen te achterhalen die tot de uitzending hebben geleid.
En in feite zou dit artikel u kunnen helpen: Tutorial voor het blokkeren van onverwachte advertenties op Android en IOS!
Hoe kunnen we aanbevelingsalgoritmen verbeteren?
Aanbevelingsalgoritmen evolueren voortdurend en zijn het onderwerp van tal van onderzoeken en innovaties. Hier zijn enkele manieren om ze te verbeteren als je dat wilt:
- Combineer verschillende soorten aanbevelingsalgoritmen om van de voordelen van elk te profiteren en hun zwakke punten te compenseren. Door bijvoorbeeld zowel collaboratief filteren als op inhoud gebaseerd filteren kunt u diverse en gepersonaliseerde aanbevelingen doen.
- Gebruik aanvullende gegevens om aanbevelingsalgoritmen te verrijken en de relevantie ervan te verfijnen. Bijvoorbeeld door het gebruik van contextuele gegevens (zoals locatie, tijd, klimaat, enz.), sociale gegevens (zoals relaties, interacties, invloeden, enz.) of semantische gegevens (zoals betekenis, betekenis, categorisering, enz.).
- Betrek gebruikers bij het aanbevelingsproces door hen de kans te geven feedback te geven, hun voorkeuren te wijzigen, hun privacy of andere opties te verkennen. de aanbevelingen beoordelen, becommentariëren, delen of negeren .
Conclusie
Kortom, aanbevelingsalgoritmen zijn krachtige hulpmiddelen om het aanbod aan de vraag aan te passen . Ze brengen echter ook risico's en beperkingen met zich mee, zoals een gebrek aan transparantie, vooringenomenheid, opsluiting in filterbubbels of manipulatie. Om deze risico's en beperkingen het hoofd te bieden, is het noodzakelijk aanbevelingsalgoritmen te reguleren en hun ethiek, transparantie en diversiteit te garanderen. We moeten gebruikers ook bewust maken van de problemen en de effecten van algoritmen op hun keuzes en meningen . Ze moeten de mogelijkheid krijgen om personalisatie-instellingen te controleren en aan te passen, ongepaste of schadelijke inhoud te melden en hun informatiebronnen te diversifiëren.
