Para ver

Para escuchar

ir a Academia Pragma
Próximo evento

Próximo evento
Por Camilo Macías y Javier Mesa   - Junio 26 de 2019

Sistemas de recomendación: una herramienta para filtrar usuarios

Yorhagy Valencia Martínez
30 de mayo de 2019
3 min. de lectura
h_sistemas_de_recomendacion

Actualmente, muchas tiendas virtuales de videos, musica y noticias utilizan sistema de recomendación para aumentar la participación e interacción de los usuarios; así como sus compras y fidelización. Un ejemplo clave es Netflix que recomienda películas a sus clientes de acuerdo con las visualizaciones que hicieron de otros films.

De hecho, la plataforma dice en su sitio web que produce programas de televisión y películas con los datos de 130 millones de suscriptores en todo el mundo. Sin duda, el éxito de esta plataforma radica en la capacidad de brindarle a sus clientes la posibilidad de encontrar películas y series de su preferencia, al crear un algoritmo que identifica los gustos de cada persona para poder recomendarle cosas afines a ellas.

Otro caso de éxito es Amazon, la tienda online más grande del mundo, que cuenta con un catálogo de casi 200 millones de productos y que sus usuarios pueden encontrar, gracias a los algoritmos de recomendación. Se estima que el 35 por ciento de sus ventas se atribuyen a esos sistemas. Lee: ¿Por qué es importante que una empresa analice a sus clientes?

Amazon utiliza análisis predictivos para construir un sistema de recomendación que le sugiere productos a las personas que visitan su tienda virtual, lo que le brinda una experiencia única a los clientes, debido a que muestra los productos más relevantes que pueden ser de interés en tiempo real. Lee: Guía para dummies sobre analítica de datos en tiempo real 

¿Qué es un sistema de recomendación?

Tal y como se mostró en los ejemplos de Netflix y Amazon, un sistema de recomendación es un algoritmo que tiene como objetivo filtrar y sugerir productos o contenidos a usuarios, después de analizar su comportamiento de calificaciones o preferencias pasadas.

amazon_recomendacion

Estos algoritmos desempeñan un papel muy importante, porque aceleran las búsquedas y disminuyen la incertidumbre de selección del producto y mejoran la experiencia de usuario, a partir de las calificaciones de cada contenido, facilitando el acceso a temas de interés para el cliente.

El primer sistema de recomendación se diseñó en 1990 por Jussi Karlgren en la Universidad de Columbia para recomendar libros. En octubre de 2006 Netflix realizó un concurso con el objetivo mejorar el sistema a partir de las calificaciones de los usuarios.

Hoy en día, los algoritmos de recomendación son una de las aplicaciones más exitosas de machine learning en los negocios. Machine learning son técnicas de análisis de de datos, cuyo objetivo es desarrollar sistemas inteligentes que permitan identificar patrones y tomar decisiones sin la mínima intervención humana.

¿Cómo funcionan los sistemas de recomendación?

Inicialmente, se necesita una base de datos que contenga las calificaciones de los productos; dichas calificaciones pueden ser de tipo implícita o explícita. Las explícitas infieren a la preferencia del usuario y son muy difíciles de obtener, debido a que a son puntaje por estrella, comentarios, me gusta, entre otros. Por otro lado, las implícitas deducen el comportamiento del usuario y son fáciles de obtener, debido a que analizan compras, clics y visualizaciones.

Los sistemas de recomendación, normalmente se clasifican en métodos de filtrado, basados en colaboración y en contenido. Los de colaboración se basan en las calificaciones de los usuarios y recomienda contenido o productos que aún no hemos visto o comprado, pero que los usuarios similares a nosotros tienen y nos gustan. El filtro determina si dos usuarios son similares, o no, debido a los contenidos que ambos usuarios tienen y cómo los calificaron.

Mientras que los filtros basados en contenido no involucran a otros usuarios si no a nosotros mismos. En función de los gustos, el algoritmo simplemente seleccionará elementos con contenido similar para recomendarnos un producto. En este caso habrá menos diversidad en las recomendaciones, y la precisión del filtro dependerá de si el usuario califica, o no, las cosas.  Te puede interesar: Usa los datos para conocer el comportamiento de tus usuarios

Los algoritmos de recomendación son muy útiles, debido a que se convierten en una herramienta personalizada que permite aumentar la fidelidad de los clientes a partir del envío de correos electrónicos o mensajes de textos con ofertas que puedan satisfacer los intereses de los clientes, o sugerencia de contenido que se adapte a sus necesidades.

Esto permite que el usuario se sienta más conocido y comprendido. Además, las empresas aumentan sus ventas y disminuyen la probabilidad de perder a un consumidor y se vaya para la competencia.

Descarga gratis el eBook sobre Inteligencia Artificial en beneficio de las empresas

Te puede interesar

Otros artículos de Conocimiento de usuario

Suscríbete