UNIR Revista
Los sistemas de recomendación procesan la información sobre la actividad online de un usuario para ofrecerle recomendaciones personalizadas, como sucede con Netflix o Spotify.
En plena revolución digital donde adquirimos de manera online una gran parte del entretenimiento, el conocimiento, bienes y artículos necesarios en nuestro día a día… podemos ver que, progresivamente, los portales en los que compramos, las redes sociales en las que interactuamos y las plataformas multimedia de contenidos digitales han ido evolucionando desde recomendaciones generales a hacernos sugerencias que en la mayor parte de los casos nos interesan o están muy relacionadas con búsquedas o compras que hemos realizado. Detrás de este “Gran Hermano” se encuentran los sistemas de recomendación.
Ya no solo en el ámbito de las páginas en las que compramos o en las de contenidos digitales —con vídeos, cine, series, música…— con las que nos entretenemos se procesa la información para hacernos recomendaciones que nos pueden interesar. Hacer una búsqueda en Google y navegar en webs de una determinada temática implica automáticamente que en nuestras redes sociales aparezcan anuncios publicitarios relacionados con esa actividad online. Algo similar sucede con las recomendaciones de series y películas que realiza Netflix en base a lo que hemos visto antes, las playlist de Spotify, los productos de venta cruzada que ofrece Amazon o las sugerencias de amigos y contenido relevante que brinda Facebook.
Dicho esto, los sistemas de recomendación procesan toda la información acerca de la actividad online de los usuarios relacionada con sus intereses, gustos, compras en el comercio electrónico, etc. para ofrecerles recomendaciones personalizadas de entre un conjunto muy grande de artículos o publicidad específica. Es decir, intentan predecir productos o servicios que podrían ser de interés para el usuario, personalizando así las sugerencias que se le ofrecen.
¿Cómo funcionan los sistemas de recomendación?
Los sistemas de recomendación procesan la información disponible acerca de los hábitos de consumo de las personas y sus gustos mediante algoritmos de aprendizaje automático de distintos tipos:
- Filtros colaborativos: recopilación de información de múltiples usuarios de distintas fuentes en las que hay una correlación o interrelación entre sus preferencias. Es decir, si un usuario tiene una opinión o gusto en una determinada temática igual que la de otros usuarios es muy probable que también coincida en otras áreas.
- Filtros basados en contenido: utilizan determinadas características de productos o de los gustos de los usuarios para hacer recomendaciones que tengan esas mismas características.
- Filtros demográficos: se basan en los gustos o hábitos de consumo de las personas de una determinada región geográfica.
- Filtros basados en el historial de usuario: apoyadas en la actividad del usuario en distintos portales de comercio electrónico, redes sociales, etc. para ofrecerle ítems relacionados con sus gustos o hábitos de consumo recientes.
- Combinaciones de varios de los anteriores (híbridos).
En la actualidad, los sistemas de recomendación son uno de los pilares en los que se sustenta el comercio electrónico y persiguen dos objetivos fundamentales: maximizar las ventas de parte de los proveedores y facilitar las búsquedas de artículos o intereses de los usuarios. Los sistemas de recomendación son uno de los factores por los cuales se dice que la información es poder y representa el oro negro del siglo XXI.
A modo de reflexión, Amazon consigue el 35% de su facturación, casi 400.000M $ en 2020, mediante las recomendaciones. Por eso, el Big Data, en general, y los sistemas de recomendación, en particular, son una de las estrategias clave para que un ecommerce tenga éxito.
