Comparare i prodotti tra loro invece di giudicarli secondo una scala di valore assoluta aiuta a migliorare l’algoritmo che indica le preferenze dei consumatori: è quanto hanno concluso alcuni ricercatori del MIT, impegnati nello studio sull’efficacia delle “stelline” diffuse su molti portali online, usate per stabilire gusti e giudizi degli utenti.
Quanto Netflix conosce il comportamento dei propri utenti? E in che misura un portale come Amazon è in grado di afferrare le propensioni di acquisto dei netizen? Secondo Devavrat Shah, professore associato presso il Dipartimento di ingegneria elettrica e Computer Science, ci sono molti dubbi circa la validità di un sistema che chiede agli utenti di classificare libri, film, macchine sulla base di un sistema di misurazione assoluto , quale quello a “cinque stelle”. Un sistema considerato vitale per la sopravvivenza del Web, fondamentale per stabilire il target delle inserzioni pubblicitarie, e meccanismo che contraddistingue molti servizi della rete come Pandora o Netflix.
Invece che chiedere ai consumatori di giudicare i prodotti in base a criteri assoluti (così come fanno, ad esempio, Netflix e Amazon), Shah suggerisce che le architetture di classificazione dovrebbero chiedere agli utenti di comparare i prodotti a coppie . Progettando tale meccanismo di elaborazione, sarà possibile offrire una rappresentazione più accurata delle preferenze dei consumatori.
Attraverso una serie di paper redatti negli ultimi anni in collaborazione con studenti e colleghi, il docente del MIT è riuscito a elaborare degli algoritmi che consentono l’applicazione della propria teoria. Oltre a mostrare come possano monitorare le preferenze dei consumatori in Rete, il gruppo di ricerca ha anche realizzato un sito che utilizza tali formulazioni matematiche per supportare larghi gruppi nell’assunzione di decisioni collettive.
Si tratta di un meccanismo presentato lo scorso giugno e applicato ai siti di vendita delle automobili, capace di generare un sistema di preferenze degli acquirenti caratterizzato da un’efficacia del 20 per cento maggiore rispetto agli algoritmi esistenti. Il successo nell’implementazione di tecnologie di classificazione più sofisticate è stato sperimentato da iTunes: Genius utilizza molto più che una struttura a cinque stelle per alimentare la propria tecnologia di raccomandazione musicale. Si tratta, in sostanza, di una combinazione tra dati e informazioni personalizzate, adottati per adattare i contenuti all’utente .
Il prossimo passo, dichiarano i ricercatori, sarà testare il modello rispetto ai dati reali.
Cristina Sciannamblo
Ti potrebbe interessare
21 lug 2011