Prefacio
Trabajo con sistemas de recomendación a diario y tampoco he oído hablar nunca de la aplicación de un modelo como el del sistema de recomendación. Sin embargo, sólo puedo especular sobre las razones.
La principal razón general podría ser que los sistemas de recomendación se aplican a menudo en un ámbito en el que el precio/coste de un artículo es demasiado pequeño para obligar al cliente a invertir tiempo en tomar una decisión casi óptima, maximizando su utilidad. Esto debe tenerse en cuenta en la siguiente sección. Tales dominios incluyen el comercio electrónico o los portales de noticias (donde se recomiendan artículos) o sitios como tastekid.com, donde la decisión en este paso sólo cuesta un clic, es decir, prácticamente nada.
Razonamiento
El modelo multinomial condicional descrito requiere (o funciona mejor) con ...
- características del cliente
- características de los artículos
- racionalidad asumida cuando se trata de la decisión
Repasemos cada punto
Características de los clientes
Aparte de algunos datos demográficos básicos como el sexo, la dirección y (quizá) la edad, se sabe poco. Cuanto menor sea el precio de un artículo (véase más arriba) más difícil es solicitar una encuesta antes de que comience el proceso de selección. En cambio, los datos de actividad (artículos comprados, valoraciones, etc.) pueden recogerse sin ningún trabajo por parte del cliente y pueden utilizarse para describirlo, siguiendo el lema "eres lo que te interesa". Los artículos que le interesan al cliente (las preferencias) captar implícitamente lo que es importante para el cliente.
Características de los artículos
La construcción de un modelo basado en las características de un artículo ya se hace, ya sea a través de un "filtrado colaborativo basado en el contenido" o un enfoque basado en el modelo. Éstos se utilizan, por ejemplo, para resolver el problema del arranque en frío, es decir, cuando el nuevo sistema de recomendación aún no tiene (suficientes) preferencias.
Sin embargo, el inconveniente es que es difícil recoger automáticamente las propiedades de un elemento. Imagine el caso de la moda: Algunas son fáciles (color, marca), otras son muy difíciles (cómo se siente la tela en la piel, cómo se ve si mi cadera es más ancha que la media). A veces es completamente imposible porque depende totalmente de la recepción del producto, por ejemplo, en el caso de las películas. En el caso de ciertos artículos, esa información puede ser recogida por humanos o por un sistema que comprenda la semántica y el lenguaje. No está claro que la mejora resultante compense los costes.
Así que en lugar de decir: "El artículo A es similar al artículo B debido a las propiedades p1,p2,...", es más fácil decir "mucha gente ha comprado tanto el artículo A como el artículo B. No sé por qué, pero son lo suficientemente similares para el propósito de un sistema de recomendación". Así que el las preferencias captan implícitamente lo similares que son los artículos.
Asumir la racionalidad a la hora de decidir
Somos humanos y pretendemos ser racionales todo el tiempo. Si, por ejemplo, el precio u otras circunstancias nos obligan a pensar mucho en una decisión, puede darse el caso de que caso de que la parte racional de una decisión sea superior a la media. Pero cuando se trata de utilizar la publicidad para vender cosas a la gente (y sí, las recomendaciones pueden ser verse como publicidad), el marketing dirá que la racionalidad juega un papel menor.
Además, las personas no suelen saber de antemano qué propiedades son las más importantes para maximizar su función de utilidad personal. Si este fuera el caso, todos los procesos de compra podrían describirse mediante el uso de un motor de búsqueda, donde a) se enumeran todas las propiedades relevantes b) el cliente selecciona todas las propiedades relevantes para él y nombra el producto que le interesa y el motor de búsqueda ofrece exactamente los resultados adecuados.
En cambio, la gente tiene un objetivo básico (por ejemplo, comprar un traje), pero luego navega para ver qué productos le atraen y/o para inspirarse. La decisión de compra sigue siendo parcialmente racional (presupuesto, tiempo invertido), pero a menudo se reduce a "lo que se siente bien". Por supuesto, cada ámbito tiene su propia propia distribución de la racionalidad y la emocionalidad. Cuanto más técnico, más importancia tienen los hechos. Pero incluso que el cliente puede seleccionar una marca debido a la cortina de fuego de la publicidad, que no habría nombrado como criterio principal de antemano.
Así que construir un modelo económico aquí podría seguir funcionando y seguramente correcto, pero podría ser totalmente exagerado. Además, uno podría tener construir un modelo separado para cada tipo de artículo que vende una tienda.
Resumen
Construir un sistema de recomendación totalmente basado en las preferencias se hace a menudo porque ...
- es sencillo (=> barato)
- se puede hacer de forma automática, no se requiere ningún trabajo extra por parte del cliente (=> barato)
- funciona (lo suficientemente bien), por lo que un modelo más complicado podría no compensar los costes adicionales.
Pero: Hay dominios, donde este modelo económico será mejor. No dudo, que un buen agente inmobiliario y por lo tanto un buen sistema experto basado en un modelo económico superará fácilmente a un sistema de recomendación basado en preferencias. He observado regularmente que las recomendaciones hechas por expertos humanos suelen ser mejores que las automáticas. Sin embargo, los automáticos siguen siendo buenos y pueden producirse en masa sin demasiados costes, por lo que un experto puede centrarse en tareas más sofisticadas.
