¿Qué es el filtrado colaborativo?

El filtrado colaborativo es un método para procesar datos que se basa en el uso de datos de numerosas fuentes para desarrollar perfiles de personas relacionadas por gustos y hábitos de gasto similares. Esta técnica se utiliza en una serie de configuraciones diferentes. Algunas de las aplicaciones más famosas de filtrado colaborativo se pueden ver en Internet, donde se usa para marketing, para predecir los gustos de los usuarios y para curar sitios que dependen de la información de los usuarios para funcionar.

En un ejemplo simple de cómo funciona el filtrado colaborativo, un sitio web puede querer configurar un sistema de recomendación para programas de televisión. Los usuarios del sitio proporcionan datos cuando inician sesión y enumeran los programas que les gustan. Estos datos se utilizan a su vez para identificar usuarios con gustos similares. Si al 75% de las personas que les gusta el Show A le gusta el Show B, el sistema puede inferir que a las personas que les gusta un show probablemente les guste el otro. Por lo tanto, cuando un usuario inicia sesión e identifica como fanático del Show A en busca de sugerencias, el sistema puede recomendar el Show B.

Para que el filtrado colaborativo funcione, necesita muchos datos. Cuanto mayor sea la población de la que se extraen los datos, más útiles y efectivos serán los datos. Es más probable que pequeñas cantidades de datos terminen con resultados que no son significativos, como conexiones falsas que resultan en malas predicciones de gustos. Tales sistemas a menudo sufren de un problema de arranque en frío, en el cual su desarrollo es lento porque la base de datos necesita ser poblada primero. Los primeros usuarios pueden frustrarse con el sistema porque hace malas recomendaciones ya que no tiene suficientes datos.

El filtrado colaborativo también se usa ampliamente en sitios de redes sociales y sitios que proporcionan herramientas como marcadores de empresa, en los que los usuarios comparten y promueven enlaces a sitios que les parecen interesantes. A medida que los usuarios agregan al cuerpo de datos en el sistema, el sistema puede comenzar a hacer recomendaciones que están diseñadas para atraer los gustos de cada usuario. Por ejemplo, un sitio de marcadores sociales podría generar enlaces aleatorios sobre la base de enlaces y usuarios a los que alguien haya expresado su agrado en el pasado.

Los especialistas en marketing pueden usar el filtrado colaborativo para ofrecer marketing dirigido con mucha precisión a los usuarios. Este marketing personalizado puede ser altamente efectivo ya que los usuarios sienten que están siendo abordados personalmente y es más probable que acepten recomendaciones como resultado. La gran cantidad de datos proporcionados voluntariamente en sitios web, como los sitios de redes sociales, es un bien candente entre los vendedores, que compran datos de dichos sitios para desarrollar campañas personalizadas.