Enviado el viernes, 23 de octubre de 2009 12:42
Esta semana estoy en Nueva York asistiendo al
ACM Recommender Systems Conference 2009, una conferencia centrada en sistemas de recomendación. Una de las charlas plenarias de este año la ha dado Francisco Martín, ex-CEO de iSoco y CEO de Strands, y en esta charla Francisco se ha centrado en las 10 lecciones más importantes que ha aprendido al tener que liderar una empresa orientada a desarrollar sistemas de recomendación para diversos sectores y empresas.
El esqueleto de un sistema de recomendación se descompone en una base de conocimiento, donde se almacenan todos los datos de productos, usuarios, perfiles de usuario, navegación por la web, etc. Encima de esta base de conocimiento se coloca un motor de procesamiento del conocimiento, encima un motor de control de negocio y analíticas, y encima la interfaz del usuario. Así pues, un sistema de recomendación es un sistema complejo, con muchas partes interconectadas entre si.
Después de hablar de su experiencia, y de Strands, Francisco Martín comentó las 10 principales lecciones aprendidas con Strands:
- Asegúrate que lo que quieres es un recomendador. Si tienes pocos productos, o pocos usuarios, no inviertas mucho dinero en un recomendador, seguramente te funcionará mejor algún filtro simple, o alguna interfaz de usuario que facilite el llegar al contenido deseado. Un sistema de recomendación es un sistema complejo (y muy caro), así que el ROI solo será adecuado cuando se pueda maximizar el beneficio del sistema de recomendación con una gran base de usuarios y productos.
- Las recomendaciones tienen que tener un sentido estrategico. Esto plantea varias cuestiones secundarias: ¿es la mejor recomendación para el cliente también la mejor para el negocio? ¿Es lo mismo una buena recomendación que una recomendación útil? Aquí has cuestiones a considerar que tienen mucho más que ver con la estrategia global, como si apuestas a ganarte los usuarios mirando el largo plazo, o si prefieres aprovechar un mayor número de ventas a corto pero con mayor riesgo de perder al usuario a medio/largo plazo.
- Elige un buen partner tecnológico y el plan adecuado para tu negocio. Esta lección está orientada especialmente a las empresas que contratan la tecnología de recomendación de terceras partes. Hay que tener cuidado, ya que hay unas cuantas empresas en el mercado y cada una de ellas tiene un sesgo mejor para algún dominio concreto.
- Olvídate del "cold-start" (cuando llega un nuevo usuario y no tienes datos para ofrecerle buenas recomendaciones). Se creativo.
- Mantén un balanceo adecuado entre datos y algoritmos. Hay que tener una buena base de datos y también un buen algoritmo.
- Encontrar items correlacionados es fácil, decidir qué, cómo y cuándo presentarlos al usuario es la parte complicada.
- No pierdas tiempo calculando gente cercana (perfiles similares), utiliza la información social que tienes a tu disposición: following/followers de Twitter, amigos de Facebook, seguidores en redes sociales, etc.
- No esperes mucho para estar listo para escalar (algo aplicable a cualquier sistema inteligente empresarial).
- Elige el mecanismo de feedback adecuado. Si bien estamos acostumbrados a las cinco estrellas, los usuarios no tienden a utilizar estos mecanismos de feedback como nosotros pensamos que los debían usar. Sirva el caso de YouTube, donde la gran mayoría de los usuarios que valoran un vídeo lo hacen con 5 estrellas, por lo que al final el mecanismo de feedback funciona en nuestra contra.
- Mídelo todo, que las analíticas que tomes guíen el desarrollo de tu recomendador.
Entradas relacionadas