Como as plataformas te recomendam produtos “perfeitos”?
Já se perguntou de que maneira as plataformas (Spotify, Amazon, TikTok, …) conhecem tão bem os seus gostos? Como sabem que você irá comprar determinado produto? Ou até mesmo recomendar uma música que você ama, mas nunca pesquisou sobre ela.
Todas essas perguntas podem ser respondidas a partir do uso da inteligência artificial. Os sistemas de recomendações (Recommender Systems — RS), são os responsáveis por essas indicações, a partir da implementação de diferentes tipos de algoritmos, os RS podem se apresentar em duas principais categorias.
Modelo Colaborativo
O primeiro e mais utilizado no mercado é o modelo colaborativo, neste a aplicação possui acesso as informações do perfil do usuário, como: idade, país, cidade, histórico de compras, histórico de curtidas e etc. A partir disso, o sistema identifica os perfis que possuem preferencias e características semelhantes ao utilizador e recomendam itens consumidos por outros usuários que pertencem ao mesmo grupo do alvo.
Outra maneira de se utilizar o modelo colaborativo, parte do principio de ações anteriores realizadas pelo usuário, no qual o RS cria um modelo que prevê uma possível classificação para um determinado item, e a depender da nota recebida, esse produto é direcionado ou não para o usuário.
Modelo Content-Based
Já na outra categoria, temos os algoritmos baseados no conteúdo do produto, nele o sistema analisa as características de um determinado produto e o comparada com os demais até encontrar itens similares que irão satisfazer a necessidade do usuário.
Exemplo: Você precisa comprar um novo computador e pesquisa algo que se encaixa em suas necessidades. A partir disso, o RS busca em sua base de dados outros computadores com características semelhantes, como: preço, memória, poder de processamento e etc. Ou seja, diferente do primeiro modelo que se baseia nas informações do usuário, este algoritmo baseia-se diretamente no conteúdo do produto.
Uso prático
Agora que você já sabe os tipos mais utilizados, vamos a exemplos práticos de como as empresas utilizam essas técnologia no dia a dia.
Uma das utilizações mais clássicas dos Sistemas de Recomendações estão no algoritmo do TikTok. Que usa uma mescla dos 2 tipos acima para recomendar novos vídeos para seus usuários, a famosa #foryou.
O algoritmo do TikTok utiliza alguns recursos computacionais para reconhecer os elementos e conteúdo dos vídeos dentro da plataforma, como no exemplo a seguir:
A partir do processamento do vídeo e seus metadados, a plataforma reconhece o conteúdo de cada vídeo e o armazena em seu banco dados. Com isso feito, o algoritmo só precisa reconhecer quais as preferencias e gostos de cada usuário para recomendar os vídeos que contenham algum dos elementos processados e reconhecidos pelo TikTok.
Para realizar a obtenção de informações do usuário o algoritmo utiliza diversas tecnologias para absorver o maior número de informações possíveis.
Com a utilização do app pelo usuário, ele registra o tempo e engajamento nos vídeos recomendados inicialmente e entende quais são aqueles que o usuário mais teve interações e tempo assistido. Com isso, ele pode aplicar o seu algoritmo baseado em conteúdo (Model Content-Based) e recomendar vídeos que possuem propriedades semelhantes aos que tiveram maior retenção utilizando o seu histórico de interações.
Para o modelo colaborativo a aplicação se torna mais intuitiva, assim como já demonstrado, o algoritmo coloca o usuário em um grupo comum do usuário e aplica o seguinte cenário.
Imagine que o consumidor A assistiu aos vídeos 1, 2, 3, 4 e 5, enquanto o consumidor B assistiu aos vídeos 2,3,4,5 e 6. Com isso, é possível perceber um enorme interesse comum entre os usuários. Portanto, o algoritmo recomendará o vídeo 1 para B e o vídeo 6 para o A, que possivelmente será relevante para ambos, levando em conta o grande nível de similaridade de consumo entre os mesmos.
Nota final
Apesar do modelo colaborativo ser o mais difundido no mercado, as aplicações que utilizam uma mescla dos algoritmos estão se mostrando cada vez mais poderosos e rentáveis, visto que o seu nível de sucesso se apresentam cada vez mais relevantes, a final, quem nunca teve a sensação de encontrar o produto perfeito, no momento perfeito? ou até mesmo passar horas e horas descendo o feed com vídeos que te predem de maneira incontrolável?
Grande parte deste artigo foi escrito com base nas publicações abaixo:
https://arxiv.org/abs/1511.05263 (The Use of Machine Learning Algorithms in Recommender Systems: A Systematic Review — Artigo científico)
