Em um mundo onde os dados são abundantes e as preferências vastamente capturadas, é estranho se deparar com recomendações que não sejam exatamente àquilo que você procura. Um estudo mostra que 75% do conteúdo consumido na Netflix vêm pelo mecanismo preciso de recomendação.
Mas o que as empresas referência em recomendação têm feito de diferente?
Em vez do clássico teste A/B e das entrevistas que o usuário diz o que você quer ouvir, empresas utilizam algoritmos para aprender na prática o que você gosta e corrigir continuamente. O Multi-Armed Bandit, por exemplo, é um dos frameworks em alta para sistemas de recomendação.
Qual a ideia? Imagine que você está em um cassino e seu objetivo é maximizar os lucros, podendo escolher qual máquina jogar, quanto jogar e qual ordem jogar. Se você conseguir identificar padrões a partir das recompensas e realizar correções de forma contínua na estratégia, certamente sairá do cassino mais rico. A mesma coisa serve para as preferências dos usuários.
Além de Netflix, temos outras empresas com sistemas avançados de recomendação, como Uber Eats, Capital One e Spotify. Cada vez mais, a máquina acertará mais e os consumidores sairão mais felizes.
Quem recomenda melhor, gera mais receitas!
Sem comentários