introducción a la personalización y a los sistemas recomendadores
TRANSCRIPT
![Page 1: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/1.jpg)
David Bueno Vallejo 2007.
Universidad de Málaga
![Page 2: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/2.jpg)
Plan
Introducción
Algunos Ejemplos
Características de la Personalización
Publicidad Personalizada
Conclusiones
![Page 3: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/3.jpg)
![Page 4: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/4.jpg)
Introducción
Las ideas de la revolución industrial “one size fits all” están desfasadas
Los usuarios de cualquier recurso necesitan cada vez más tener una identidad propia
Necesitan sentir que la compañía con la que interactúan les da una atención personalizada y un trato diferencial
Lo que le ofrece la empresa es único: Ej. Nike
![Page 5: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/5.jpg)
Introducción: Ejemplos de Personalización
Supermercado y la tienda de barrio
Cadena de hoteles
Tarjetas de fidelidad
Empresas de Telefonía
RFID (Grandes Almacenes EEUU)
Bancos
![Page 6: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/6.jpg)
Sistemas Recomendadores
Música
Noticias, Publicaciones Científicas
Buscadores Web, Filtros correo
Tiendas (Amazon, CD Now)
Programación TV
Agencias de Viajes
![Page 7: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/7.jpg)
Errores comunes • “Porque un Cliente pida un día café no le voy a bombardear con
anuncios de café” Trivializar
• No debe cambiar todo, ni hacerlo de manera instantánea. Ha de basarse siempre en refinamientos sucesivos (Mickey Mouse, Coca-Cola, …)
Adaptar de forma drástica o agresiva
• No hacer adaptaciones de la oferta, ni solicitar datos, de forma antinatural o en contra de la voluntad del Cliente Molestia e Intrusión
• “No puedo mandar comunicaciones personalizadas a mis Clientes. Me supone un coste desorbitado”
Atribuirle irracionalidad económica
• “Dado que puedo personalizar, personalizo todo, a todos y en cualquier momento”
Borrachera de personalización
Fuente: Javier G. Recuenco
![Page 8: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/8.jpg)
Fidelización a través de la personalización
Usuario fidelizado
Trato Personal
Fuertes barreras de salida
Débiles barreras
de entrada
![Page 9: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/9.jpg)
Interfaz de Usuario Multiplataforma El usuario debe poder acceder al sistema cuando quiera y desde donde quiera: Web, Mail, Teléfono PDA, TDT-PC, Windows Media Center, set-top boxes, Playstation 3, Wii,…
![Page 10: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/10.jpg)
![Page 11: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/11.jpg)
Amazon:
1
2
3
http://www.amazon.com/
![Page 12: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/12.jpg)
NikeiD: http://nikeid.nike.com/nikeid/
![Page 13: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/13.jpg)
Cafepress: http://www.cafepress.com/
![Page 14: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/14.jpg)
Movielens:
1
2
3
http://movielens.umn.edu/
![Page 15: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/15.jpg)
METIOREW: Recomendador de Publicaciones
![Page 16: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/16.jpg)
METIOREW: http://www.lcc.uma.es/metiorew/
![Page 17: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/17.jpg)
Home Personalizada -Diferentes temas(1,2) -Eval. programas(3) -Añadir a favoritos(4) -Tags Personal(5) -Perfil Personal(6) -Top Personal Tags(7)
1
2
3 4
6
5
7
TPTV: http://marte.lcc.uma.es/tptv/
![Page 18: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/18.jpg)
Home de cada Programa -Evaluaciones Personal. (1) -Stadisticas (2)
-numero de votos - Evaluation media -Frec.de favoritos
-Próx. Emisiones (3) -Comentarios Usuarios(4)
1
4
3
2
TPTV: http://marte.lcc.uma.es/tptv/
![Page 19: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/19.jpg)
TPTV:
![Page 20: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/20.jpg)
TPTV:
![Page 21: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/21.jpg)
![Page 22: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/22.jpg)
Personalización: El modelo del usuario
¿Qué información
guardar?
¿Cómo aprende el sistema?
¿Cómo explotar el modelo de
usuario?
![Page 23: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/23.jpg)
¿Cómo aprende el sistema?
Un objeto puede ser: noticia, programa, pagina web, libro
![Page 24: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/24.jpg)
¿Cómo explotar el modelo de usuario?
![Page 25: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/25.jpg)
¿Cómo seleccionar qué le interesa al usuario?
![Page 26: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/26.jpg)
Recomendaciones Basadas en el Contenido
• (1 y2 – Niveles de no interés)
• (3 y 4 – Niveles de interés)
Explícita:El usuario evalua en un rango.
(por ej. 1-4)
• Ve un programa, lee una noticia
• Se conecta a la web desde el móvil Implícita: El usuario
utiliza un servicio
• Programa:Título, año, descripción, …
• Noticia: Título, entradilla,resumen,…
Los objetos se estructuran en
parámetros
![Page 27: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/27.jpg)
Recomendaciones Basadas en el Contenido
El usuario tiene un modelo con sus evaluaciones anteriores asociados a diferentes parámetros
Cada nuevo objeto se compara con el perfil del usuario para calcular su similitud
Este valor se utiliza para ordenar los distintos objetos de acuerdo a ese usuario
![Page 28: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/28.jpg)
Recomendaciones Colaborativas
Las recomendaciones colaborativas se hacen
sin mirar el contenido de los objetos. Se
recomienda un programa porque otro usuario similar al primero ha considerado que este
programa es interesante
![Page 29: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/29.jpg)
Algoritmos colaborativos centrados en el usuario
Imagen de
![Page 30: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/30.jpg)
Limitaciones :Colab. Basado en Usuario
• Muchos usuario que evalúan pocos objetos
• Difícil encontrar patrones comunes Dispersion
• Cada usuario debe compararse con todos los demás
• Esto implica un alto coste computacional y dificultades de escalabilidad
Escalabilidad
![Page 31: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/31.jpg)
Recomendación basada en item-item
Imagen de
Utilizadas en Amazon.com
![Page 32: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/32.jpg)
Recomendador Final
El mejor recomendador es el que combina distintos algoritmos
Content Short Term Recommender
Content Long Term Recommender
Tags Recommender Collaborative
Recommender
tagscollablongshort
iuiuiuiuRRRRitemuserR
,,,,
.
),( tagscollablongshort
iuiuiuiuRRRRitemuserR
,,,,
.
),(
tagscollablongshort
iuiuiuiuRRRRitemuserR
,,,,
.
),(
donde
α+β+φ+δ=1
![Page 33: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/33.jpg)
![Page 34: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/34.jpg)
Publicidad Personalizada
Los usuarios reciben mucha publicidad que no les interesa
Una publicidad será efectiva si trata algún tema relevante para el usuario
Es suficiente con añadir cierta meta información a cada anuncio y compararlo con el modelo del usuario
De esta forma sólo solo se ofrece un pequeño número de anuncios a los usuarios pero el beneficio es mucho mayor que con anuncios no dirigidos
Schwarz (Schwarz, 2004) : ”researchers expect the majority of iTV advertising to be interactive and the total iTV advertising revenue to be in the billions”
![Page 35: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/35.jpg)
Publicidad Personalizada: Claves
La naturaleza personal de la comunicación móvil requiere un escrupuloso respeto por el Cliente
Asegurar una experiencia positiva para el Cliente como elemento clave para su implicación
Construir valor a largo plazo a partir de la recolección de datos
Sólo Marketing Bajo Permiso
El mensaje debe aportar valor al Cliente, y ello depende de lo personal y adecuado a su realidad y circunstancia personal
![Page 36: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/36.jpg)
Algunos ya lo hacían antes…
![Page 37: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/37.jpg)
![Page 38: Introducción a la Personalización y a los Sistemas Recomendadores](https://reader033.vdocuments.pub/reader033/viewer/2022060200/55986b031a28ab1f0b8b46bf/html5/thumbnails/38.jpg)
Conclusiones
La fidelización de clientes es clave para las empresas
En la actualidad las empresas no buscan nuevos clientes ‘veletas’ u oportunistas sino mantener buenos clientes
Para que un cliente no se vaya es necesario conocerlo y que irse a otra empresa supone empezar de cero
Para ello es imprescincible el trato personalizado y el uso de sistemas recomendadores para ofrecer productos