Técnicas de recomendação: Como aplicá-las ao seu negócio

Sites e aplicativos oferecem uma infinidade de conveniências e, possivelmente, este seja um dos motivos pelos quais o setor é um sucesso estrondoso em nosso país. De acordo com um estudo efetuado pela AppsFlyer, a quantidade de instalações de aplicativos no Brasil aumentou em mais de 50% nos últimos dois anos e, mesmo durante a pandemia provocada pela Covid-19, o uso e as receitas deste mercado cresceram em 15%.

Apesar das facilidades e dos benefícios que esses sistemas proporcionam, a quantidade de conteúdo disponível pode ser um obstáculo ao fomentar o excesso de informações aos usuários. À vista disso, é crucial a personalização da interação do utente, que deve ser focada no conteúdo relacionado aos interesses do mesmo.

Habitualmente, os algoritmos operam calculando a semelhança entre usufruidores ou entre itens. Por exemplo, a Netflix recomenda o filme a ser assistido, o YouTube sugere seu próximo vídeo, o Spotify cria listas personalizadas através de seu gosto musical, a Amazon recomenda novos produtos de seu interesse e o Facebook mostra pessoas com quem você pode querer fazer amizade. Os anúncios também são gerados tailor-made para o seu perfil, tudo por meio do sistema de recomendação.

Por viabilizar engajamento ativo entre o usuário e a plataforma, as recomendações tratam-se de uma vantagem competitiva e portanto, há inúmeras estratégias para realizá-las. Neste artigo, vou falar sobre como o uso da filtragem colaborativa de forma adequada resulta em valor ao negócio.

Nesta abordagem, por meio do rankeamento de produtos, assume-se o interesse do usuário por uma categoria de mercadorias e, mediante a análises do histórico de comportamento de usuários similares, é possível prever qual produto será de maior interesse futuramente. Assim, quando dois utentes adquirem o mesmo item, um elemento que foi consumido por um deles anteriormente, é indicado para o outro.

Pontos positivos:

- Analisa o comportamento do usuário para gerar recomendações

- Nichos definidos facilitam a recomendação

Pontos negativos:

- Problema da “Ovelha Negra”

- Problema de “Cold Start”

Os últimos dois aspectos citados se relacionam à necessidade da análise do histórico de comportamento dos usuários. A ovelha negra representa o utilizador que consome produtos fora dos padrões demonstrados pelo restante da rede, exemplificando no contexto da Netflix, enquanto a maioria consome o mais novo lançamento da Marvel, este usuário optará por um filme cult da Indonésia, produzido por uma equipe independente.

O chamado Cold Start, denota a grande questão, o que recomendar para um usuário que acabou de ingressar na plataforma? Geralmente, são recomendados produtos que a massa tende a consumir, impactando diretamente a personalização do tratamento aos clientes. Empresas buscam amenizar este impacto com questionários que validem o histórico do consumo do usuário, porém, muitas vezes, o método é ocioso devido ao fato de o formulário não ser preenchido de forma adequada, gerando falsos positivos e habilitando o sistema de forma errada.

Então, você deve estar se perguntando: “por onde começar?” Nós, da BRLink, temos a resposta para essa questão. A Amazon AWS, nossa parceira, oferece uma solução de sistema de recomendação firmada em técnicas de filtragem colaborativa. Existem inúmeras metodologias para cada um dos procedimentos expostos, possibilitando uma infinidade de combinações para a solução de cada problema.

Embora a filtragem colaborativa seja fundamentada no modelo criado para as necessidades encontradas no e-commerce da própria Amazon e, portanto, apresente uma taxa de assertividade muito alta em demandas similares, a solução não está livre dos problemas citados anteriormente. Assim, para que haja a redução dos drawbacks de cada uma das técnicas, um estudo minucioso dos dados coletados, público alvo e modelo de negócio é necessário, culminando na implementação de um sistema de recomendação híbrido, onde combina-se diversos métodos para melhor atender os problemas em questão.

*Lucas Barbosa é Head Cloud Sales Specialist e Cientista de Dados na BRLink