Aki vett már bármit online, annak nem kell bemutatni az ajánlórendszereket – csavarhúzók között keresgélsz, amelyek aztán levakarhatatlanul ott ragadnak az ajánlott termékek között. Oké, lehet, hogy egy másik márka, netán egy fúrógép is felbukkan, a mesterséges intelligencia bevonásával ugyanis több adat alapján kaphatunk hasznosabb ajánlásokat. Ennek a működési elvéről beszélt a Stylers Group CEO-ja, Gönczy Gábor az idei Internet Hungary-n.
Ahhoz, hogy megértsük, hogy működnek az ajánlórendszerek, érdemes egy pillantást vetni a különféle típusaikra: „A tartalomalapú ajánlórendszer a felhasználó korábbi értékeléseit veszi alapul, ez azonban sok esetben édeskevés, hiszen nem mindenki hagy ajánlást maga után, sokan csak boldogan használatba veszik az újonnan beszerzett kütyüjüket, és vissza sem néznek. A kontextusalapú rendszerek eggyel továbbmennek, és figyelembe veszik az olyan környezeti változókat, amelyek befolyásolhatják a felhasználó szokásait (megházasodott, új lakásba költözött, gyereke született stb.). A kollaboratív rendszerek már a hasonló felhasználók múltbéli jellemzői alapján ajánlanak, vagy a felhasználóra (user-based) vagy az általa böngészett termékre (item-based) fókuszálva” – avat be Gábor az alapokba.
A hibrid rendszerek pedig azok, amelyek az előbb említett három módszert kombinálva próbálnak valóban hasznos ajánlásokat tenni, ami elviekben mind a vásárlónak, mind az eladónak hasznosabb megoldás. Gábor egy konkrét példán keresztül szemléltette ennek működését, amiben egy statikus és egy kollaboratív AI ajánlórendszert vetett össze:
„Ahogy a fentiekben is látható, a statikus rendszer csak abból a termékkategóriából ad ajánlást, amelyből a felhasználó már vásárolt, míg a kollaboratív AI figyelembe veszi a további hasonlóságokat is” – mondja Gábor, hozzátéve, hogy ez a példa a végletekig leegyszerűsíti, ám épp ezért abszolút érthetővé is teszi a különbséget. Egy valódi kollaboratív AI rendszer ugyanis még ezernyi tényezőt vesz figyelembe, amelyek alapján adott esetben szinte a gondolatainkban olvasva „jósolja” meg a szükségleteinket. Ráadásul teszi ezt úgy, hogy az egyes összefüggéseket már nem nekünk kell bepötyögni a kódba, hanem magától tanulja meg ezeket – minél több információból dolgozhat, annál eredményesebben!
Természetesen ezek a rendszerek is csak abból tudnak dolgozni, amit tőlünk kapnak, ezzel kapcsolatban pedig alapvetően kétfelé szakadnak a netezők. Az internethasználók egyik fele ugyanis gondosan védi a privát szféráját, és nem oszt meg semmit, amit nem nagyon muszáj, míg mások gondolkodás nélkül kattintgatják az okét mindenhol. Ez persze csak a két véglet, de nyilvánvaló, hogy az első csoporttal nehezebben boldogulnak az ajánlórendszerek. Azonban a mesterséges intelligenciának köszönhetően a muszájból megosztott információk is elegendő alapot adnak ahhoz, hogy jobban el lehessen találni az igényeiket, szóval a kollaboratív AI megoldások náluk is hatékonyabbak lesznek. A másik véglet esetében pedig valószínűleg azt is korábban tudják majd, hogy mikor érdemes a kalandtúráról a pelenkareklámra váltani, mint ahogy a terhesség kiderül…