協同過濾是一種處理數據的方法,它依賴于使用來自多個來源的數據來建立具有相似品味和消費習慣的人的檔案。這項技術用于許多不同的環境中。一些最著名的協同過濾應用可以在互聯網上看到,當它被用于市場營銷、預測用戶口...
協同過濾是一種處理數據的方法,它依賴于使用來自多個來源的數據來建立具有相似品味和消費習慣的人的檔案。這項技術用于許多不同的環境中。一些最著名的協同過濾應用可以在互聯網上看到,當它被用于市場營銷、預測用戶口味以及管理依賴用戶輸入的網站時。

營銷人員可以使用協作過濾向用戶提供非常精確的目標營銷在一個簡單的協同過濾工作示例中,網站可能需要為電視節目建立一個推薦系統。該網站的用戶在登錄并列出他們喜歡的節目時提供數據。這些數據反過來被用來識別有相似品味的用戶。如果75%喜歡a節目的人喜歡B節目,系統可以推斷出喜歡其中一個的人可能會喜歡另一個,因此,當用戶登錄并識別為show a的粉絲以尋求建議時,系統可以推薦ShowB,協同過濾需要大量的數據,從中抽取的數據越多,數據越有用、越有效。少量的數據更有可能以沒有意義的結果結束,例如錯誤的連接,從而導致對口味的預測不佳這類系統經常會遇到冷啟動問題,因為需要先填充數據庫,所以開發速度很慢。早期采用該系統的人可能會對該系統感到失望,因為它沒有足夠的數據,所以會提出不好的建議協作過濾還廣泛應用于社交網站和提供企業書簽等工具的網站上,用戶可以共享和推廣他們感興趣的網站的鏈接。隨著用戶添加到系統中的數據體中,該系統可以開始提出旨在迎合每個用戶口味的建議。例如,一個社會化書簽網站可能會根據一些人過去表示喜歡的鏈接和用戶生成隨機鏈接。營銷人員可以使用協作過濾向用戶提供非常精確的目標營銷個性化營銷可以非常有效,因為用戶感覺自己是在接受個人推薦,因此他們更容易接受推薦。社交網站等網站自愿提供的大量數據是營銷人員的熱門商品,他們從這些網站購買數據來開發定制的活動。