Sistemi di raccomandazione
Affrontare il problema della coda lunga e migliorare l'esperienza di raccomandazione per gli utenti sull'app Headspace
La scelta tra due sistemi di raccomandazione
Dopo settimane di diligente lavoro, hai finalmente una meritata serata libera per concederti una bella esperienza al ristorante. Due amici hanno offerto consigli sui ristoranti. Un amico tende ad attenersi a ciò che è provato e vero, avventurandosi raramente in territori inesplorati. Una volta che la battuta arriva, la ripeteranno incessantemente con lievi variazioni. Sebbene il loro gusto sia affidabile, i loro consigli non ti hanno mai lasciato completamente impressionato. Questo primo amico rispecchia un sistema di raccomandazione affetto da problema della coda lunga; raccomandano ristoranti popolari che siano affidabili e appetibili per la maggioranza ma non necessariamente su misura.
Al contrario, c'è l'amico che abbraccia costantemente il rischio, esprimendo idee in modo casuale. Rimani sempre a chiederti quali siano le loro preferenze di gusto. Sebbene abbiano suggerito alcuni punti di ristoro straordinari, ne hanno anche aggiunti una buona dose di terribili, tutti serviti con lo stesso livello di entusiasmo. Il secondo amico è come un sistema di raccomandazione che lancia suggerimenti casuali, portando occasionalmente a piacevoli sorprese ma anche a delusioni. Quale consiglio seguiresti per la serata?
Nel mio articolo, “Oltre l'accuratezza: abbracciare la serendipità e la novità nelle raccomandazioni per la fidelizzazione degli utenti a lungo termine“, ho discusso dell'importanza di andare oltre le semplici metriche di precisione per affrontare il problema della coda lunga e migliorare l'esperienza di raccomandazione per gli utenti. In questo articolo discuterò di un'implementazione nel mondo reale quando lavoravo come ingegnere di machine learning presso Headspace Health. Mentre c'è un carta pubblicato sotto il Licenza Internazionale Creative Commons Attribuzione 4.0 che va in profondità con l'implementazione, spiegherò la logica alla base di ogni decisione presa e condividerò i risultati inaspettati che abbiamo riscontrato durante il processo.
Fonte: towardsdatascience.com
