Quando i clienti non ti dicono esplicitamente cosa vogliono
Fare raccomandazioni in realtà non è così difficile. Devi solo verificare come i tuoi clienti hanno valutato i tuoi prodotti, ad esempio utilizzando da 1 a 5 stelle, e poi addestrare a regressione modello sopra di esso. Giusto?
Ok, potremmo dover occuparci degli incorporamenti se non disponiamo di funzionalità numeriche per utenti o filmati, ma abbiamo visto come farlo nel mio articolo precedente:
Avremo bisogno anche degli incorporamenti in questo articolo, quindi suggerisco di leggere l’articolo sopra prima di continuare.
Tuttavia, a volte non siamo nella fortunata posizione di avere esplicito feedback degli utenti, ad esempio stelle, pollice su o giù o simili. Ciò accade spesso nella vendita al dettaglio, dove sappiamo quale cliente ha acquistato quale articolo, ma non se gli è effettivamente piaciuto. Le uniche cose che otteniamo dai clienti sono segnali impliciti sul loro interesse in questo prodotto.
Se hanno acquistato (guardato, consumato,…) il prodotto, hanno mostrato interesse per esso. In caso contrario, lo erano Forse non interessato, ma forse semplicemente non lo sapevo ancora. Non possiamo dirlo.
Sembra che possiamo trattare un problema di classificazione. Interessato = 1, non interessato = 0. Tuttavia, questo è il piccolo problema che non possiamo essere sicuri se uno 0 (non interessato) sia Veramente uno zero. Può anche darsi che il cliente non abbia mai avuto la possibilità di acquistarlo, ma in realtà vorrebbe farlo.
Torniamo ai film e supponiamo di non avere alcun rating. Sappiamo solo quale utente ha guardato quale film.
Fonte: towardsdatascience.com
