PULSAR   1  de arriba para cerrar pestaña

x fechas

X FECHA


PULSAR   1  de arriba para cerrar pestaña

x orden alfabetico

Faltan por etiquetar unos 300 articulos de los mas de 1000 publicados.
Los tengo que ir etiquetando , poco a poco.

Etiquetas

X ORDEN ALFABETICO


PULSAR   1  de arriba para cerrar pestaña

Enlaces

NUEVAS TECNOLOGIAS

*

*

PULSAR   1  de arriba para cerrar pestaña

+VISTAS

+ vistas


PULSAR   1  de arriba para cerrar pestaña

PULSAR   1  de arriba para cerrar pestaña

varios

TERCERA (o de ORO) de Las 5 leyes fundamentales de la estupidez Humana (Carlo M. Cipolla )

Una persona ESTUPIDA es aquella que causa perdidas a otra o grupo de personas sin obtener ninguna ganancia para si mismo e incluso incurriendo en perdidas".








PULSAR   1  de arriba para cerrar pestaña






y2a -Sitios web de recomendación social

Sitios web de recomendación social

Estos servicios permiten al usuario descubrir información y productos que le pueden interesar

La tienda web Amazon los puso de moda con su legendario "Si le gusta este libro, tal vez le interesen también los siguientes", y los han adoptado muchos más servicios. Entre ellos, la radio social LastFm. Los sistemas web de recomendación son una buena opción para filtrar la información y dar con lo que, en realidad, busca el usuario. Se basan en algoritmos estadísticos que intuyen los gustos de una persona tras estudiar los del resto de ciudadanos que desean un mismo producto.

  • Por ANTONIO DELGADO
  • 7 de agosto de 2009

En general, este tipo de predicciones se realizan según los datos que se conocen del usuario, acerca de sus películas, su música o sus libros favoritos. Además, si sus contactos están interesados en un tema, se considera que éste debe ser también de interés para él. Esta información se suele completar con una recopilación de datos más explícitos, que pueden obtenerse al pedir al consumidor que elija, entre un rango, sus productos preferidos o que se decida entre dos objetos que son deseo de compra para él.

Amazon, el pionero

Considerado el gran sitio de las compras electrónicas, Amazon utiliza un sistema de recomendaciones muy sofisticado para asesorar de forma personalizada la compra de productos. Recurre tanto a los artículos que el usuario ha adquirido con anterioridad, como a los que, de alguna forma, le han interesado al visitarlos o añadirlos a su lista de deseos.

Amazon utiliza tres criterios principales: el usuario, el entorno social y los productos. De esta manera, basa sus recomendaciones en el comportamiento individual y en el de otros usuarios ante el mismo tipo de producto. Resulta obvio que busca incentivar la compra de un mayor número de artículos a la hora de crear un pedido en su tienda.

Con sus recomendaciones, Amazon busca incentivar la compra de un mayor número de productos

También la radio en Internet Last.Fm usa un programa de recomendación en base a la música elegida, que permite al usuario, con un solo click de ratón, decir si lo que se le recomienda le gusta o no. De este modo, el sistema recopila información para aconsejar a otros usuarios.

Pero más allá de Amazon o Last.Fm, en la actualidad, los sistemas de recomendación se utilizan en multitud de sitios web y plataformas on line. Las redes sociales se han convertido en uno de los lugares donde más se han popularizado estos sistemas, basados en el entorno social. Redes como Facebook son capaces de mostrar en la página personalizada de cada usuario los grupos, hilos de conversación o personas de su interés basados en el comportamiento del resto de sus contactos. También se utilizan estas técnicas para mostrar publicidad personalizada y segmentada.

Estos sistemas han dado, incluso, el salto a los mismos buscadores y han aprendido de las sesiones anteriores del usuario para sugerirle resultados que, aunque no sean el objeto principal de su indagación, pueden interesarle. Ping, la apuesta de Microsoft en este segmento, utiliza diferentes tecnologías para sugerir búsquedas y realizar comparativas de productos según el perfil del usuario. Por su parte, Google puede personalizarlas en función de la ubicación o actividad reciente del usuario, si éste ha accedido al buscador a través de su cuenta Google.

Algunos servicios Interesantes

Los sistemas de recomendación social más conocidos son los relacionados con estaciones de música o compra por Internet. Plataformas como Last.fm, Pandora, Slacker y el sistema Genius, que forma parte de la tienda on line iTunes, son algunos de los sistemas más conocidos que recomiendan música. Analizan los datos de las canciones escuchadas por los usuarios y, a partir de ellos, seleccionan tonadas de apariencia similar.

Snooth es una plataforma social para aconsejar vinos que se basa en las valoraciones que escribe el usuario en su perfil

Junto con el sistema de recomendación de productos de Amazon, también existen otras plataformas con tecnología parecida orientada a las compras, como ChoiceStreamy StyleFeeder. Estos servicios ayudan a los usuarios a encontrar productos que respondan a sus gustos y preferencias. Analizan los datos de cada consumidor para encontrar los artículos más adecuados a su perfil.

Snooth es una plataforma social para la recomendación de vinos. Dispone de un buscador y un sistema que permite a los usuarios recibir sugerencias personalizadas en función de las valoraciones de catas de caldos que con anterioridad hayan sido introducidas. Por tanto, cuanto mayor sea el número de valoraciones realizadas por el usuario en la plataforma, más acertados serán los consejos.

Por su parte Jenni es una red social que envía sugerencias de películas y programas de televisión en función de los gustos personales. Para que el sistema funcione de forma correcta, es necesario realizar hasta una docena de test sobre gustos de películas y programas de televisión, con el objetivo de trazar un perfil del usuario.

Consideraciones importantes

A pesar de la eficacia de este tipo de servicios, estas tecnologías se enfrentan a problemas que pueden hacer que el sistema falle. El principal inconveniente es la falta de datos. Desde Amazon a Last.fm, es menester que haya una gran cantidad de información para que la recomendación funcione de forma eficaz. Por otra parte, los gustos varían con el tiempo.

Como colofón, es necesario tener presente que cada persona es un mundo y, en consecuencia, las recomendaciones deben contemplar toda la gama de grises respecto a las afinidades. De lo contrario, terminarán por fracasar. El contenido no se puede marcar sólo como "blanco" o "negro" y segmentar bajo este patrón.