Sistemas de recomendações

Sistemas de recomendação denomina um conjunto de algoritmos que tem como objetivo predizer a preferência de um usuário sobre um produto. Essas técnicas são muito utilizadas atualmente no mercado, por exemplo, nas recomendações de produtos da Amazon, filmes na Netflix, vídeos no Youtube ou músicas no Spotify.

Diversas abordagens surgem ao se tratar de sistemas de recomendações, como filtros colaborativos, recomendação baseada em conteúdo, sistemas híbridos (utilizando as duas abordagem citadas anteriormente) ou até mesmo algoritmos de Deep Learning. No entanto, independente da técnica escolhida, é extremamente importante analisar previamente os dados para entender profundamente o contexto em que se está trabalhando. Dentre as diversas oportunidades, visualização de dados (DataViz) emerge como uma das principais ferramentas utilizadas pelos programadores para compreender melhor os dados e a tirar insights.

Como o assunto sobre sistemas de recomendações é relativamente novo e vem ganhando destaque com a evolução digital, a área de DataViz nesse contexto, ainda tem muito espaço a ser explorada.

Como dito, diversas abordagens surgem ao se tratar do tema. Assim como nós recomendamos um livro ou uma música a um amigo, os sistemas de recomendações são uma maneira matemática de formular quais os produtos de maior preferência do usuário.

Pode-se analisar, por exemplo:

• Similaridade entre produtos: "Vi que você gosta de camisetas com cores neutras. Por quê não experimenta essa camiseta branca?"

• Similaridade entre clientes: "Meu pai tem a mesma idade que seu tio e ele adora camisas listradas! Você poderia comprar essa para ele!"

• Perfil de compra similar: "Se todos do trabalho usam camiseta preta, calça jeans e tênis esportivo, vou comprar uma camiseta preta de amigo secreto para o Marcelo já que ele sempre está também de calça jeans e tênis esportivo."

O último exemplo é chamado de filtro colaborativo e pode ser representado de maneira simples pelo processo abaixo: