hirdetés
hirdetés
hirdetés

Future

Ügynökök a nyomunkban

Néha úgy érzem, mintha valaki követne. Semmi komoly, csak eladni akar nekem valamit. Folyton ugyanazt a különlegesen jó minőségű, kvarcüveges, ritka fémből készült, szálcsiszolt, vízálló kvarcórát speciális bőrszíjjal és extra árréssel. Egy analóg óra, amelyen csak egy mutató van, és pont olyan gyorsan fordul meg a tengelye körül, mint a Föld nevű bolygó. Ráadásul ez az ügynök a legkülönfélébb helyeken talál rám.

Az ügynökök elég pontos nyilvántartást vezetnek arról, hogy mikor és hova megyek nyaralni, hogy pelenkát kell-e vennem a gyereknek, barkácsoló típus vagyok-e, vagy esetleg apró számítógépes kütyüket vásárolok, milyen filmek, könyvek érdekelnek, el fog-e fogyni a fogkrémem, kinek a posztját osztom meg a Facebookon, melyik cikk érdekel az online sajtóban, sörözni járok-e, vagy kávézni, melyik pártra szavaznék, és hogy odaérek-e időben a megbeszélésre.

Jobb és rosszabb ügynökök

Vannak jobb és rosszabb ügynökök. Van, amelyik több nyilvántartáshoz fér hozzá. Van, amelyik kevesebbhez. Van, amelyik meg tudja venni a technológiát az azonosításomhoz. Van, aki csak találgat. Van, akinek rengeteg számítási kapacitás áll a rendelkezésére. Van, aki egy kivénhedt asztali számítógépet használ. Ez árfüggő, csak körül kell nézni a piacon. Szerencsére egyik ügynök sem lát bele a fejembe, de rendkívül fejlett módszereik vannak arra, hogy megbecsüljék, mit szeretnék megvásárolni, elolvasni, megnézni vagy meghallgatni. Azért én mindig megpróbálok egy lépéssel előttük járni.

Az órások esetén megbocsátható, hogy folyton csak egy terméket ajánlanak, de a booking.com ügynöke lehetne kicsit okosabb. Három éve csak turkui szállásajánlatokat kapok tőle. Pedig ők egy egész ügynökosztállyal dolgoznak, akik gyakorlatilag sorozatban gyártják a különböző típusú ügynököket. Egy friss ügynök hosszabb-rövidebb képzést kap. Ha a képzése során elég jó eredményeket produkál, lehetősége nyílik kipróbálni magát élesben, azaz feltöltik a production rendszerbe. Itt is folyamatos verseny van. Ha egy ügynök nem teljesít elég jól, törlik az azonosítóját.

Ajánlhatok valamit?

A szoftveres szakma a fent említett ügynököket ajánlórendszereknek hívja, és igen, az ügynökök többé-kevésbé összetett szoftverek. Számos cég foglalkozik ajánlórendszerek fejlesztésével. Nagyobb cégek esetén a fejlesztés házon belül történik. Ez valószínűleg azért van így, mert így nem kell adatokat kiadniuk külsős cégeknek. A fogyasztási szokásokat tartalmazó adatok pedig nagyon érzékenyek és értékesek.

Az ajánlórendszerek alapvető feladata, hogy egy adott felhasználó számára a rendelkezésre álló információk segítségével kiválasszák azokat a termékeket vagy tartalmakat, amelyek a legjobban érdekelhetik. Ajánlórendszereket főleg az elektronikus kereskedelemben és a tartalomszolgáltatásban alkalmaznak, de vannak egyéb felhasználási területek is. Az ajánlórendszerek alkalmazását két oldalról lehet megközelíteni. Fogalmazhatunk úgy is, hogy az ajánlórendszerek a felhasználó segítségére vannak abban, hogy megtalálja a rengeteg termék közül, amire a leginkább szüksége van; de úgy is, hogy az ajánlórendszerek a kereskedő segítségére vannak abban, hogy növelni tudja a bevételeit a megfelelő termékek ajánlásával. Ha ezekről a célokról hosszú távon gondolkozunk, akkor a két megfogalmazás szerintem egyenértékű.

A kereskedő vagy a tartalomszolgáltató különböző stratégiák közül választhat. Törekedhet rövid vagy hosszú távú bevételre, de a bevétel is csak egy lehetséges szempont. Márkaépítés esetén például szempont a felhasználói aktivitás vagy a felhasználók attitűdje is.

A modern kereső ismer engem

Az ajánlórendszerek tekinthetők az internetes keresők utódainak. Az első internetes keresők még nem vették figyelembe azt, hogy ki keres az oldalukon. Azt a feladatot próbálták minél hatékonyabban megoldani, hogy az adott keresőszavakhoz minél jobban illeszkedő dokumentumot találjanak. Itt egyébként nem egyszerűen a dokumentumok megtalálása a cél, hanem megfelelő sorrendbe rendezésük is. A Google újítása ezen a területen az volt, hogy nemcsak a weboldalak tartalmát vette figyelembe a keresésnél, hanem a weboldalak közti hálózatot is. A központi oldalak előrébb sorolásával olyan minőségi előnyt szerzett a versenytársaival szemben, hogy máig piacvezető a saját területén. Bizonyos szempontból ma már a Google is ajánlórendszert nyújt, mert figyelembe veszi, hogy ki keres az oldalán. Ha bejelentkezem a Google-fiókomba, más találati listát kapok, mint ha nem lennék bejelentkezve.

A kollaboráns ügynök

Az ajánlórendszerek területén az egyik legelterjedtebb módszer a collaborative filtering. Ennek lényege, hogy a szoftver megnézi, mit vettem eddig, majd megkeresi azokat a felhasználókat, akik szintén megvették azt, amit én, és azt fogja nekem ajánlani, amit ők ezen felül megvettek, de nekem még nincs meg. Persze a feladat a gyakorlatban ennél jóval összetettebb. Nem minden esetben vásárlásról van szó. Például filmek esetén 1-től 5-ig terjedő skálán mérhető, hogy mennyire tetszett valakinek egy film. Ezt meg is szokták kérdezni az online nézőtől a film után. Online sajtó esetén a cikk elolvasását lehet csak valamilyen szinten mérni, azt viszont nem, hogy mennyire elégedett az olvasó a cikk tartalmával. Nagyon ritka az az eset, hogy pontosan egyező fogyasztási szokású felhasználókat sikerül találni, ezért különböző ízlésű emberek fogyasztási szokásait kell összekombinálni az ajánlatok kiszámításakor.

A collaborative filtering filozófiája, hogy nem próbál meg olyan hozzáadott információkat használni, mint például az életkor, a jövedelem, a nem vagy termékek esetén a méret, a szín, a műfaj, a szerző vagy a gyártó. Ez a rendszer egyetlen típusú információra épít: a felhasználók és a termékek közti kapcsolatra. Ha ezt nagyon sok adattal teszi, statisztikai alapon jó eredményt hoz, ezért tud akkor is működni, ha nem áll rendelkezésre elég információ az adott felhasználóról. Ilyenkor áll elő a jól ismert cold start probléma, amikor az ajánlórendszer információ hiányában nem tud megfelelő ajánlásokat adni. Ebben az esetben nem személyre szabott ajánlásokat ad, hanem egy népszerű terméket ajánl inkább, ami mellesleg szintén elég hatékony stratégia.

Tehát az internet „túlsó oldalán” is csak emberek ülnek számos technikai és elméleti problémával. A szolgáltatócégek is versenyeznek, ezért nem biztos, hogy meg fogják osztani egymással az adatainkat. A szokásainkat modellező algoritmusok pedig néha jó eredményeket hoznak, néha pedig gyengén teljesítenek. Ajánlórendszereket a profit növelése vagy a szolgáltatás minőségének javítása miatt alkalmaznak, ami racionális piaci magatartás. Emiatt ezek az ügynökök valójában nem is olyan félelmetesek...

 

GRÁD-GYENGE LÁSZLÓ
a szerző cikkei

hirdetés
IRATKOZZON FEL
HÍRLEVELÜNKRE!

KÖVESSEN MINKET A FACEBOOKON!

hirdetés
ÉRDEKES HÍRE VAN? KÜLDJE EL NEKÜNK!
hirdetés

2018. november 15. Az Employer Branding alapszabályai konferencia

A HR emberi oldala - hogy még többet tehess másokért! A hrpwr.hu és az Üzlet & Pszichológia konferenciája november 29-én.

hirdetés