Aprender a emprender

Hace pocos días leía en el blog de Javier Martín un estupendo post acerca de las recomendaciones sociales, donde además se generó un interesante debate acerca de la idoneidad de las recomendaciones automáticas o las recomendaciones entre usuarios. Entre todos los comentarios se hablaba de los distintos perfiles de los usuarios que, en función de su carácter más o menos conservador, pueden aceptar mejor las recomendaciones automáticas (generalmente de menor confianza, pero con mayor posibilidad de generar sorpresa) o las recomendaciones directas de amigos (de mayor confianza, pero más “predecibles” y restringidas).

Más allá de el carácter general de un usuario, se debe tener en cuenta que éste presenta diferentes perfiles en función del contexto en que va a utilizar el sistema de recomendación. Si un sistema realiza recomendaciones que permitan al usuario completar un perfil inicial, el objetivo es proporcionarle un conjunto de productos que sean completamente obvios en función de sus intereses; en este caso el usuario no busca elementos nuevos y diferentes, sino elementos que ya conozca con un alto grado de probabilidad. Pero si el sistema tiene como función descubrir productos que están en los últimos lugares de la denominada “larga cola”, el objetivo será justo el contrario: ofrecer un conjunto de elementos que, en gran parte, el usuario desconozca.

Sin embargo, aquí entra en juego un elemento completamente esencial en este juego: la confianza. Para un usuario es muy importante comprender por qué la mayor parte del tiempo recibe determinadas recomendaciones. Si el sistema es capaz de justificar claramente el por qué de una recomendación obvia, el usuario llegará a confiar también en las recomendaciones más sorprendentes y que a priori no entiende, y que son las que en realidad le van a aportar más en la mayoría de los casos.

Pero el contexto del usuario no es únicamente temporal, y cuando lo es, no tiene por qué necesariamente ser a largo plazo. Por ejemplo, cuando un usuario accede a un sistema después de varios días, las recomendaciones deben ser más generales y acordes con su histórico. Por el contrario, cuando el usuario lleva un rato utilizando el sistema, se dispone de una idea más concreta de su objetivo en ese momento: ¿busca información concreta sobre un producto o está “pasando el rato” a ver qué encuentra? ¿esta información se corresponde con su perfil histórico o se trata de elementos nuevos? En este punto sería muy importante que el sistema pudiera comprender la naturaleza de la tarea de búsqueda: ¿busca algo para sí mismo o es para un regalo? ¿es para algo profesional o de ocio? Y es que la intencionalidad del usuario en una determinada sesión no se debe dar por sentada: cada día puede ser distinta, e incluso puede ir cambiando dentro de la sesión a medida que va descubriendo información nueva.

En cuanto al riesgo, como comentábamos al comienzo del post, debe alcanzar un compromiso con la confianza: el riesgo asumido por el sistema (es decir, la recomendación de elementos cuya idoneidad no está tan clara) debe ser menor en las fases iniciales, cuando el usuario aún no tiene un alto grado de confianza en el recomendador; pero tampoco debe ser demasiado conservador, porque el usuario tiende entonces a sentirse encasillado, debido a que los elementos recomendados provienen de un subconjunto muy pequeño.

Si ahora paramos un momento a recapitular los atributos de un sistema de recomendación que hemos decidido tener en cuenta aparecerían algunos como recencia y frescura (utilización del perfil histórico o de un perfil a corto plazo), riesgo, concreción, adaptabilidad, encasillamiento…. Todo esto nos lleva a determinar que no tiene sentido aplicar la idea de crear un único recomendador para todos. Y por eso es conveniente además que un buen sistema de recomendación tenga en cuenta elementos de todo tipo: automáticos (basado en aspectos sociales y en contenidos) y también personales.