Últimamente, ha habido mucha discusión sobre el futuro de nuestro consumo de información. ¿Vamos a ser mediante la búsqueda de una manera diferente o utilizar motores de búsqueda de nicho? ¿Vamos a obtener recomendaciones de nuestra red social? ¿Se personalizarse en función de nuestros comportamientos, o incluso sólo una lista de temas que nos gustan los resultados? Si le preguntas a tres diferentes personas probablemente obtendrá tres respuestas diferentes. El contexto también puede cambiar la respuesta. Si alguien es móvil, la búsqueda puede no ser tan relevante como recomendaciones. Si buscas en temas de nicho, entonces los motores de búsqueda son probablemente una mejor respuesta. Al centrarse en noticias, personalización como my6sense es probablemente la mejor opción.
AJ Kohn tiene un excelente ejemplo de lo que podía hacer Facebook. Su pensamiento se centra en la recomendación basada en el contexto de contenido, no el comportamiento:
¿Qué sucede si Facebook agrega un vínculo Más Like This simple a ciertos elementos de noticias? Haga clic en el vínculo más Like This devolvería un canal con contenido relacionado de noticias. En este caso, volvería a páginas de gráfico abiertas relacionadas con Samsung y HDTV.
El beneficio del contexto dentro de la secuencia de red social también podría ayudar a este proceso. Así, si sigue un montón de desarrolladores de software, consulte probable de un lote de desarrollo relacionadas con el contenido que ya está curada por sus conexiones. Agregar un más "Como esta" vínculo proporciona una capa de recomendación de enlaces comisariado. Facebook podría llegar finalmente, pero no es una idea común para muchos sitios. Este tipo de recomendación es frecuente en comercio electrónico y ha demostrado que puede crecer los ingresos sin un montón de marketing.
GigaOm cree que la recomendación es todavía el Santo Grial de noticias:
Lo que realmente necesita la industria de medios de comunicación es alguna forma de filtrar toda esa información de manera útil y recomendar cosas podrían no haber leído yet…social redes como Twitter y Facebook han demostrado para ser la mejor manera de obtener recomienda el contenido.
En esta cita poco, realmente mencionan tres ideas diferentes. En primer lugar es el filtrado de la noticia, normalmente en categorías o incluso mediante etiquetado. En segundo lugar, quieren esta información para las historias que pueden no han leído aún. Esto es difícil ya que significa que es necesario conservar la historia de lo que ha visto y posiblemente su gusto, a fin de crear el contexto de las historias recomendados. La tercera parte es realmente Comisariado de Twitter y Facebook, aunque recomendó llaman contenido. Yo estoy manteniendo la recomendación de plazo para el algoritmo que "recomendar" contenido basado en cualquier contexto se proporciona.
Se dará cuenta de que he mencionado "contexto" varias veces. Mencionaré varias veces más hasta que realmente la gente comienza a centrarse en los diferentes contextos que necesitan trabajar con personas. Como un ejemplo de contextos diferentes, es el grupo de personas con vínculos en Twitter y hay un grupo de blogs que leo en Google Reader. Los vínculos que veo en Twitter no tienen el mismo peso de recomendación que entradas de blog que veo en Google Reader. Porque he comisariado mis blogs, tienen una probabilidad mayor de ser algo que gustará. He comisariado la lista de personas que sigo en Twitter, pero no todos mis intereses coinciden con todos sus intereses. Obviamente, recomendaciones basadas en un contexto directo será mucho mejores que los basados en un contexto secundario.
Esto lleva a herramientas que se basan en este contexto secundaria pero incluyen comportamiento personal, como my6sense. La idea es que puede mejorar recomendaciones debido a los vínculos que se ha hecho clic, a pesar de que vienen desde el contexto de la secundario. El contexto secundario se convierte en un alimento limitadamente comisariado y su comportamiento permite que el algoritmo de personalización crear recomendaciones. El principal inconveniente para cualquier comportamiento por el enfoque es la falta de datos de comportamiento. En algunos casos, la creación de suficientes datos de comportamiento para proporcionar recomendaciones pertinentes podría tardar mucho tiempo. También no es un buen método cuando se trabaja con los usuarios ocasionales de un sistema.
¿Así, hay un Santo Grial? Absolutamente no, al menos no en un sentido general. Porque no tenemos un lugar para buscar toda nuestra información, no puede ser una solución general. Utilizar Google Reader en mi PC. Otras personas utilizan Twitter para obtener sus noticias. Algunas personas utilizan Facebook. Otros pueden hacer lo mismo, pero mientras que en un dispositivo móvil. La creación de un sistema para capturar todas estas señales en varios contextos es tremendamente difícil. ¿Una aplicación puede crear plugins para cada sistema a fin de comprender mejor el comportamiento, pero donde detiene la integración? ¿Dejarán con Google Reader, Facebook y Twitter? ¿Qué pasa con las personas que ver las noticias en sitios como Yahoo o AOL? Una cosa que podría trabajar es alguien crear el motor de recomendación y proporciona una API sólida y libre. Esto les permitiría crear un ecosistema de aplicaciones, que todos se benefician de la tecnología de núcleo.
¿Cómo encaja la búsqueda en todo esto? Búsqueda ha sido la manera en que mucha gente ha encontrado información. Ahora, este descubrimiento de información se está moviendo en el Comisariado alimenta de Facebook y Twitter. Búsqueda sigue siendo necesario cuando se necesita mirar fuera de la secuencia en tiempo real. Además de la tecnología de búsqueda basado en, adición de recomendación y personalización podría crear una poderosa manera de descubrir información de alta calidad. Google ha estado tratando de añadir una capa social para la búsqueda, pero ha recibido críticas mediocres en el mejor. Búsqueda de Facebook es casi no utilizable como debe ser y no tienen la misma calidad de resultados como motores de búsqueda. La combinación de los dos conceptos podría ser una de las siguientes aplicaciones asesinas.
Seguir la conversación en YackTrack!
No hay comentarios:
Publicar un comentario