¿Cómo se recomiendan elementos basados ​​en el historial de navegación (y elementos y características del usuario) cuando no hay ejemplos o calificaciones ‘negativas’?

Si bien no hay ejemplos negativos “explícitos”, hay algunos ejemplos negativos “implícitos” presentes, y eso es lo que podemos usar.

Considere, por ejemplo, que compra un artículo A, pero no compra el artículo B. ¿Significa esto que no quiere comprar el artículo B? ¿O que nunca comprarás el artículo B? Probablemente no. Pero cuando compra el artículo A, es más probable que no compre el artículo B. Ahora, con solo un punto de datos, es decir, usted, es difícil hacer este argumento. Sin embargo, si muchas personas muestran el mismo patrón de comportamiento, es decir, comprar el artículo A, pero no comprar el artículo B, entonces es una señal implícita de que si recomendamos el artículo A, recomendar el artículo B con él probablemente no aumentará las ventas. Es mejor que recomiendemos algo que el cliente tiene la posibilidad de comprar.

Un enfoque se basa en el comportamiento del clic hasta que se obtienen suficientes calificaciones y luego se puede cambiar a CF.

Verifique la similitud ítem-ítem de Amazon. Si ingresa a Amazon sin iniciar sesión y hacer clic en algunos elementos, la próxima vez que visite Amazon nuevamente, se le proporcionarán algunas recomendaciones basadas en su historial anterior. Además, puede ampliar esto con métodos simples basados ​​en contenido para recomendar elementos similares.

En este caso, los ejemplos ‘negativos’ son aquellos en los que el usuario no ha visitado. Puede hacerse una idea de lo que podrían ser descubriendo un conjunto de elementos populares en todos los usuarios y luego restando los elementos que el usuario examinó.

Para las calificaciones, puede usar la cantidad de veces que el usuario ha visitado la página correspondiente a una categoría en particular.