La filtration collaborative

Pin It

L’un des grands avantages d’Amazon est ce qu’on appelle “la filtration collaborative” c’est à dire, ceux qui ont aimé ce livre, ont aussi aimé celui-ci et celui-ci. C’est vraiment bien pour augmenter les ventes, mais ça a aussi ses limites. Ainsi, si j’achète un livre pour enfant pour ma petite nièce, je ne veux pas être harcelée pour tous les autres livres d’enfants que je pourrais aussi aimer. De même, si j’achète un évier chez un quincailler en ligne, je n’aimerais pas recevoir des pubs de plomberies jusqu’à la fin de mes jours. Ce genre de quiproquo est présenté admirablement (encore une fois) par Geekandpoke.

Imprimez ce billet Imprimez ce billet

Commentaires

  1. Nicolas Roberge

    Ce genre de système pourrait être plus utile si il détecte des tendances d’achat au lieu de se fier sur chaque achat singulier. Si la personne achète plus d’une fois un type de produit, ça devrait avoir beaucoup plus de poids qu’un achat occasionnel. Il faut rentrer plus de mathématique là-dedans sinon ça va sortir des suggestions non-pertinentes et ultimement avoir moins de fiabilité.

  2. Michelle Blanc

    Vous avez tout à fait raison

  3. Briac

    En fait les systèmes de recommandations, dont celui d’amazon, sont des algorithmes de statistiques très très perfectionnés, croyez moi ils prennent déjà en compte les tendances d’achat à long terme et bien d’autres critères. Il y’a un bouquin intéressant là dessus de chez O’Reilly :http://moourl.com/e85gd
    D’ailleurs, ce qui ressort principalement du système de recommandations d’amazon est que plus tu achète, plus les recommandations sont pertinentes.

    http://www.amazon.de/exec/obidos/tg/feature/-/217324/ref%3Ded_cp_le_1_4/302-1180530-0945615
    “If you’ve built up a long purchase history with Amazon, you’ll tend to get pretty sophisticated recommendations. That’s a kind of emergent behavior as well–a bottom-up intelligence that comes from looking for patterns in distributed, lower-level behavior.”

    Si on peut imaginer simplement que le système apprends des utilisateurs et recoupent les statistiques pour les profiler, je me demande alors comment il traite les exceptions. Par exemple comme vous le dites Michelle, acheter un livre pour quelqu’un d’autre. Il ne s’agit plus alors de votre profil… L’achat de livre cadeaux est une pratique courante, donc c’est surement un critère important à prendre en compte…

    En parlant d’intelligence collective et de cadeau, je trouve cette démarche intéressante, une petite start up française a créer un site qui permet de trouver le cadeau idéal pour un ami en le décrivant brievement :
    http://www.trouversoncadeau.com/
    J’ai honte de l’avouer mais ça me serait vraiment utile parfois 😀

  4. Michelle Blanc

    @BRiac, merci de ce commentaire particulièrement instructif et révélateur de l’avancement d’Amazon. Ma blague portait plus évidemment sur les commerçants qui ne sont pas rendus à ce niveau très élevé d’avancement (la majorité des cas). De plus, même avec l’algorithme d’Amazon, si on ne signifie pas que ce qu’on achète est pour quelqu‘un d’autre (et qu’on lui fait des cadeaux souvent) le paradigme algorithmique peut être biaisé…
    Mais dans mon cas particulier, pour des cadeaux très originaux, j’aime bien aller aux boutiques du Musée des Beaux-arts de Montréal et du Musée d’Arts Contemporains de Montr.al. Ce n’est pas en ligne, mais les trouvailles qu’on y fait valent décidément le détour…

  5. Briac

    un bon exemple de comment la vraie vie c’est souvent mieux que la technologie 🙂
    Ca peut s’appliquer aux recommendations musicales comme avec last.fm. Les recommendations d’un ami valent souvent bien plus que tous les moteurs de stats les plus perfectionnés!

    Cependant, ce que j’aime dans ces systèmes c’est qu’ils sont cybernétique, c’est à dire qu’ils s’automodifient et apprennent de leur données. Ainsi, il y a quelques mois google a changé son moteur de traductions systran par une intelligence artificielle qui au lieu d’aller chercher dans un dictionnaire statique, parcours les miliards de pages traduite du web pour en déduire un dictionnaire. Vous aurez remarqué aussi un lien “suggérer une meilleure traduction” après l’utilisation du traducteur, en effet le système est constamment ouvert aux améliorations. Ainsi, plus le temps passe, plus leur traducteur sera précis (de manière exponentielle)

    Selon mon point de vue, ces systèmes sont l’avenir du web, puisque celui ci tend à être une gigantesque base de données, les systèmes capables de faire émerger de l’intelligence/de la pertinence/de la valeur ajoutée de ces données sont primordiaux. En fait, cela fait partie en quelques sortes de l’optimisation de l’expérience utilisateur, ce qui est aussi une problématique majeure 🙂

    J’aimerais bien mieux les comprendre, dommage qu’il faille être un PhD en maths à un certain point 😀