Tweet

Recommendation-technologie wacht op doorbraak /reageer

Verfijning

Amazon weet inmiddels aanbevelingen steeds verder te verfijnen. Dat verfijnen drijft op doorkliks. Met andere woorden: op de keuzes die mensen maken met gedane aanbevelingen. En hoe groter de massa gebruikers, hoe groter het aantal op elkaar lijkende gebruikers, hoe beter de aanbevelingen worden. Het resultaat is dat aanbevelingen een zeer winstgevend voorbeeld kunnen worden van de netwerkeffecten die hedendaagse economen zograag prediken. Let wel: kunnen worden. Want hoewel geavanceerd en reeds succesvol, valt er nogal wat te mekkeren.

Wanneer je een handboek over breien aanschaft voor je tante, word je dus tot in lengte van dagen lastiggevallen met allerlei gerelateerde producten die bij ‘jouw’ interesse voor breien passen

Producten aanraden op basis van historisch gedrag is al ingewikkeld. Waar je vroeger nog wel kon aannemen dat mensen voornamelijk voor eigen gebruik kochten, is dat nu anders. Het vertrouwen in online shopping is inmiddels zo groot dat mensen rustig een cadeau uitzoeken voor anderen. En als een koper voor verschillende bekenden wat gekocht heeft, dan wordt dat in kaart gebracht door de aanbevelingstechnologie en die gaat op basis daarvan nieuwe items aanreiken. Wanneer je dus een handboek over breien aanschaft voor je tante, word je tot in lengte van dagen lastiggevallen met allerlei gerelateerde producten die bij ‘jouw’ interesse voor breien passen.

Amazon.com onderkent dat euvel. Daar kun je in je persoonlijke instellingen aangeven dat je bepaalde aankopen deed als cadeaus en dat je sommige daarvan wilt uitsluiten voor toekomstige aanbevelingen. Maar dan moet je diep het systeem in en dat ligt voor de meeste gebruikers allerminst voor de hand. Een lapmiddeltje natuurlijk. Want over een jaar wil je wellicht die tante nog eens voorzien van een mooi boek vol breipatronen en dan heb je die aanbevelingen weer nodig.

De voorbeelden maken duidelijk dat bestaande aanbevelingstechnologie, hoewel zeer waardevol, eigenlijk nog in de kinderschoenen staat. Onderscheid tussen browsen en specifiek vergelijken, wordt nog maar nauwelijks begrepen doorbestaande engines. En daarmee snapt aanbevelingstechnologie niet dat mensen op verschillende manieren producten bekijken. Je kunt ze immers bekijken zonder dat je geïnteresseerd bent, of je bekijkt ze als vergelijkingsmateriaal in je keuzeproces. Bij de eerste zijn aanbevelingen nog helemaal niet gepast en bij de ander mogelijk zeer welkom.

Miljoenenrace

Een leger bollebozen over de hele wereld piekert zich suf hoe deze problematiek te tackelen. Het is een miljoenenrace. Want de commerciële potentie van een flink verbeterde technologie kan heel veel bedrijven heel veel geld opleveren. De Amerikaanse online DVD-o-theek Netflix erkent dat al een flinke tijd. In 2006 loofde het bedrijf een ouderwetse premie uit aan diegene die met een nieuw aanbevelingsalgoritme een prestatieverbetering van 10 procent zou realiseren. De prijs: een miljoen dollar. Nu, twee jaar later, loopt de strijd nog steeds. De prestatieverbetering is er, maar het stokt nu net boven de 8,5 procent. Netflix heeft al eens een tussentijdse beloning uitgereikt van 50.000 dollar om de ontwikkeling levend te houden. De tussentijdse prijs werd uitgereikt onder voorwaarde dat de koploper zijn algoritme zou publiceren. Dat uiteraard met als doel dat anderen er wellicht weer een verbetering op kunnen aanbrengen.

Een deadline hanteert Netflix niet omdat het zelf donders goed weet hoe lastig het is de technologie te verbeteren. De strijd duurt voort totdat de 10 procent gehaald wordt. Mocht dat binnen vijf jaar nog niet gehaald zijn, dan behoudt Netflix zich het recht voor om de premie in te trekken.