In passato ho già parlato di big data e in particolare di data mining, cioè quell’insieme di tecniche algoritmiche avanzate che permettono di individuare pattern regolari da masse di dati apparentemente sconnessi. Vorrei tornare sull’argomento per spiegare come alcune tecniche di data mining classiche siano molto utilizzate per costruire profili degli utenti di internet e fornire raccomandazioni mirate.
Nel settore dell’e-commerce è ormai scontato che i portali non siano più solo vetrine statiche, ma veri e propri luoghi dove gli utenti – i potenziali clienti – si scambino opinioni e suggerimenti, in modo diretto o indiretto. Nel caso dello scambio diretto di informazioni sui prodotti, il portale diventa un vero e proprio social network. Nel caso dello scambio indiretto, invece, il portale è l’intermediario che raccoglie i giudizi degli utenti che hanno acquistato prodotti e li sfrutta per fornire suggerimenti mirati agli utenti che ancora devono effettuare un acquisto. Più precisamente, i sistemi di raccomandazione moderni si basano sui profili degli utenti, costruiti a partire da un’enorme quantità di dati: non solo quelli forniti consapevolmente dall’utente, come l’anagrafica, le categorie di prodotti preferiti o i giudizi sui prodotti acquistati, ma anche le tracce lasciate durante la navigazione sul portale – pagine visitate, tempo trascorso su ciascuna pagina, numero di click effettuati, percorso svolto prima di arrivare nella pagina di destinazione, per fare qualche esempio. Algoritmi di clustering vengono poi utilizzati per inserire l’utente in un gruppo di utenti simili a lui, per gusti e comportamenti. A quel punto, diventa quasi banale suggerire all’utente i prodotti che hanno suscitato maggiore interesse tra gli utenti del suo stesso gruppo.
