Aziende come Netflix e Amazon utilizzano motori di raccomandazione per suggerire prodotti o contenuti in base al comportamento degli utenti. Ad esempio, quando acquisti un articolo su Amazon, ti vengono mostrati altri prodotti che potrebbero interessarti. Allo stesso modo, Netflix suggerisce serie TV e film in base a ciò che hai guardato.
Abbiamo applicato lo stesso concetto all'adozione di tecnologie premium su Internet. Il nostro sistema prevede quali tecnologie un sito web potrebbe prendere in considerazione analizzando il comportamento di altri siti web con profili tecnologici premium simili.
Come funziona
- Individuiamo i siti web che investono in modo significativo nella tecnologia e determiniamo quali tecnologie utilizzano.
- Misuriamo la sovrapposizione tra queste tecnologie per stabilire il livello di somiglianza tra i siti web.
- Maggiore è la sovrapposizione, più forte è la raccomandazione per le tecnologie premium che un sito utilizza e l'altro no.
Perché non utilizziamo un modello di intelligenza artificiale tradizionale
Potreste chiedervi perché non utilizziamo un approccio di apprendimento automatico come la fattorizzazione di matrice per il nostro sistema di raccomandazione. Abbiamo testato diversi modelli di intelligenza artificiale, ma i risultati sono stati scarsi. Questi modelli si basano anche su parametri interni complessi, spesso definiti "numeri magici", difficili da interpretare o controllare.
Ad esempio, la documentazione di MatrixFactorizationTrainer include la frase "Per risultati migliori, utilizzare quanto segue", seguita da due variabili non spiegate. Non c'è trasparenza sul motivo per cui questi valori migliorano i risultati, il che rende il modello difficile da convalidare e da considerare attendibile.
L'algoritmo da noi scelto, al contrario, segue una metodologia chiara e ben compresa. Sappiamo esattamente come funziona, come viene implementato e perché produce risultati significativi.
Funziona davvero?
Sì. Ad esempio, il modello identifica che i siti web che probabilmente adotteranno Magento Enterprise spesso utilizzano già Magento. Questa relazione non è stata definita manualmente o integrata nel sistema, ma è stata scoperta attraverso i dati stessi.
API di raccomandazioni
È possibile accedere alle raccomandazioni a livello di programmazione tramite la nostra API, che fornisce risposte sia JSON che XML.
https://api.builtwith.com/recommendations-api Costruisci i tuoi modelli
È possibile creare modelli personalizzati utilizzando i set di dati BuiltWith, che forniscono i dati di base necessari per l'addestramento e la sperimentazione.