Como sites escolhem os produtos certos para recomendar?

Com certeza você já deve ter se deparado com anúncios que, misteriosamente, tem tudo a ver com seus interesses. Após trocar alguns emails com sua namorada sobre o notebook que ela quer comprar, lá está ele: logo acima de sua caixa de entrada, um anúncio irresistível, lhe oferecendo um computador novinho em folha. Sinal divino? Não. Esta é só a nova forma encontrada pelas empresas para acertar o alvo.

As recomendações de compra são tão importantes que, em 2006, a Netflix criou um concurso oferecendo o prêmio de US$ 1 milhão para quem acrescentasse 10% de precisão em sua ferramenta de sugestões. Apenas em 2009 um programador conseguiu realizar a façanha.

Se alguma vez você já se perguntou como aquele belo par de sapatos foi parar em sua página do eBay, chegou ao lugar certo. A equipe do Baixaki pesquisou a fundo as formas de publicidade utilizadas em plataformas online e trouxemos um artigo exclusivo, mostrando como este tipo de escolha é feita.

Eles estão nos observando!

Sim, isto é verdade. Mas não há motivo para pânico: para que todo este sistema funcione, é necessária a análise de dados a respeito de seus hábitos de consumo. O chamado marketing comportamental já faz sucesso fora do Brasil e agora também está sendo aplicado por algumas empresas locais.

Esta é mais uma das formas de evolução da publicidade na era da web 2.0: vantagem para o anunciante, que pode focar em seu público-alvo, e vantagem também para o consumidor que encontra com agilidade aquilo que procura.

Mas, afinal, como isso é feito?

A base de tudo são algoritmos que levam em conta informações a respeito de suas últimas ações online, sugerindo produtos e serviços que sejam comuns aos seus assuntos de interesse. No caso de sites de compras, por exemplo, seu histórico de aquisições serve para determinar produtos semelhantes que ainda não foram considerados, mas que podem se adequar às suas necessidades.

Existem diversas formas de aplicação para os algoritmos: são diferentes sistemas que possibilitam a filtragem de informações, transformando seus dados em sugestões de compra. Os principais métodos são baseados em pesquisa e conteúdo, além da filtragem item a item e colaborativa.

• Pesquisa: a filtragem por pesquisa funciona encontrando itens relacionados entre si. Assim, é possível sugerir outros títulos do mesmo artista, por exemplo;
• Conteúdo: esta busca gera recomendações a partir do perfil do usuário, como ocorre com as informações fornecidas em cadastros de newsletters;
• Filtragem colaborativa: desta forma, o sistema envia sugestões conforme o interesse de usuários com perfis similares;
• Item a item: este modelo foi desenvolvido pela Amazon, para solucionar os problemas recorrentes em outros padrões. As recomendações do “Item-a-item” são baseadas no cruzamento de informações de produtos e usuários.

Os campeões dos palpites

Amazon + Facebook

O sistema de recomendações da Amazon levou cerca de dez anos para ficar pronto e é considerado um dos mais perfeitos já desenvolvidos. Erros na plataforma são bastante raros de acontecer. O sistema se baseia nos interesses de cada usuário, somados às escolhas de pessoas com perfis similares para encontrar produtos que se enquadrem no resultado destas variáveis.

Ao conectar sua conta do Facebook na Amazon, as recomendações são ainda mais personalizadas. Você passa a receber informações baseadas em suas atividades na rede. Assim, é possível encontrar um presente para seu amigo, com a análise de suas bandas e filmes favoritos, por exemplo.

Google e Gmail

Gmail e busca do Google contam com ferramentas próprias: as pesquisas e mensagens dos usuários servem como base para a venda de publicidade. Ou seja, se você anda enviando emails para seus amigos a respeito do apartamento que está comprando, é bem provável que anúncios de imobiliárias e construtoras não saiam mais do topo de sua caixa de entrada.

Longe da perfeição

Mesmo com as diversas técnicas aplicadas para a análise e interpretação de dados, grande parte das ferramentas de recomendação ainda não são satisfatórias. Os erros são bastante comuns e, muitas vezes, atingem até mesmo sistemas considerados perfeitos, como é o caso da Amazon.

Alguns entusiastas acreditam que este tipo de plataforma possa crescer, não somente para o consumo, mas para o compartilhamento de conteúdos diversos, como já ocorre no Last.FM, por exemplo. Porém, o que ainda mexe com a cabeça dos geeks é imaginar entrar em uma loja e receber em seu smartphone sugestões baseadas nas compras de seus amigos feitas naquele local.

O futuro das recomendações de compras pode ser brilhante, entretanto, isto vai depender das diferentes formas de aplicação da tecnologia no dia a dia. Este é um sistema que tem muito a evoluir e, com certeza, não deixará de contribuir para suas escolhas de consumo tão cedo.