![I'm attending to pythonbrasil[8]](https://lh3.googleusercontent.com/blogger_img_proxy/AEn0k_vcO-phLPlMGavIx-S4xEI97IJx28aHPv21A3r1GpL81vnQlXYOmLzIjKLYRTd9W3f0m2hfuWMMsPlnhWxa5yFFUYPFTvD9nKN3OnYMVA6bfdmPkoKSVwJkny5M5jHxmEmwJXGlNEZX1PrwlYov2A=s0-d)
Postagens
Olá pessoal,
Estive ausente no meu blog pois estou em uma fase crítica na escrita da tese do meu mestrado e outros projetos que estou trabalhando atualmente e que em breve serão comentados em futuros posts por aqui.
Uma das áreas que estou me especializando é no campo de pesquisa de recomendações, em especial, na construção de técnicas e algoritmos de mineração de dados para descoberta e oferta de produtos e serviços por meio de dispositivos móveis.
A construção de um agente inteligente capaz de realizar recomendações baseado nas suas preferências e das pessoas próximas a você considerando aspectos como proximidade, grau de confiança e interesses em comum podem tornar a experiência de compras muito mais rica e o mais importante auxiliar o usuário no processo de decisão de compras.
Este é um dos objetivos do meu trabalho. De forma suscinta posso resumir que a missão deste trabalho serve como um guia para acompanhar as novas tendências na web e no mundo mobile. A descoberta e a oferta de conteúdo personalizado exige que os aplicativos sejam aprimorados a fim de que possam oferecer um produto ou oferta específica para um usuário.
Como fazer isso ? Há diversas maneiras de executá-la. Uma das abordagens é a modelagem de uma técnica inteligente que possa efetuar recomendações personalizadas baseada no cruzamento de informações de histórico de compras do usuário e nos locais em que estes mais frenquentaram (derivado do conceito de check-in).
A questão a se solucionar é : 'Como podemos ser capazes de oferecer estas ofertas e serviços personalizadas que possam ser do seu interesse e ao mesmo tempo oferecer recomendações associadas a coisas que você já sabe o que pretende fazer'.
A grande vantagem de associar-se ao contexto móvel se deve que com a mobilidade é possível obtermos o histórico de lugares em que o usuário frequentou e como essas informações podem ser úteis para descoberta e entrega dessas ofertas.
Vejamos alguns cenários para exemplificação:
" Baseado nesses três últimos restaurantes que você esteve, há outros seis restaurantes que possam ser do seu interesse. ";
" Olá você acabou de chegar em Curitiba, embora você seja novo em Chicago, mas de acordo com seu histórico de check-ins em Recife, aqui está uma listagem de lugares ou serviços que você pode aproveitar enquanto você estiver por aqui";
Imaginaram as possibilidades ? Estamos saíndo da era da recomendação clássica onde apenas avaliações (reviews), similaridade entre usuários são suficientes para gerar uma recomendação. A adição desta nova variável no contexto de recomendação poderá enriquecer a descoberta de serviços e recomendações geo-referencíaveis sensíveis ao tempo (Sim, o tempo também influencia, ou você acha que ele vai oferecer um restaurante de café da manhã no meio da noite para você ?).
Uma empresa que recentemente vem trabalhando nesta visão é a Bizzy, que recentemente construiu um engine de recomendação de lugares e serviços baseado nos interesses de usuários similares e na listagem dos seus lugares favoritos.
Por fim, gostaria de finalizar esse pequeno texto introdutório na aplicação neste tipo de recomendação em um novo nicho de mercado que está girando na casa de milhões de doláres: As compras coletivas.
Com algoritmos e técnicas de recomendações deste porte, as ofertas em sites de compras coletivas poderiam ser enriquecidas. O usuário além de receber ofertas personalizadas de acordo com seu interesse, visto que há milhares de sites de compras coletivas que inundam de ofertas diárias e o mais importante é a adição do componente de localização móvel, onde não só os produtos do seu possível interesse, mas as mais próximas a você ou até onde a maioria dos seus amigos também estão.
Ofertas personalizadas geo-referencíaveis sensíveis a tempo. É nisto que venho batendo a tecla e é isto que venho observado nas grandes empresas Web direcionando seus esforços.
No Brasil, as compras coletivas estão aquecidas. Será que não chegará o momento de haver um filtro para recomendação destas ofertas para usuários cansados de receber tantas ofertas ? Ou enriquecer mais a experiência de compra por meio de descontos especiais de acordo com o seu histórico de lugares e das pessoas similares a você. Será este o início da compra coletiva Geo-Localizável ?
Novas experiências para explorar, e as recomendações vieram para ficar. Estamos saindo da era da informação para a era da recomendação e já visando a personalização.
Atenciosamente,
Marcel Caraciolo
