Algoritmi di raccomandazione e reti di influenza implicite

Il termine algoritmo è ormai divenuto una parola di uso comune. Forse anche troppo. Inizialmente visto come complesso di procedure e regole matematiche che trasformano, in autonomia, insiemi di input in output predefiniti, il suo impiego ha assunto una crescente rilevanza con la diffusione della Rete, dei social media e con il progredire degli analytics.

Gli algoritmi generano utilità in quanto consentono di elaborare, simultaneamente, dati generati da una pluralità di utenti – spesso passivamente – nel corso delle rispettive attività di navigazione: la preferenza per un motore di ricerca, le informazioni e le parole ricercate, le recensioni sulle pagine web, così come i click sulle pagine d’interesse producono informazioni comportamentali preziose per i marketing manager che solo grazie ai modelli logico matematici tipici degli algoritmi possono assumere un senso concreto e managerialmente azionabile.

Nell’ampia costellazione di metodi e tecniche, i sistemi di raccomandazione (SR) si riferiscono a una particolare categoria di algoritmo, che a partire dagli anni ’90, è stata implementata nei siti web con il fine di raccomandare agli utenti dei contenuti specifici e di interesse. Tali agenti raccolgono le istanze individuali, forniscono suggerimenti personalizzati basati sugli interessi degli utenti e associano questi ultimi a delle reti di influenza implicite popolate da gruppi di consumatori con preferenze simili, noti come neighborhood.

Ne parlano sul n.6 di MK Angelo Baccelloni e Francesco Ricotta della Sapienza Università di Roma