O que é um "Algoritmo de Recomendação" na Internet?
Um algoritmo de recomendação é um algoritmo (i.e. um programa de computador) responsável por decidir quais posts recomendar para um usuário em um website de rede social, ou em outro contexto, e.g. um algoritmo que, em uma página para comprar um produto, decide quais outros produtos são os mais relevantes para serem exibidos naquela página.
O propósito principal de algoritmos de recomendação é a "descoberta" de conteúdo. Normalmente, seria necessário mencionar ou linkar o conteúdo manualmente em uma página. O algoritmo tenta automatizar esse processo. Para lojas, isso significa que clientes podem descobrir produtos que eles não estavam pensando em comprar, mas, ao ver o produto, decidem comprá-lo. Para redes sociais, o usuário passa mais tempo na plataforma ao descobrir conteúdo que lhe interessa que normalmente não iria procurar por conta própria.
Há diversos meios de se implementar um algoritmo de recomendação, incluindo alguns bem simples, como simplesmente exibir conteúdo da mesma categoria. Websites grandes usam conceitos de inteligência artificial para treinar modelos de recomendação. Ao ser treinado, o algoritmo exibe diversos conteúdos para o usuário, e, baseado em qual conteúdo recebe uma resposta positiva, o modelo é aperfeiçoado para exibir aquele tipo de conteúdo mais frequentemente naquele contexto. O que é considerado uma resposta positiva varia de acordo com a lógica de negócio.
Por exemplo, um algoritmo primitivo consideraria apenas a razão de cliques (click-through rate, ou CTR). Se o usuário clicar no que é recomendado pelo algoritmo, o algoritmo passa a recomendar aquele conteúdo mais frequentemente. Em geral, isso seria insuficiente já que não existe negócio no mundo cujo objetivo de conversão são cliques em si. Para uma loja virtual, o objetivo é comprar produtos. Se um produto recomendado recebe muitos cliques, mas ninguém compra o produto, ele ocupa espaço na tela que poderia ser utilizado por um produto com razão de conversão mais eficiente.
No caso do Twitter, seu algoritmo de recomendação parece favorecer interações que resultam em comentários, em respostas a tweets de usuários. Isso significa que tweets que induzem raiva, indignação, que deixam as pessoas nervosas, tweets que geram controvérsia, costumam realizar os objetivos da plataforma mais facilmente, tornando a plataforma em uma dos piores websites da Internet. O algoritmo serve de meio de publicidade para usuários do Twitter se eles conseguirem fazer o algoritmo o recomendar. Para isso existem técnicas. Por exemplo, muitos tweets recomendados no Twitter são perguntas de livre interpretação que qualquer pessoa pode responder, e.g. uma conta sobre filmes que twita "meu filme de ação favorito é Matrix. Qual o seu?" induzindo outros usuários a responder. O engajamento desses usuário é entendido pelo algoritmo como um fator positivo para sua recomendação, gerando publicidade para conta que twitou isso.
É possível, para os programadores, controlar as recomendações de algoritmos mesmo feitas por inteligência artificial usando filtros que atribuem valores negativos a certas propriedades. Por exemplo, usando uma lista de palavras negativas, como "morreu," "faleceu," etc., podemos remover posts com alto engajamento que sejam sobre a morte de alguém. Infelizmente, isso não é algo fácil já que muitos usuários na plataforma possuem interesse em ser recomendado pelo algoritmo o máximo possível, o que significa que eles criaram formas de evitar a censura, e.g. em Inglês, "unalive" literalmente "desviver" costuma ser usado. Essa palavra não existia antes desse tipo de censura.
No caso do Youtube, uma plataforma onde podemos assistir vídeos, por muito tempo o objetivo era mensurado em cliques no thumbnails de vídeos recomendados, o que resultou em Youtubers de carreira escolhendo thumbnails que maximizam CTR mesmo não sendo representativos do conteúdo do vídeo (clickbait, "isca de clique"), e títulos inflamatórios. O maior desastre cultural vindo disso foram as "caras" de surpresa com boca-aberta que Youtubers passaram a colocar em tudo quanto é thumbnail sem falta, pois diz a lenda que isso aumenta engajamento. Hoje em dia o Youtube passou a dar maior valor a quanto tempo o usuário passou assistindo o vídeo clicado, o que significa que se você clicar em um vídeo com um thumbnail e o conteúdo for completamente diferente do que você esperava, e parar de assistir, o vídeo não passaria a ser recomendado com a mesma frequência que se você assistisse até o final. Infelizmente, o Youtube não foi capaz de resolver o problema de títulos inflamatórios, consequentemente muitos canais do Youtube são cheios de vídeo sobre drama e intriga que, honestamente, ninguém quer saber.
O Pinterest possui o melhor algoritmo de recomendação de todas as mídias sociais. A plataforma exibe imagens postadas por outros usuários, chamados de pins ("alfinetados"). Você pode alfinetá-las para seu perfil, i.e. salvar as imagens que você gosta ou que lhe interessa para ver depois, e até categorizá-las de acordo com o interesse (motivo) que você teve para salvá-las. Graças a essa informação, o Pinterest é capaz de recomendar apenas coisas que lhe interessam na plataforma misturando todas as categorias que você criou. Contrário a todas as outros redes sociais, o Pinterest não recomenda conteúdo negativo graças aos objetivos mensurados no treinamento de seu algoritmo. Ninguém vai alfinetar em sua conta conteúdo que não lhe interessa. O algoritmo nunca recomendaria conteúdo inflamatório, pois ninguém o alfinetaria. Em outras redes sociais, o ato de "curtir" um post não é central a rede, mas sim o diálogo entre usuários, o que resulta em usuários curtirem posts com conteúdo que não gostam, com tragédias, afim de agradecer ao usuário que postou o conteúdo por informá-los da tragédia. No Pinterest, curtir é central da plataforma: usuários são incentivados a curar seus perfis, se tornarem curadores de conteúdo, salvando apenas o que interessa. É possível que se outras plataformas criassem sistemas para usuários expor seus interesses e hobbys facilmente, em outras palavras, criasses sistemas para usuário curar suas próprias recomendações para outros usuários da plataforma, eles teriam informação necessária para gerar recomendações algorítmicas mais relevantes e agradáveis aos usuários. No Youtube e Twitter, é possível criar "listas" de vídeos e usuários respectivamente que podem ser compartilhadas e encontradas por outros usuários, mas poucos usuários fazem uso dessa funcionalidade. No Pinterest, todos usuários fazem uso do sistema de curação, já que é central da plataforma.
Deixe um comentário