Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Che cosa sono i consigli?
Come fa YouTube a sapere quale video potresti voler guardare? In che modo
Google Play Store scegli un'app solo per te? Magia? No, in entrambi i casi,
Il modello di suggerimento basato su ML determina in che modo video e
a ciò che ti piace e poi ti darà un consiglio.
Di solito vengono utilizzati due tipi di consigli:
consigli per la home page
suggerimenti su articoli correlati
Consigli sulla home page
I consigli sulla home page sono personalizzati per un utente in base ai suoi
interessi. Ogni utente vede consigli diversi.
Se visiti la home page delle app di Google Play, potresti vedere qualcosa di simile a questo:
Consigli su articoli correlati
Come suggerisce il nome, gli articoli correlati sono consigli simili a un
di un articolo specifico. Nell'esempio delle app di Google Play, gli utenti che guardano una pagina
un'app di matematica potrebbe anche vedere un riquadro di app correlate, ad esempio altre app di matematica o scienze
app.
Perché i consigli?
Un sistema di consigli consente agli utenti di trovare contenuti interessanti in un ampio corpus.
Ad esempio, il Google Play Store offre milioni di app, mentre YouTube
fornisce miliardi di video. Ogni giorno vengono aggiunti più video e app. Come puoi
gli utenti trovano contenuti nuovi e accattivanti? Sì, è possibile utilizzare la ricerca per accedere
contenuti. Tuttavia, un motore per suggerimenti può mostrare
gli elementi che gli utenti potrebbero
non avranno pensato di eseguire ricerche da soli.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2024-07-26 UTC."],[[["\u003cp\u003eRecommendation models predict user preferences by analyzing similarities between items and past user interactions to suggest relevant content.\u003c/p\u003e\n"],["\u003cp\u003eTwo common recommendation types are homepage recommendations (personalized to individual users) and related item recommendations (similar to a specific item being viewed).\u003c/p\u003e\n"],["\u003cp\u003eRecommendation systems help users discover new and engaging content within vast collections like Google Play and YouTube, going beyond search functionality.\u003c/p\u003e\n"],["\u003cp\u003eRecommendations significantly influence user behavior, driving a substantial portion of app installs and video watch time on these platforms.\u003c/p\u003e\n"]]],[],null,["\u003cbr /\u003e\n\nWhat are recommendations?\n\nHow does YouTube know what video you might want to watch next? How does the\nGoogle Play Store pick an app just for you? Magic? No, in both cases, an\nML-based recommendation model determines how similar videos and\napps are to other things you like and then serves up a recommendation.\nTwo kinds of recommendations are commonly used:\n\n- home page recommendations\n- related item recommendations\n\nHomepage recommendations\n\nHomepage recommendations are personalized to a user based on their known\ninterests. Every user sees different recommendations.\n\nIf you go to the Google Play Apps homepage, you may see something like this: \n\nRelated item recommendations\n\nAs the name suggests, **related items** are recommendations similar to a\nparticular item. In the Google Play apps example, users looking at a page for\na math app may also see a panel of related apps, such as other math or science\napps.\n\nWhy recommendations?\n\nA recommendation system helps users find compelling content in a large corpus.\nFor example, the Google Play Store provides millions of apps, while YouTube\nprovides billions of videos. More apps and videos are added every day. How can\nusers find new and compelling content? Yes, one can use search to access\ncontent. However, a recommendation engine can display items that users might\nnot have thought to search for on their own.\n| **Did you know?**\n|\n| - 40% of app installs on Google Play come from recommendations.\n| - 60% of watch time on YouTube comes from recommendations."]]
