ซึ่งใช้เทคนิคการจับคู่ที่เหมือนกัน (matching) เพื่อกำหนดความเกี่ยวพันกันระหว่างสินค้าที่ลูกค้าซื้อกับสินค้าที่น่าจะเป็นที่สนใจในอนาคต
ระหว่างการเลือกซื้อที่คล้ายๆกันของลูกค้า โดยระบบให้คำแนะนำ (Recommendation Systems) พิจารณาจากความคลายคลึงกันของสมาชิก เช่นงานอดิเรกของกลุ่มสมาชิก , ลักษณะนิสัย , หรือ ทางเลือกต่างๆ
แล้วกำหนดเป็นกลุ่มลูกค้าเป้าหมาย ซึ่งจะจัดเป็นกลุ่มที่มีข้อมูลเป็นลูกค้าที่น่าสนใจ
วิธีการ Russell อธิบายได้ว่าเป็นกลุ่มผู้ใช้ที่ถูกเลือก (User-based filtering) โดยพิจารณาปัจจัยที่เหมือนกันทิ้งไป อย่างเช่น ประวัติบุคคล , สิ่งที่สนใจ และสิ่ง ที่เหมือนกันระหว่างลูกค้า online กับลูกค้าที่เคยมีมาก่อน
ปัญหาของ user-based filtering คือ
ไม่สามารถให้ผลได้อย่างแม่นยำ เพราะว่าจะต้องประมวลผลกับลูกค้าในระบบซึ่งมีจำนวนมาก จึงทำให้มีขั้นตอนการวิเคราะห์และการเปรียบเทียบยุ่งยากซับซ้อน จำนวนมาก
วิธีการ Item-based filtering อธิบายได้ว่าเป็นตัวบ่งชี้ความเกี่ยวพันของ items ได้ดีกว่าความคล้ายกันระหว่างผู้ใช้ (users) เช่น กำหนดให้ users ที่ชื่นชอบ Item A ต้องชอบ Item B ด้วย ด้วยวิธีการดังกล่าว สามารถให้คำแนะนำ (recommend) กีฬาที่เกี่ยวข้องกับสินค้า เช่น หนังสือเกี่ยวกับฟุตบอล กับเกมคอมพิวเตอร์ที่เกี่ยวกับเกมให้กับบางคนได้
ไม่มีความคิดเห็น:
แสดงความคิดเห็น