Nos \u00faltimos anos, diversos sistemas de streaming de v\u00eddeo, m\u00fasica e at\u00e9 mesmo jogos online v\u00eam se popularizando. Hoje em dia, \u00e9 muito comum que as pessoas tenham assinaturas em uma ou diversas destas plataformas.<\/p>\r\n\r\n\r\n\r\n
Dentre os maiores streamings de v\u00eddeo podemos citar a Netflix, e na m\u00fasica o Spotify. Contudo, com o passar do tempo, e a acelera\u00e7\u00e3o que a pandemia de Covid-19 causou no mundo digital, diversas outras plataformas foram e v\u00eam sendo lan\u00e7adas.<\/p>\r\n\r\n\r\n\r\n
Toda essa mudan\u00e7a que \u00e9 poss\u00edvel observar na forma como as pessoas consomem conte\u00fado de entretenimento \u00e9 poss\u00edvel por 3 fatores principais.<\/p>\r\n\r\n\r\n\r\n
Primeiramente, a vontade das pessoas de escolher o que querem assistir ou ouvir, a qualquer hora do dia. Com isso, as programa\u00e7\u00f5es fixas da televis\u00e3o j\u00e1 n\u00e3o funcionavam mais.<\/p>\r\n\r\n\r\n\r\n
Depois, o acesso mais f\u00e1cil \u00e0 internet de boa qualidade, com velocidade suficiente para realizar as transmiss\u00f5es em tempo real. E finalmente, a disponibiliza\u00e7\u00e3o de sistemas e aparelhos mais avan\u00e7ados, tamb\u00e9m facilita a ader\u00eancia.<\/p>\r\n\r\n\r\n\r\n
Nesse sentido, a tecnologia envolvida nos sistemas de streaming e suas recomenda\u00e7\u00f5es para os usu\u00e1rios \u00e9 um ponto importante a considerar.\u00a0<\/p>\r\n\r\n\r\n\r\n
Vamos abordar em maiores detalhes abaixo o que s\u00e3o e como funcionam os sistemas de recomenda\u00e7\u00f5es. E dessa forma, voc\u00ea vai conseguir entender o motivo pelo qual o Spotify, por exemplo, consegue recomendar as melhores m\u00fasicas para voc\u00ea.<\/p>\r\n\r\n\r\n\r\n
A partir da cria\u00e7\u00e3o de plataformas de streaming para assistir filmes e s\u00e9ries, escutar m\u00fasicas, ou at\u00e9 mesmo acessar jogos online, outros sistemas come\u00e7aram a existir tamb\u00e9m.<\/p>\r\n\r\n\r\n\r\n
Um exemplo s\u00e3o os sistemas de recomenda\u00e7\u00e3o, que possibilitam que o usu\u00e1rio escolha de forma mais assertiva o que vai assistir ou escutar em seguida.\u00a0<\/p>\r\n\r\n\r\n\r\n
Ainda que os sistemas de recomenda\u00e7\u00e3o venham com uma propaganda de \u201cpersonaliza\u00e7\u00e3o\u201d para o usu\u00e1rio, se tratam de algoritmos<\/a>. Estes s\u00e3o capazes de aprender quais s\u00e3o os assuntos que voc\u00ea mais gosta e passam a recomendar mais filmes, s\u00e9ries e m\u00fasicas sobre esses temas.<\/p>\r\n\r\n\r\n\r\n Com isso, o usu\u00e1rio n\u00e3o precisa mais pensar nos t\u00edtulos que quer assistir ou faixas que quer ouvir. Afinal, um sistema est\u00e1 recomendando algo conforme seus gostos pessoais.<\/p>\r\n\r\n\r\n\r\n Consequentemente, a experi\u00eancia das pessoas nas plataformas de streaming acabam se transformando em algo passivo, e n\u00e3o ativo.<\/p>\r\n\r\n\r\n\r\n Os sistemas de recomenda\u00e7\u00e3o utilizados em plataformas de streaming buscam filtrar o conte\u00fado disponibilizado para recomendar aos usu\u00e1rios. A fim de fazer isso, os sistemas utilizam de tecnologia de Deep Learning<\/a>.<\/p>\r\n\r\n\r\n\r\n Existem diferentes m\u00e9todos para fazer esse sistema de recomenda\u00e7\u00e3o funcionar. Entenda cada um deles abaixo.<\/p>\r\n\r\n\r\n\r\n Para este m\u00e9todo, as recomenda\u00e7\u00f5es ser\u00e3o feitas considerando o conte\u00fado que o usu\u00e1rio j\u00e1 consumiu na plataforma. Para isso, o sistema gera um perfil para cada usu\u00e1rio e busca conte\u00fados similares.<\/p>\r\n\r\n\r\n\r\n Esse tipo de sistema n\u00e3o precisa que voc\u00ea realize a\u00e7\u00f5es para que aconte\u00e7am boas recomenda\u00e7\u00f5es.<\/p>\r\n\r\n\r\n\r\n Se voc\u00ea escuta m\u00fasicas do g\u00eanero pop diariamente, a tend\u00eancia ser\u00e1 a recomenda\u00e7\u00e3o deste tipo de m\u00fasica para que voc\u00ea siga escutando aquilo que voc\u00ea mais gosta.<\/p>\r\n\r\n\r\n\r\n Por\u00e9m, existem desvantagens tamb\u00e9m. Como no exemplo acima, voc\u00ea n\u00e3o ser\u00e1 apresentado a outros tipos de m\u00fasica que poderiam ser do seu interesse. E o motivo? Porque voc\u00ea decidiu que escutaria m\u00fasica pop utilizando a plataforma de streaming.<\/p>\r\n\r\n\r\n\r\n Com isso, no longo prazo o sistema de recomenda\u00e7\u00e3o come\u00e7a a falhar pois o usu\u00e1rio estar\u00e1 sempre em contato com o mesmo tipo de conte\u00fado.<\/p>\r\n\r\n\r\n\r\n Outra desvantagem a ser considerada \u00e9 o crit\u00e9rio para determinar o que \u00e9 similaridade entre conte\u00fados. Considerando filmes, por exemplo, o que levar em considera\u00e7\u00e3o? Os atores, o g\u00eanero, o trailer, entre outros.<\/p>\r\n\r\n\r\n\r\n Nessa metodologia, o sistema vai recomendar o conte\u00fado considerando a similaridade entre usu\u00e1rios. \u00c9 por isso que se trata de uma filtragem colaborativa.<\/p>\r\n\r\n\r\n\r\n Se voc\u00ea e outro usu\u00e1rio assistirem ao mesmo filme A, quando voc\u00ea assistir ao filme B, ele ser\u00e1 recomendado ao outro usu\u00e1rio tamb\u00e9m.<\/p>\r\n\r\n\r\n\r\n Assim h\u00e1 uma troca de recomenda\u00e7\u00f5es entre pessoas que est\u00e3o utilizando a plataforma de streaming e possuem um perfil similar.<\/p>\r\n\r\n\r\n\r\n Voc\u00ea j\u00e1 deve ter percebido recomenda\u00e7\u00f5es como \u201cquem comprou este item, tamb\u00e9m comprou estes outros itens\u201d em lojas online. Esse tipo de recomenda\u00e7\u00e3o \u00e9 baseada na metodologia de filtragem colaborativa.<\/p>\r\n\r\n\r\n\r\n Nesse caso, o problema de ter recomenda\u00e7\u00f5es do mesmo tipo de conte\u00fado sempre deixa de existir.<\/p>\r\n\r\n\r\n\r\n Mas \u00e9 preciso levar um ponto de aten\u00e7\u00e3o em considera\u00e7\u00e3o. Como saber se o usu\u00e1rio gostou de fato do conte\u00fado que assistiu, escutou ou leu? Nesse sentido, \u00e9 interessante que os pr\u00f3prios usu\u00e1rios avaliem suas experi\u00eancias com o conte\u00fado, a fim de auxiliar o sistema de recomenda\u00e7\u00e3o no futuro.<\/p>\r\n\r\n\r\n\r\n Outros pontos que podem auxiliar o sistema de Deep Learning<\/a> \u00e9 o tempo que o usu\u00e1rio assistiu a um conte\u00fado, ou quantas vezes este conte\u00fado foi acessado.<\/p>\r\n\r\n\r\n\r\n Este m\u00e9todo de recomenda\u00e7\u00e3o possibilita unir as caracter\u00edsticas dos sistemas Baseado em Conte\u00fado e Filtragem Colaborativa.<\/p>\r\n\r\n\r\n\r\n Como resultado da uni\u00e3o, a tend\u00eancia \u00e9 que as recomenda\u00e7\u00f5es sejam mais assertivas nesse sistema do que nos anteriores individuais.<\/p>\r\n\r\n\r\n\r\n Na pr\u00e1tica, o sistema de recomenda\u00e7\u00e3o ter\u00e1 as recomenda\u00e7\u00f5es separadas, e a partir de um algoritmo ser\u00e1 feita a uni\u00e3o destas em uma \u00fanica lista.<\/p>\r\n\r\n\r\n\r\n Voc\u00ea pode estar pensando: mas e os usu\u00e1rios novos? \u00c9 nesse ponto que o sistema de recomenda\u00e7\u00e3o Cold-Start se apresenta.<\/p>\r\n\r\n\r\n\r\n O desafio \u00e9 grande porque n\u00e3o h\u00e1 coleta de informa\u00e7\u00f5es sobre estes usu\u00e1rios novos. E em alguns casos, quando n\u00e3o h\u00e1 necessidade de login para consumo do conte\u00fado, os usu\u00e1rios novos podem existir por muito tempo.<\/p>\r\n\r\n\r\n\r\n Para que o Cold-Start funcione, s\u00e3o criadas listas com recomenda\u00e7\u00f5es gerais. No Spotify, por exemplo, \u00e9 poss\u00edvel encontrar a lista das m\u00fasicas mais tocadas no Brasil ou no Mundo. Tamb\u00e9m existem listas que utilizam os conte\u00fados mais acessados na \u00faltima semana para fazer esse tipo de recomenda\u00e7\u00e3o.<\/p>\r\n\r\n\r\n\r\n Al\u00e9m disso, se for poss\u00edvel obter a informa\u00e7\u00e3o de localiza\u00e7\u00e3o do usu\u00e1rio, pode-se indicar conte\u00fados mais acessados em determinada regi\u00e3o.<\/p>\r\n\r\n\r\n\r\n Como voc\u00ea percebeu, os sistemas de recomenda\u00e7\u00e3o envolvem muita tecnologia<\/a> e uma quantidade muito grande de dados<\/a>. Cada a\u00e7\u00e3o que os usu\u00e1rios realizam em uma plataforma de streaming gera dados, que s\u00e3o analisados pelos sistemas e resultam nas recomenda\u00e7\u00f5es que recebemos diariamente.<\/p>\r\n\r\n\r\n\r\n Contudo, quando a plataforma utiliza um m\u00e9todo como o Content-Based, h\u00e1 um risco que voc\u00ea acabe preso em apenas um tipo de conte\u00fado.<\/p>\r\n\r\n\r\n\r\n Muitas pessoas acabam n\u00e3o se importando com isso, afinal est\u00e3o recebendo recomenda\u00e7\u00f5es de coisas que gostam. Por\u00e9m, \u00e9 interessante ficar sempre atento a este tipo de recomenda\u00e7\u00e3o. Para se proteger, busque sair da sua zona de conforto e tenha contato com conte\u00fados de assuntos diferentes.<\/p>\r\n\r\n\r\n\r\n Sejam estes conte\u00fados m\u00fasicas, filmes, s\u00e9ries, not\u00edcias, livros ou itens de e-commerce. Essa varia\u00e7\u00e3o ser\u00e1 ben\u00e9fica e mostrar\u00e1 uma infinidade de outras op\u00e7\u00f5es para voc\u00ea.<\/p>\r\n","protected":false},"excerpt":{"rendered":" As plataformas de streaming n\u00e3o param de crescer, e seus sistemas de recomenda\u00e7\u00e3o est\u00e3o cada vez mais inteligentes. Entenda mais sobre o assunto neste artigo.<\/p>\n","protected":false},"author":9,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"inline_featured_image":false},"categories":[82],"tags":[],"yoast_head":"\nComo funcionam os sistemas de recomenda\u00e7\u00e3o?\u00a0<\/h2>\r\n\r\n\r\n\r\n
Filtragem Baseada em Conte\u00fado (Content-Based)<\/h3>\r\n\r\n\r\n\r\n
Filtragem Colaborativa (Collaborative Filter)<\/h3>\r\n\r\n\r\n\r\n
Sistemas H\u00edbridos (Hybrid)<\/h3>\r\n\r\n\r\n\r\n
Cold-Start<\/h3>\r\n\r\n\r\n\r\n
Problemas relacionados \u00e0s recomenda\u00e7\u00f5es de plataformas de Streaming<\/h2>\r\n\r\n\r\n\r\n