De meilleures recommandations en ligne
Les systèmes de shopping en ligne conseillent souvent d'autres produits aux utilisateurs. Toutefois, ces recommandations ne sont pas totalement adaptées et il faut donc trouver un système utilisant toutes les informations sur les clients pour faire des suggestions mieux ciblées. Le projet CARS («Context-aware recommender systems (CARS)»), financé par l'UE, avait pour objectif de concevoir un tel système de recommandation pour les appareils mobiles et de bureau. Le système s'appuie sur toute la relation contextuelle entre l'utilisateur et un article. Les activités du consortium ont débuté fin 2011 et ont duré deux ans. Le projet a développé cinq nouveaux algorithmes de filtrage collaboratif, plus efficaces que les solutions concurrentes. Les algorithmes ont été intégrés à une application pour appareils mobiles sous Android, nommée Frappe, qui recommande d'autres applis susceptibles de plaire à l'utilisateur. L'appli utilise les informations contextuelles des capteurs de l'appareil mobile pour identifier les produits similaires susceptibles de répondre aux besoins apparents de l'utilisateur. Le projet a évalué l'utilité et l'impact de l'appli. Les résultats du projet ont été publiés sous forme de conférence et documents d'étude, dont deux ont été primés. Le projet CARS a fait progresser le secteur des systèmes de recommandation en fonction du contexte. Grâce au projet, les nouveaux systèmes apporteront des suggestions plus adaptées, conduisant éventuellement à des achats supplémentaires.
Mots‑clés
Vente au détail en ligne, algorithmes de relation contextuelle, informations client, suggestions ciblées, sensibilité au contexte, système de recommandation, Android, appli, Frappe, capteurs de téléphone mobile
