Recomendação de conteúdo em sites de notícias

Sites de notícias oferecem maior variedade de fluxos de navegação e narrativas comparados ao modelo de leitura convencional, do jornalismo impresso. Na versão digital, o usuário tem a possibilidade de seguir diferentes fluxos de navegação e, por isso, é necessário oferecer fluxos que possibilitem aos usuários percorrerem os principais conteúdos e obter informações de interesses de diversas maneiras, ou seja, é preciso manter o usuário navegando por mais tempo na página.

A recomendação de conteúdo é qualquer componente que exiba aos usuários novos assuntos disponíveis para a sequência de sua navegação. Esses componentes ganham magnitude quando se observa o hábitos de navegação e comportamentos dos usuários.

Segundo Hendrix (2014), a curadoria de conteúdo em produtos de notícia sempre foi de responsabilidade do corpo editorial. Entretanto, o crescimento exponencial no volume e na variedade de conteúdos publicados nos sites de notícias tornou cada vez mais difícil a realização dessa curadoria de forma manual ou não-automatizada, e em função disso, a tarefa de apresentar conteúdos verdadeiramente relevantes para o usuário se torna a cada dia mais complexa.

Atualmente, cerca de 75% do acesso feito pelos usuários do Netflix é originado a partir de recomendações feitas pelo sistema. Segundo o site https://catracalivre.com.br, as recomendações não são aleatórias. Pelo contrário, a plataforma de streaming está constantemente estudando o comportamento de seus usuários para desenvolver algoritmos cada vez mais certeiros. Aquele título aparentemente sem conexão com repertório audiovisual do usuário, pode ser uma interessante descoberta.

Sistemas de recomendação de conteúdo

A construção de um sistema que realize recomendações de conteúdo tem como base adquirir uma grande quantidade de dados sobre os usuários. Alguns sistemas de recomendação utilizam de um login para consumir dados dos usuários, porém, em grande parte dos sites de notícias, o usuário não está logado e existe a tendência de consumir dados de fontes diferentes.

A recomendação de conteúdo tem como base um algoritmo, cujo objetivo é estimar quais itens serão potencialmente interessantes para cada usuário, antes mesmo que ele tenha uma interação com o site. Após uma primeira interação, é necessário coletar informações sobre o usuário.

Os sistemas de recomendação de conteúdo são categorizados em 6 grupos:

Content Based (Recomendação por conteúdo):

A recomendação acontece no momento que o usuário está acessando o conteúdo. O sistema aprende a recomendar itens similares estabelecendo critérios estabelecidos e atribuídos aos itens comparados. Atualmente este é o mais utilizado.

Collaborative filtering (Filtragem colaborativa):

O foco deixa de ser o conteúdo e passa a considerar o perfil dos usuários. O algoritmo recomenda conteúdos que interessam os usuários através de um cálculo com base em avaliações de acesso de outros usuários e padrões de comportamentos próximos.

Demographic (Recomendação Demográfica):

Os usuários de determinada região tendem a ter interesse por conteúdos da sua região. O sistema recomenda conteúdos baseando-se no perfil demográfico do usuário.

Knowledge-based (Recomendação por conhecimento de domínio):

O usuário manifesta interesse em comprar determinado item em um site e o sistema pode recomendar outros itens que poderão complementar a compra do cliente. Um exemplo seria o cliente comprar carvão e espetos de churrasco e o sistema recomendar carnes, cervejas, etc.

Community-based (Recomendação por Comunidade):

Recomendar conteúdo baseado no que os amigos do usuário manifestaram interesse. Se um amigo do usuário realizou alguma interação com a notícia, entende-se que está notícia tenha grande possibilidade de interessar o usuário.

Hybrid recommender systems (Sistemas de recomendação híbridos):

O sistema irá utilizar uma combinação de dois ou mais sistemas citados acima. Esta combinação permite o aproveitamento das vantagens e o descarte das desvantagens que cada um oferece individualmente. O resultado é mais interessante, mas seu desenvolvimento é mais complexo.

Fonte:
LOHMANN, A. Sistemas de recomendação de conteúdo em sites de notícias. Disponível < http://www.e-publicacoes.uerj.br/index.php/arcosdesign/article/view/24806 >.