4. Introducción
Las ideas de la revolución industrial “one size fits all”
están desfasadas
Los usuarios de cualquier recurso necesitan cada vez más
tener una identidad propia
Necesitan sentir que la compañía con la que interactúan
les da una atención personalizada y un trato diferencial
Lo que le ofrece la empresa es único: Ej. Nike
7. Errorescomunes
• “Porque un Cliente pida un día café no le voy a bombardear con
anuncios de café”Trivializar
• No debe cambiar todo, ni hacerlo de manera instantánea. Ha de
basarse siempre en refinamientos sucesivos (Mickey Mouse,
Coca-Cola, …)
Adaptar de forma
drástica o agresiva
• No hacer adaptaciones de la oferta, ni solicitar datos, de forma
antinatural o en contra de la voluntad del ClienteMolestia e Intrusión
• “No puedo mandar comunicaciones personalizadas a mis
Clientes. Me supone un coste desorbitado”
Atribuirle irracionalidad
económica
• “Dado que puedo personalizar, personalizo todo, a todos y en
cualquier momento”
Borrachera de
personalización
Fuente: Javier G. Recuenco
9. InterfazdeUsuarioMultiplataforma
El usuario debe poder acceder al sistema cuando quiera y desde donde quiera: Web, Mail,
Teléfono PDA,TDT-PC, Windows Media Center, set-top boxes, Playstation 3,Wii,…
18. Home de cada Programa
-Evaluaciones Personal. (1)
-Stadisticas (2)
-numero de votos
- Evaluation media
-Frec.de favoritos
-Próx. Emisiones (3)
-Comentarios Usuarios(4)
1
4
3
2
TPTV:http://marte.lcc.uma.es/tptv/
26. RecomendacionesBasadasenelContenido
• (1 y2 – Niveles de no interés)
• (3 y 4 – Niveles de interés)
Explícita:El usuario
evalua en un rango.
(por ej. 1-4)
• Ve un programa, lee una noticia
• Se conecta a la web desde el móvil
Implícita: El usuario
utiliza un servicio
• Programa:Título, año, descripción, …
• Noticia:Título, entradilla,resumen,…
Los objetos se
estructuran en
parámetros
27. RecomendacionesBasadasenelContenido
El usuario tiene un modelo con sus evaluaciones
anteriores asociados a diferentes parámetros
Cada nuevo objeto se compara con el perfil del
usuario para calcular su similitud
Este valor se utiliza para ordenar los distintos
objetos de acuerdo a ese usuario
30. Limitaciones:Colab.BasadoenUsuario
• Muchos usuario que evalúan pocos
objetos
• Difícil encontrar patrones comunes
Dispersion
• Cada usuario debe compararse con
todos los demás
• Esto implica un alto coste computacional
y dificultades de escalabilidad
Escalabilidad
32. RecomendadorFinal
El mejor recomendador es el que combina distintos algoritmos
Content ShortTerm
Recommender
Content LongTerm
Recommender
Tags Recommender
Collaborative
Recommender
tagscollablongshort
iuiuiuiu
RRRRitemuserR ,,,,
.
),(
tagscollablongshort
iuiuiuiu
RRRRitemuserR ,,,,
.
),(
tagscollablongshort
iuiuiuiu
RRRRitemuserR ,,,,
.
),(
donde
α+β+φ+δ=1
33.
34. PublicidadPersonalizada
Los usuarios reciben mucha publicidad que no les interesa
Una publicidad será efectiva si trata algún tema relevante para el usuario
Es suficiente con añadir cierta meta información a cada anuncio y compararlo
con el modelo del usuario
De esta forma sólo solo se ofrece un pequeño número de anuncios a los
usuarios pero el beneficio es mucho mayor que con anuncios no dirigidos
Schwarz (Schwarz, 2004) : ”researchers expect the majority of iTV advertising
to be interactive and the total iTV advertising revenue to be in the billions”
35. PublicidadPersonalizada:Claves
La naturaleza personal de la comunicación móvil requiere un
escrupuloso respeto por el Cliente
Asegurar una experiencia positiva para el Cliente como
elemento clave para su implicación
Construir valor a largo plazo a partir de la recolección de datos
Sólo Marketing Bajo Permiso
El mensaje debe aportar valor al Cliente, y ello depende de lo
personal y adecuado a su realidad y circunstancia personal
38. Conclusiones
La fidelización de clientes es clave para las empresas
En la actualidad las empresas no buscan nuevos clientes
‘veletas’ u oportunistas sino mantener buenos clientes
Para que un cliente no se vaya es necesario conocerlo y
que irse a otra empresa supone empezar de cero
Para ello es imprescincible el trato personalizado y el uso
de sistemas recomendadores para ofrecer productos