En sus orígenes, los sistemas de recomendación se basaban principalmente en las compras realizadas, para así representar los intereses de un cliente, pero en la actualidad utilizan más atributos, que pueden ser desde datos demográficos y listas de temas de interés proporcionados por el usuario al crear su perfil, hasta información proveniente de las interacciones en redes sociales o la ubicación geográfica; por ejemplo si tus amigos están comentando una película, probablemente te interese comprarla, o si estás en la oficina y buscas un libro, quizá sea sobre tu profesión mientras que si estás en la playa, mejor te sugieren una novela.
El alcance de los sistemas de recomendación se ha ampliado gradualmente desde su introducción a mediados de la década de los noventas. Originalmente fueron planteados como herramientas donde la gente proporciona calificaciones, que el sistema agrupa y dirige a los destinatarios apropiados. Esta definición se refiere a la tecnología conocida como colaboración o filtrado social. Desde la perspectiva de la inteligencia artificial, la recomendación se ve como un problema de aprendizaje que explota el conocimiento pasado acerca del comportamiento de los usuarios, para inferir sus intereses en una situación específica.
Al analizar los detalles, descubrimos que el asunto es muy complicado. La gente cambia su comportamiento con el tiempo y hay recomendaciones que hace un mes podrían ser buenas y hoy podrían inclusive generar molestia, como insistir en que alguien a dieta conozca la mejor pastelería de un lugar. El surgimiento de las herramientas para el manejo de datos masivos (Big Data) y de aplicaciones semánticas, que a través de rigurosos y exhaustivos esquemas conceptuales (denominados ontologías) y de agregar etiquetas a los datos con información que enriquece su significado (metadatos), ha aumentado la información que puede usar un sistema de recomendaciones para cumplir su propósito; ahora es posible incluso inferir el estado de ánimo de una persona a través de sus comentarios en las redes sociales.
Los sistemas de recomendación ya no se consideran oráculos que pueden predecir los gustos del usuario y sugerirle la opción “correcta”, sino que se enfocan en tomar la función de un asesor, que pueden aprovechar los múltiples factores que influyen para apoyar, o muchas veces persuadir al cliente en su proceso de decisión.
**Preferencias de viaje**
El turismo es una de las industrias más dinámicas del mundo y se ha convertido en una gran influencia económica que beneficia a muchos sectores. En México inclusive se ha colocado en la agenda estratégica del Gobierno de la República. Sin embargo, la atracción de un mayor número de turistas no es un proceso libre de complicaciones, sobre todo en una época de rápidos cambios en las preferencias de viaje. Los turistas pueden verse desconcertados ante el enorme volumen de datos que existen alrededor de los destinos. Aquí toma importancia el poder contar con sistemas transversales, que no estén ligadas al interés comercial de una marca, sino a la promoción completa de un destino, que ayuden a elegir ciudades, museos, eventos, parques, opciones de hospedaje, alimentación y transporte haciendo uso de la tecnología.
Los sistemas de recomendación son fundamentales en el éxito de los sitios web más populares. Por ejemplo consideremos las recomendaciones que hacen Youtube cuando vemos un video, o Amazon si compramos libros en esta plataforma. Las mismas recomendaciones mantienen a los usuarios en el sitio por más tiempo y son un motivo para invitarlo a regresar.
Dos ingredientes básicos de los sistemas de recomendación son: contar con un gran catálogo de productos y tener una enorme población de usuarios que dejen las huellas de su comportamiento en línea. Para ilustrar esto, consideremos que Amazon tiene un catálogo de más de dos millones de títulos y atiende a más de 130 millones de clientes a la semana. Estas cifras dan una buena idea de los volúmenes de información que se requieren para hacer recomendaciones acertadas.
Según los expertos reunidos en la conferencia ENTER2013 organizada por la IFITT (International Federation for Information Technology and Travel and Tourism ), los sistemas de recomendaciones, vinculados a la web semántica y al Big Data, son de los temas que definirán las tendencias en el corto plazo de las tecnologías de la información y la comunicación (TIC) y el turismo.
*Esta nota se ha tomado de los apuntes del curso Informática para el Turismo, de la Licenciatura en Administración Turística de la Universidad Anáhuac*
