Az online áruházak forgalma egyre nő © AP

Ha Ön ezt a terméket szereti, akkor ezt is szeretni fogja - ilyen és ehhez hasonló szövegekkel találkozhatunk az elektronikus kereskedői oldalakon, amelyeknél már szinte alapelvárás, hogy - ajánlórendszer-megoldásokat alkalmazva - minél kényelmesebbé tegye a vásárlást vagy éppen a termékek keresését. Az ajánlórendszerek az információszűrés technikájának olyan speciális formái, amelyek megpróbálják az internetezőt érdeklő információkat bemutatni, legyen szó filmről, zenéről, könyvről, hírekről, képekről, weboldalakról vagy bármilyen termékről.

Ezek a rendszerek általában meghatározott emberi tulajdonságokat vetnek össze a felhasználó profiljával, így jutva hozzá azokhoz az információkhoz, amelyekről úgy vélik, érdeklik a netezőt. Ahhoz, hogy a megfelelő információkat kínálják fel, gyakran a felhasználóhoz fordulnak: például megkérik, hogy egy listából jelölje be érdeklődési köreit.

Ma már erre sincs igazán szükség, elég, ha a rendszer csak "figyel": megnézi például, hogy a vásárló milyen termékeket és hányszor néz meg egy webáruházban, menynyi időt tölt el böngészéssel az adott oldalon. Netán listát készít arról, hogy a felhasználó mit néz meg vagy hallgat a számítógépén, esetleg egy közösségi oldal esetében elemzi az internetező társadalmi hálóját. Ajánló-rendszerek bevetésével (ilyen megoldásokat egyébként több tucat cég kínál már) egy webáruház növelni tudja eladását, a hirdetésből élő portálok pedig - például egy internetes újság - az oldalletöltéseit. Amennyiben nem zavarja őket akár intim titkaik kilesése, a felhasználók is profitálhatnak a "megfigyelésből": olyan információkra tehetnek szert, amelyeket maguktól nem vagy csak nehézkesen találtak volna meg.

A tucatnyi ajánlórendszer többségének hibája, hogy általában nem a felhasználó pillanatnyi igényeit vizsgálja, ezért az eredmény csalódást is kelthet: például keresünk egy könyvet valamelyik online kereskedői oldalon, s a rendszernek mindössze arra futja, hogy a szerző többi regényét vagy hasonló témájú köteteket ajánljon. Ennél kidolgozottabb a "kollaboratív szűrésnek" nevezett módszer, amelyet például az amazon.com webáruház használ. Ezzel az eljárással automatikusan előre jelezhető, hogy milyen könyvek, filmek, zenék vagy egyéb termékek kelthetik fel egy-egy vásárló figyelmét - mindössze azzal, hogy figyelembe veszik a más, hasonló érdeklődésű felhasználótól gyűjtött információkat és statisztikai adatokat. Hasonló megoldással él zeneajánlásaiban a last.fm weboldal is, vagy a weboldalakkal foglalkozó stumbleupon.com rendszere.

Az ajánlórendszerek közül az egyik legokosabbat a seattle-i székhelyű CleverSet fejlesztette ki, amikor mesterségesintelligencia-kutatáson alapuló megoldással rukkolt elő. A rendszer nemcsak az egyéni vásárlók közötti kapcsolódásokat és a látogatók viselkedését elemzi, de a külső tényezőket - például az évszakokat, az időjárást, a fontosabb eseményeket - is figyeli és súlyozza. A többi megoldással ellentétben nem az "offline", hanem a folyamatosan változó online terepet vizsgálja, jobban megfelelve a felhasználó "itt és most" elvárásainak.

Igaz, a CleverSet sem találta fel a spanyolviaszt: a módszert a bioinformatikából nyúlta le - a statisztikai relációs modellezést ugyanis ez utóbbi területen már korábban alkalmazták. Lényege, hogy egy adatsorban az információdarabkákat más információdarabkákhoz való kapcsolódásuk szerint értékelik, e szerint súlyozzák, ellentétben azokkal a korábbi megközelítési módokkal, amikor valamennyi információdarabot azonos súlyúnak ítéltek meg. A rendszer tehát adatokat gyűjt és - amint az internetező a weboldalon böngész - kapcsolódásokat hoz létre: amikor például a felhasználó ráklikkel egy linkre, a rendszer részletes képet dolgoz ki az érdeklődéséről, és ezeket a többi felhasználóról alkotott profilokkal egészíti ki.

De nemcsak a több száz gigabájtnyi terméket kínáló online áruházaknál jöhetnek jól a felhasználókhoz igazított megoldások és a speciális szűrések, hanem ott is, ahol viszonylag kevés terméket kell eladni, de azt hatékonyan. Jó példa erre az a weboldal, amelyet a Massachusettsi Műszaki Egyetem (MIT) kutatói készítettek a British Telecomnak. A prototípusnak szánt honlap - amelyen a brit távközlési cég egyik aloldalaként a széles sávú internetes csomagjait kínálja - már az első néhány klikk után alkalmazkodik a felhasználóhoz, és néhány percnyi barangolás után megpróbálja "belőni" az ügyfél habitusát. Például a látogató a nyitólapon eldöntheti, hogy összehasonlító grafikonok nézegetésével vagy tanácsadók segítségével választja-e ki a neki megfelelő termékcsomagot.

Ha a rendszer azt érzékeli, hogy a látogató a grafikai megoldásokat szereti, akkor egy idő után - hozzá igazítva a weboldalt - grafikonok és ábrák segítségével adagolja neki a lehető legtöbb információt. Ha viszont inkább tanácsokra van szüksége, mellőzi a grafikai megoldásokat, és tanácsokkal bombázza az érdeklődőt. A rendszer mindeközben folyamatosan elemzi, hogy a weboldal verziói közül melyik milyen felhasználói stílusnál működik a leghatékonyabban.

A British Telecom oldalát látva a japán Suruga Bank is fellelkesült. A vállalat vezetése a cég honlapját hasonló képességekkel ruházná fel, a fejlesztéseket ez esetben is a MIT kutatóira bízták. De utóbbiak már nemcsak a British Telecom oldalánál használatos, a felhasználók megismerésére szolgáló ún. "kognitív stílust" alkalmaznák a japán bank oldalain, hanem arra is figyelnének, hogy a rendszer a látogatók kulturális különbségeit is észlelje. A készülő weboldal például képes lenne felismerni, hogy a látogató egy hierarchikus vagy egyenlőségen alapuló közösség tagja-e, ahogy azt is, hogy mi a fontos számára: a közösség vagy az egyén. Erre azért van szükség, mert egy hierarchikus felépítésű közösségből érkező személy szívesebben fogad tanácsokat egy felsőbb pozíciójú banki alkalmazottól. Azt pedig hogy az eladni kívánt termékek tulajdonságai közül mit és milyen módon hangsúlyozzon a rendszer, az határozza meg, hogy a látogató gondolkodásában inkább a saját személye, avagy a köz érdeke dominál.

DEZSŐ ANDRÁS