Ogni giorno, milioni di news devono trovare la loro strada tra milioni di lettori.
Per i media può risultare un’impresa ardua riuscire a trovare la giusta via per arrivare al lettore che davvero è interessato all’argomento trattato. Come fare?
A primo impatto può sembrare un’azione difficile ma in realtà il supporto arriva da algoritmi intelligenti , contenuti nei sistemi di raccomandazione, che suggeriscono notizie e contenuti interessanti sulla base delle preferenze dimostrate dall’utente. I “recommendation system” (sistemi di raccomandazione) sono software di filtraggio di contenuti che creano suggerimenti personalizzati in base ai gusti
e ai comportamenti della persona, in modo da rendere la navigazione web più stimolante, ampia e informativa.
Giornali online, Social Media, e-commerce, piattaforme di fruizione video, musica e news, già da tempo utilizzano questi abili filtri
in grado di registrare gli interessi dell’utente e proporre argomenti, persone o prodotti che concordano con le preferenze dimostrate.
Qual è il limite dei “recommender systems”?
I sistemi di raccomandazione scelgono selettivamente il contenuto che l’utente dovrà visualizzare, cristallizzano le preferenze dell’internauta e, nel caso peggiore, continuano a proporre contenuti appartenenti sempre alla stessa categoria . Questo fenomeno, che prende il nome di Filter Bubble (bolla di filtraggio) lascia l’utente/persona all’interno di una sfera sociale e informativa impermeabile a
qualsiasi novità. Questo può dare vita alla cosiddetta Fear Of Missing Out (FOMO), ovvero quella sensazione di “essere esclusi”, di non riuscire a venire a contatto con informazioni importanti e interessanti proprio a causa di questi filtri.
Il progetto CPN (Content Personalization Network), nato nell’ambito dei progetti Horizon 2020, affronta in questo senso la sfida di sviluppare un evoluto metodo di raccomandazione in grado di personalizzare al meglio l’offerta di news e contenuti multimediali per suggerire nuove tematiche che amplino la cultura e la mente del lettore.
CPN e la rivoluzione dei sistemi di raccomandazione
Un tempo, erano le persone appartenenti alla cerchia di amici a suggerire libri, film e musica da ascoltare. Oggi, nell’era dei Big Data, sono direttamente le imprese a suggerire servizi/prodotti interessanti, sulla base della conoscenza del cliente .
In questo contesto si inserisce il progetto CPN, portavoce della rivoluzione dei sistemi di raccomandazione. L’obiettivo è quello di sfruttare le potenzialità dell’ Intelligenza Artificiale e dei Big Data per valorizzare al meglio l’estrazione di valore dai dati e, in questo modo, approfondire l’interazione con il pubblico di riferimento.
La piattaforma virtuale aperta (CPN – Content Personalization Network) , sviluppata da CPN, è in grado di aiutare gli editori a veicolare news e contenuti multimediali che tengano conto della posizione, del contesto di fruizione, del device, della conoscenza di argomenti di interesse e del bagaglio culturale del lettore di riferimento . In questo modo si ha la possibilità di preservare un panorama pluralistico dei media europei che sottolinea la diversità culturale e la trasparenza.
CPN è frutto della collaborazione tra importanti centri di ricerca, aziende Data Scientist e grandi broadcaster europei. In particolare, hanno preso parte al progetto partner del settore media come VRT, DIAS, DEUTSCHE WELLE, WAN IFRA e del settore AI come ENGINEERING, DIGITAL CATAPULT, IMEC, ATC e LIVE TECH. Quest’ultima, ha assunto un ruolo chiave nello sviluppo del componente principale della rivoluzionaria piattaforma aperta, ovvero il sistema di raccomandazione ibrido basato su tecnologia DS4Biz.
Come funziona il sistema di raccomandazione CPN?
A differenza degli attuali sistemi di raccomandazione che non stimolano l’utente ad uscire dalla propria “bolla di filtraggio”, CPN sta sviluppando un motore di personalizzazione definito ibrido, in grado di arricchire realmente l’esperienza dell’utente, veicolando contenuti multimediali nuovi e sempre più interessanti.
La raccomandazione ibrida consiste nella combinazione di due approcci:
- 1) CONTENT BASED: gli algoritmi estraggono una serie di parole chiave,
topics, attributi ed etichette che vanno a costituire il profilo di argomenti
interessanti per un determinato utente. Questa tipologia di algoritmi è molto
raffinata ed è in grado di incrociare i contenuti con il profilo di uno specifico
lettore tramite l’analisi del suo comportamento durante il periodo di
navigazione. - 2) COLLABORATIVE FILTERING: gli algoritmi recuperano informazioni
predittive sulla base degli interessi di un insieme dato di utenti. Questi
algoritmi hanno la prerogativa di essere indipendenti dal genere di contenuto
(testi, video, musica) su cui operano.
La rivoluzione del sistema ibrido, sviluppato da CPN, consiste proprio nel far interagire questi due approcci al fine di profilare gli utenti sia in funzione del comportamento dimostrato durante la navigazione web sia sulla base degli interessi espressi. Questo metodo, rende più efficace la raccomandazione poiché individua e crea una vera e propria esperienza centrata esclusivamente sull’utente/persona.
Il recommendation system di CPN rispecchia le caratteristiche di interoperabilità poiché è in grado di collaborare con altri sistemi preesistenti, e di flessibilità perché si adatta a contesti e domini differenti. Queste prerogative consentono di utilizzare il
sistema ibrido, non solo nel settore media ma anche in altri settori di mercato che erogano prodotti o servizi.
CPN si presenta come una piattaforma virtuale aperta ed è testata periodicamente in ambienti operativi differenti e in diversi Paesi europei come Belgio, Germania, Italia e Cipro. La piattaforma presenta un’architettura di mirco-servizi che possono essere sviluppati e implementati in modo indipendente. Ciò consente di coprire una varietà di scenari di utilizzo e di
creare nuovi servizi e processi.
Al termine del progetto, nel 2020, CPN erogherà la piattaforma agli stessi broadcaster che hanno preso parte alla sua evoluzione. In questo modo, i professionisti della comunicazione saranno in grado di ricevere soluzioni per distribuire e, soprattutto, suggerire nuove news e contenuti multimediali a determinati lettori piuttosto che ad altri. Allo stesso tempo, anche gli utenti si gioveranno dei benefici portati da tale sistema poiché avranno modo di sperimentare una sorta di serendipità , ovvero la possibilità di fare scoperte inattese e venire a contatto con nuove informazioni sempre più interessanti, in grado di ampliare i loro orizzonti.
La piattaforma CPN intende adattarsi alle esigenze dei singoli editori e correlare diversi servizi. Queste caratteristiche consentiranno di implementare il sistema di raccomandazione ibrido anche al di fuori del progetto CPN, dando la possibilità a tutti i broadcaster, e non solo, di usufruire dell’AI per profilare al meglio gli utenti e risultare costantemente interessanti.
