211service.com
Hunch: ¿Una cura para la indecisión?
Últimamente, los motores de búsqueda han comenzado a centrarse más en proporcionar respuestas a preguntas específicas. Ponga capital de Botswana, por ejemplo, en la mayoría de los motores de búsqueda, y con gusto producirán tanto la respuesta correcta como enlaces a sitios relevantes. Pero la mayoría de los motores de búsqueda son de poca utilidad con consultas más abstractas, como ¿Qué libro debo leer? o ¿Qué debo preparar para la cena?
Corazonada , un sitio web que se lanza al público hoy, espera ser la respuesta a estas preguntas y muchas más.
La corazonada comienza donde termina un motor de búsqueda, según el cofundador Caterina falso , quien anteriormente cofundó el sitio para compartir fotos Flickr y luego trabajó en Yahoo Answers. Fake señala que un motor de búsqueda normal proporcionaría a un usuario interesado en comprar una cámara digital enlaces a cientos de sitios que revisan y comparan los últimos modelos. Luego, el usuario tiene que clasificar esa información y averiguar qué cámara es la adecuada para ella.
Por el contrario, Hunch hace algunas preguntas simples de opción múltiple, que incluyen ¿Qué tipo de fotografía le interesa ?, ¿Quiere una cámara de 'apuntar y disparar', una SLR o un telémetro? Y ¿Cuánto zoom utiliza? ¿desear? antes de recomendar un modelo específico.
El sitio ofrece recomendaciones personalizadas para todo tipo de consultas. Aunque muchas de las preguntas que ya están en el sitio son alegres, hay una seria informática bajo el capó.
Una vez que un usuario crea una cuenta e inicia sesión en Hunch, tiene la oportunidad de responder a todo tipo de preguntas en un cuadro denominado Teach Hunch About You. A medida que el usuario repasa estas preguntas, Hunch acumula una gran cantidad de datos para ayudar con las recomendaciones que hace.
Para ajustar sus recomendaciones, Hunch equilibra las respuestas de un usuario a las preguntas con la información de su perfil. Los usuarios pueden indicar si las recomendaciones de Hunch fueron buenas o no, y esta información ayudará a ajustar los factores que guían los algoritmos del sitio en el futuro.
Fake cree que muchos sistemas de recomendación existentes, como los utilizados por Amazon o Netflix, luchan porque los datos que recopilan se relacionan con una gama limitada de temas. Ella cree que el problema es que solo tienen clasificaciones de libros o películas de los usuarios para trabajar. Si te gusta Napoleón dinamita podría tener algo que ver con si jugabas mucho al pinball cuando eras niño, dice Fake.
Fake ve a Hunch como un gran experimento, pero su éxito dependerá de la voluntad de los usuarios de generar contenido nuevo para el sitio y proporcionar comentarios para entrenar sus algoritmos. Aunque la empresa sembró el sitio con algunas preguntas y temas de encuestas, la mayor parte de lo que hay ahora fue agregado por los propios usuarios durante las pruebas beta, dice Fake.
Hora de preguntar: Hunch hace a los usuarios varias preguntas para refinar su consulta original.
Además de calificar si un resultado fue útil, los usuarios pueden sugerir otras recomendaciones o mejoras a las encuestas. Se pueden agregar nuevos temas de consulta a un área de taller para que se desarrollen hasta que los votos de los usuarios indiquen que son lo suficientemente precisos como para publicarlos como preguntas en el sitio más amplio.
John Riedl , profesor de informática en la Universidad de Minnesota, que estudia los sistemas de recomendación y la colaboración en línea, dice que Hunch está abordando un problema fascinante y en el que los investigadores académicos han estado trabajando durante mucho tiempo. Las computadoras son excelentes para crear juegos como 20 preguntas, dice; Hunch, sin embargo, se enfrenta a problemas mucho más amorfos. Una sola pregunta puede tener docenas de resultados posibles, y la información que proporciona un usuario puede no ayudar a una computadora a distinguir claramente entre las opciones.
Un tema clave, dice Riedl, será si el sitio puede construir una base de voluntarios que estén dispuestos a contribuir. Si bien los proyectos que se basan en contenido generado por el usuario, como Wikipedia, representan algunos de los logros extraordinarios de nuestro tiempo, dice Riedl, Hunch pregunta a muchos de sus usuarios.
Hunch aún tiene que responder a la pregunta de cómo podría ganar dinero, pero Fake dice que los ingresos probablemente provendrán de los enlaces patrocinados que aparecen junto a los resultados. O si Hunch sugiere una marca particular de computadora portátil, el sitio podría obtener una tarifa de referencia si el usuario compra el dispositivo. Sin embargo, Fake enfatiza que la publicidad solo aparecerá después de que se genere un resultado y no influirá en los productos que sugiere el sitio.
A medida que el sitio mejora, Fake espera que los resultados se sientan cada vez más intuitivos, apropiados e incluso un poco misteriosos. Ella dice, quiero que se sienta como la experiencia de Magic 8 Ball.