Il filtraggio collaborativo è un metodo di elaborazione dei dati che si basa sull’utilizzo di dati provenienti da numerose fonti per sviluppare profili di persone che sono legate da gusti e abitudini di spesa simili. Questa tecnica viene utilizzata in una serie di impostazioni diverse. Alcune delle più famose applicazioni di filtraggio collaborativo possono essere viste su Internet, dove viene utilizzato per il marketing, per prevedere i gusti degli utenti e per curare i siti che si basano sull’input degli utenti per funzionare.
In un semplice esempio di come funziona il filtro collaborativo, un sito Web potrebbe voler impostare un sistema di raccomandazione per i programmi televisivi. Gli utenti del sito forniscono i dati al momento dell’accesso ed elencano gli spettacoli che preferiscono. Questi dati vengono a loro volta utilizzati per identificare utenti con gusti simili. Se il 75% delle persone a cui piace lo spettacolo A piace lo spettacolo B, il sistema può dedurre che le persone a cui piace uno spettacolo probabilmente amano l’altro. Pertanto, quando un utente accede e si identifica come fan di Show A in cerca di suggerimenti, il sistema può consigliare Show B.
Affinché il filtro collaborativo funzioni, sono necessari molti dati. Più grande è la popolazione da cui vengono estratti i dati, più utili ed efficaci saranno i dati. Piccole quantità di dati hanno maggiori probabilità di finire con risultati non significativi, come false connessioni che si traducono in scarse previsioni dei gusti. Tali sistemi spesso soffrono di un problema di avvio a freddo, in cui sono lenti a svilupparsi perché il database deve essere prima popolato. I primi utenti potrebbero sentirsi frustrati dal sistema perché fa raccomandazioni sbagliate poiché non dispone di dati sufficienti.
Il filtro collaborativo è anche ampiamente utilizzato sui siti di social network e sui siti che forniscono strumenti come il bookmarking aziendale, in cui gli utenti condividono e promuovono collegamenti a siti che trovano interessanti. Man mano che gli utenti aggiungono al corpo di dati nel sistema, il sistema può iniziare a formulare raccomandazioni progettate per soddisfare i gusti di ciascun utente. Ad esempio, un sito di social bookmarking potrebbe generare collegamenti casuali sulla base di collegamenti e utenti per i quali qualcuno ha espresso simpatia in passato.
I professionisti del marketing possono utilizzare il filtro collaborativo per fornire agli utenti un marketing mirato in modo molto preciso. Questo marketing personalizzato può essere molto efficace in quanto gli utenti hanno la sensazione di essere indirizzati personalmente e, di conseguenza, è più probabile che accettino consigli. Le grandi quantità di dati fornite volontariamente su siti Web come i siti di social network sono un prodotto caldo tra i professionisti del marketing, che acquistano dati da tali siti per sviluppare campagne personalizzate.