El filtrado colaborativo es un método para procesar datos que se basa en el uso de datos de numerosas fuentes para desarrollar perfiles de personas que están relacionadas por gustos y hábitos de gasto similares. Esta técnica se utiliza en varios entornos diferentes. Algunas de las aplicaciones más famosas de filtrado colaborativo se pueden ver en Internet, donde se utiliza para marketing, para predecir los gustos de los usuarios y para seleccionar sitios que dependen de las aportaciones de los usuarios para funcionar.
En un ejemplo simple de cómo funciona el filtrado colaborativo, un sitio web podría querer configurar un sistema de recomendación para programas de televisión. Los usuarios del sitio proporcionan datos cuando inician sesión y enumeran los programas que les gustan. Estos datos, a su vez, se utilizan para identificar usuarios con gustos similares. Si al 75% de las personas a las que les gusta el Programa A les gusta el Programa B, el sistema puede inferir que a las personas a quienes les gusta un programa probablemente les guste el otro. Por lo tanto, cuando un usuario inicia sesión y se identifica como fan del Show A en busca de sugerencias, el sistema puede recomendar el Show B.
Para que el filtrado colaborativo funcione, se necesitan muchos datos. Cuanto mayor sea la población de la que se extraen los datos, más útiles y efectivos serán los datos. Es más probable que pequeñas cantidades de datos terminen con resultados que no son significativos, como conexiones falsas que dan como resultado predicciones deficientes de los gustos. Estos sistemas a menudo sufren un problema de arranque en frío, en el que su desarrollo es lento porque la base de datos debe completarse primero. Los primeros usuarios pueden sentirse frustrados con el sistema porque hace malas recomendaciones ya que no tiene suficientes datos.
El filtrado colaborativo también se utiliza ampliamente en sitios de redes sociales y sitios que proporcionan herramientas como marcadores empresariales, en los que los usuarios comparten y promueven enlaces a sitios que encuentran interesantes. A medida que los usuarios agregan al cuerpo de datos en el sistema, el sistema puede comenzar a hacer recomendaciones que están diseñadas para atraer a los gustos de cada usuario. Por ejemplo, un sitio de marcadores sociales puede generar enlaces aleatorios sobre la base de enlaces y usuarios por los que alguien ha expresado su agrado en el pasado.
Los especialistas en marketing pueden utilizar el filtrado colaborativo para ofrecer a los usuarios un marketing dirigido con mucha precisión. Este marketing personalizado puede ser muy eficaz ya que los usuarios sienten que se les está dirigiendo personalmente y, como resultado, es más probable que acepten recomendaciones. La gran cantidad de datos proporcionados voluntariamente en sitios web como los sitios de redes sociales son un producto candente entre los especialistas en marketing, que compran datos de dichos sitios para desarrollar campañas personalizadas.