YouTube, Netflix, Spotify ja Amazon ovat sivustoja, joilla on suuri määrä sisältöä ja juuri ne voisivat hyötyä onnekkaista suosituksista. Denis Kotkov kehitti väitöskirjassaan tavan mitata suosituksen “onnekkuutta” ja algoritmin, joka ehdottaa onnekkaita suosituksia käyttäjille. Onnekkailla suosituksilla voisi parantaa suositusten laatua ja käyttäjätyytyväisyyttä.
YouTube ehdottaa videoita ja Spotify musiikkia käyttäjälle. Tämä johtuu siitä, että näillä sivustoilla on sisältöä niin paljon, että käyttäjän on vaikea löytää kaikkea häntä kiinnostavaa ilman suosituksia. Suositusten tuottamiseksi www-sivustot turvautuvat suosittelujärjestelmiin. Ne ehdottavat erilaisia nimikkeitä käyttäjille, kuten elokuvia, musiikkia tai kirjoja. Yleisesti suosittelujärjestelmä tuntee kunkin käyttäjän vuorovaikutushistorian sivustolla (ostokset, tykkäykset, arviot jne.) ja tuottaa niiden pohjalta personoituja suosituksia käyttäjille.
Onnekas suositus
Suosittelujärjestelmät pystyvät ennustamaan tarkasti mistä nimikkeistä käyttäjä pitää, mutta käyttäjät valittavat usein, että suositukset ovat tylsiä tai liian konservatiivisia. Väitöskirjassaan Denis Kotkov tutki sitä, kuinka suosituksista saataisiin jännittävämpiä, jos ne olisivat ”onnekkaita”.
Suositeltu onnekas nimike on käyttäjälle ennestään tuntematon ja yllättävä, mutta tutustuttuaan siihen käyttäjä pitää siitä. Jos esimerkiksi YouTube suosittelisi sinulle videota, jota et tunne aiemmin (uutuus), etkä usko pitäväsi siitä (et yleensä katsele tällaisia videoita: yllättävyys), mutta katsomisen jälkeen pidät siitä (asiaankuuluvuus), video olisi onnekas suositus sinulle. Onnekkuus voidaan määritellä tarkemmin usealla eri tavalla, koska uutuus ja yllättävyys voidaan määritellä eri tavoin. Voit esimerkiksi yllättyä siitä, että YouTube ei yleensä suosittele sinulle tuollaisia videoita. Lisäksi sama video voi olla eri käyttäjille tuntematon tai tunnettu ja yllättävä tai yhdentekevä, joten kunkin suosituksen onnekkuus on käyttäjäkohtaista.
Onnekkaat suositukset ovat harvinaisia
Kaikkiaan tutkimuksessa voitiin määritellä kahdeksan erilaista onnekkuuden muunnelmaa. Niiden mukaiset suositukset vaikuttavat käyttäjiin eri tavoin, mutta ne kaikki näyttävät laajentavan käyttäjän mieltymyksiä ja olevan samalla jännittäviä. Esimerkiksi katsomalla videosivuston suositteleman onnekkaan videon, laajennat samalla mieltymyksiäsi ja alat näin pitää laajemmasta joukosta videoita.
Suorittamassamme käyttäjätutkimuksessa havaitsimme myös, että onnekkaat suositukset ovat melko harvinaisia. MovieLens-suosittelujärjestelmässä (https://movielens.org) sellaisia nimikkeitä oli potentiaalisesti korkeintaan 8,5 %, kun kaikki onnekkuuden muunnelmat otettiin huomioon. Tämä viittaa siihen, että onnekkaita suosituksia on vaikea muodostaa, mutta niitä kannattaa kuitenkin yrittää luoda ja esittää käyttäjille.
M.Sc. Denis Kotkovin tietojenkäsittelytieteen väitöskirjan ”Serendipity in Recommender Systems” tarkastustilaisuus pidetään 7.6.2018 klo 12 Agoran Alfa-luentosalissa. Vastaväittäjänä toimii apulaisprofessori Konstantinos Stefanidis (Tampereen yliopisto) ja kustoksena professori Jari Veijalainen (Jyväskylän yliopisto). Väitöstilaisuus on englanninkielinen.
Lisätietoja
Denis Kotkov, deigkotk@student.jyu.fi, puh. 040 805 3577,
tiedottaja Kati Valpe, kati.valpe@jyu.fi, puh. 0400 247 458
Tutkimusta ovat osittain tukeneet Suomen Akatemia (päätös #268078, MineSocMed), KAUTE-säätiö ja Jyväskylän yliopisto.
Teos on julkaistu sarjassa Jyväskylä Studies in Computing, Nr. 281, 177 s. Jyväskylä 2018, ISSN: 1456-5390, ISBN: 978-951-39-7437-4, ISBN: 978-951-39-7438-1 (PDF).
Denis Kotkov on syntynyt 1.1.1990 Pietarissa. Hän valmistui Pietarissa toimivasta ITMO-yliopistosta vuonna 2012 asiantuntijaksi tietojärjestelmäteknologioissa ja vuonna 2014 maisteriksi telekommunikaatio- ja informaatioteknologiaa soveltavien palvelujen alalta. Hän on työskennellyt kolmen ja puolen vuoden ajan ohjelmistokehittäjänä Devexperts-yhtiössä Pietarissa vuosina 2010-2014 kehittäen osakemarkkinoilla käytettäviä kaupankäyntiohjelmistoja. Hän aloitti jatko-opinnot Jyväskylän yliopistossa elokuussa 2014.