सिफारिस गर्ने फ्रेमवर्कहरू आज सूचना विज्ञानको सबैभन्दा प्रसिद्ध उपयोग मध्ये एक हो। तपाईले सिफारिसकर्ता फ्रेमवर्कहरू लागू गर्न सक्नुहुन्छ जहाँ धेरै ग्राहकहरूले धेरै चीजहरूसँग सहकार्य गर्छन्। सिफारिसकर्ता फ्रेमवर्कहरूले ग्राहकहरूलाई चीजहरू लेख्छन्, उदाहरणका लागि, पुस्तकहरू, चलचित्रहरू, रेकर्डिङहरू, इलेक्ट्रोनिक वस्तुहरू, र धेरै फरक वस्तुहरू।
अहिलेको संस्कृतिमा किन हामीलाई सिफारिसकर्ता ढाँचा चाहिन्छ भन्ने पछाडि एउटा प्रमुख प्रेरणा भनेको इन्टरनेटको व्यापकताका कारण व्यक्तिहरूसँग प्रयोग गर्ने धेरै विकल्पहरू छन्। पहिले, व्यक्तिहरूले वास्तविक स्टोरमा किनमेल गर्थे, जहाँ पहुँचयोग्य चीजहरू प्रतिबन्धित छन्। विडम्बनापूर्ण रूपमा, आजकल, इन्टरनेटले व्यक्तिहरूलाई वेबमा प्रशस्त सम्पत्तिहरू प्राप्त गर्न अनुमति दिन्छ। नेटफ्लिक्स, उदाहरणका लागि, चलचित्रहरूको एक ठूलो वर्गीकरण छ। पहुँचयोग्य डाटाको मापन विस्तार भए तापनि, अर्को मुद्दा देखा पर्यो जब व्यक्तिहरूले वास्तवमै हेर्नु पर्ने चीजहरू छनौट गर्न संघर्ष गरिरहेका थिए। यो ठाउँ हो जहाँ सिफारिसकर्ता फ्रेमवर्क आउँछ।
सिफारिसकर्ता फ्रेमवर्कले हालको इन्टरनेट व्यापार उद्योगमा महत्त्वपूर्ण भाग लिन्छ। लगभग हरेक महत्त्वपूर्ण-टेक संगठनले केहि संरचना वा अन्यमा सिफारिसकर्ता फ्रेमवर्कहरू लागू गरेको छ। अमेजनले यसलाई ग्राहकहरूलाई वस्तुहरू प्रस्ताव गर्न प्रयोग गर्दछ, YouTube ले यसलाई अटोप्लेमा अर्को कुन भिडियो प्ले गर्ने छनोट गर्न प्रयोग गर्दछ, र फेसबुकले यसलाई पृष्ठहरू लाईक गर्न र व्यक्तिहरूलाई फलो गर्न सिफारिस गर्न प्रयोग गर्दछ। Netflix र Spotify जस्ता केही संस्थाहरूको लागि, कार्य योजना र यसको समृद्धि तिनीहरूको प्रस्तावहरूको शक्तिको वरिपरि घुम्छ। यस्तो ढाँचाहरू सिर्जना गर्न र राख्नको लागि, एउटा संगठनलाई सामान्यतया महँगो सूचना अनुसन्धानकर्ताहरू, र डिजाइनरहरूको भेला चाहिन्छ। सुझाव फ्रेमवर्कहरू Amazon र Netflix जस्ता संस्थाहरूका लागि महत्त्वपूर्ण र महत्त्वपूर्ण यन्त्रहरू हुन्, जुन दुवैलाई तिनीहरूको अनुकूलित ग्राहक मुठभेडका लागि चिनिन्छ। यी संस्थाहरू मध्ये प्रत्येकले ग्राहकहरूबाट खण्ड जानकारी सङ्कलन र जाँच गर्दछ र यसलाई विगतका खरिदहरू, वस्तु मूल्याङ्कनहरू, र ग्राहक व्यवहारबाट डेटामा थप्छ। यी सूक्ष्मताहरू त्यसपछि क्लाइन्टहरूले सम्बन्धित वस्तुहरूको सेटलाई कसरी मूल्याङ्कन गर्नेछन्, वा ग्राहकले अतिरिक्त वस्तु खरिद गर्ने सम्भावना कति छ भनेर अनुमान गर्न प्रयोग गरिन्छ।
अत्यधिक अनुकूलित प्रस्तावहरू र अपग्रेड गरिएको ग्राहक अनुभवको कारणले विस्तार गर्ने सम्झौताहरूको वरिपरि सिफारिसकर्ता फ्रेमवर्क केन्द्रको प्रयोग गर्ने संगठनहरू। प्रस्तावहरूले सामान्यतया खोजहरूलाई गति दिन्छ र ग्राहकहरूलाई उनीहरूले उत्सुक रहेको सामग्री प्राप्त गर्न सजिलो बनाउँदछ र उनीहरूलाई उनीहरूले कहिल्यै नहेरेका प्रस्तावहरूको साथ स्तब्ध बनाउँछन्। ग्राहकले चिनेको र बुझेको महसुस गर्न थाल्छ र अतिरिक्त वस्तुहरू खरिद गर्न वा थप पदार्थ खान बाध्य हुन्छ। ग्राहकलाई के चाहिन्छ भनेर बुझेर, संगठनले माथिल्लो हात प्राप्त गर्दछ र ग्राहकलाई प्रतियोगीलाई गुमाउने खतरा कम हुन्छ। यसबाहेक, यसले संस्थाहरूलाई उनीहरूका प्रतिद्वन्द्वीहरूको अगाडि आफूलाई स्थान दिन र अन्तमा उनीहरूको आम्दानी बढाउन अनुमति दिन्छ।
त्यहाँ विशिष्ट प्रकारका सिफारिसकर्ता फ्रेमवर्कहरू छन्, उदाहरणका लागि, सामग्री-आधारित, समुदाय अलग गर्ने, आधा नस्ल सिफारिसकर्ता फ्रेमवर्क, खण्ड र वाचवर्ड आधारित सिफारिसकर्ता फ्रेमवर्क। प्रत्येक प्रकारको सुझाव ढाँचामा विभिन्न विशेषज्ञहरूद्वारा गणनाको वर्गीकरण प्रयोग गरिन्छ। यस विषयमा कामको एक पार्सल गरिएको छ, अझै पनि, यो सूचना अनुसन्धानकर्ताहरू बीच एक अत्यन्तै मनपर्ने बिन्दु हो।
सिफारिसकर्ता ढाँचा निर्माण गर्नको लागि सूचना सबैभन्दा महत्त्वपूर्ण स्रोत हो। सामान्यतया, तपाइँ तपाइँको ग्राहकहरु र चीजहरु को बारे मा केहि अन्तर्दृष्टि जान्न आवश्यक छ। तपाईको स्वामित्वमा डेटा अनुक्रमणिका जति ठूलो हुन्छ, तपाईको फ्रेमवर्कले राम्रोसँग काम गर्नेछ। ग्राहकहरूको थोरै व्यवस्थाको लागि आधारभूत सिफारिसकर्ता ढाँचा हुनु होशियार छ, र ग्राहक आधार विकास भएपछि सबै थप उल्लेखनीय विधिहरूमा स्रोतहरू राख्नु होशियार छ।
वेबमा वस्तुहरूको बढ्दो संख्याको रूपमा पहुँचयोग्य हुन्छ, प्रस्ताव मोटरहरू अनलाइन व्यापारको अन्तिम भाग्यको लागि आवश्यक हुन्छन्। यस आधारमा मात्र होइन कि उनीहरूले ग्राहक सम्झौताहरू र सञ्चारमा वृद्धि गर्न मद्दत गर्छन्, तर यसका अतिरिक्त उनीहरूले संस्थाहरूलाई उनीहरूको स्टकबाट छुटकारा पाउनको लागि सहयोग गरिरहनेछन् ताकि उनीहरूले ग्राहकहरूलाई वास्तवमै मनपर्ने वस्तुहरू आपूर्ति गर्न सक्छन्।