En quelques années, Netflix est devenue la plus grande plateforme de vidéo en streaming par abonnement. Non seulement, elle croule sous les succès (en terme d’abonnements), mais elle ne cesse d’investir sans compter dans des productions originales pour se démarquer des concurrents (les chaînes câblées américaines notamment). Des productions dont (…)
Sur le blog de sa société, Christophe Burger de la société TasteHit, qui développe un moteur de recommandation de produits, revient sur les limites des moteurs de recommandation. Il est difficile de plaire à tout le monde, rappelle le développeur. Si les systèmes de recommandations fonctionnent bien pour la plupart (…)
L’artiste et écrivain Joanne McNeil (@jomc, dont nous avons plusieurs fois parlé) revient pour Medium sur les personnes que nous recommandent les réseaux sociaux. Il y a quelques années sur Last.fm, quand le site a introduit la fonctionnalité permettant de trouver des utilisateurs ayant des goûts similaires, l’avatar de l’ex-petite amie de (…)
Stuart Dredge pour le Guardian revient sur les limites de Spotify, le célèbre service d’abonnement musical en streaming. Il utilise le service depuis 2008 et il est devenu son principal service de lecture de musique. Il a demandé à Spotify son “profil de goût”, c’est-à-dire le profil musical qu’il détient (…)
Romain Bigay pour l’IRMA (le Centre d’information et de ressources pour les musiques actuelles) livre un très bon dossier sur la transformation de nos pratiques d’écoute de musique. En France, 93 % des consommateurs de musique le font en streaming, écoutant en moyenne 17 morceaux de musique par semaine. Le comportement (…)
Difficile de faire de la recommandation ou du ciblage publicitaire précis sur les navigateurs et ordinateurs utilisés par plusieurs personnes d’une même famille ou d’un même bureau. Et bien cela devrait s’améliorer, rapporte Arxiv pour la Technology Review… Des chercheurs du MIT ont étudié les comptes partagés de 600 utilisateurs (…)
Les recommandations des utilisateurs ? Oubliez ! L’avenir consiste à analyser les millions d’images que les gens échangent pour en tirer des critères de recommandation explique le CTO de Jetpac à la Technology Review, qui propose des guides urbains en puisant de l’information depuis les photos que les utilisateurs partagent sur Instagram (…)
Demain, existera-t-il une application capable d’optimiser vos tweets pour qu’ils soient plus retweetés en identifiant mieux à qui les envoyer selon le sujet qu’ils évoquent ? Certainement, estiment des chercheurs qui ont utilisé ce procédé pour améliorer le taux de RT d’une information locale de 600 %. Via la Technology Review.
L’entreprise Mortar Data a mis en open source (sur GitHub) sa plateforme de moteur de recommandation, rapporte Klint Finley pour Wired. Jusqu’à présent, pour construire un moteur de recommandation, les entreprises avaient deux possibilité : en utiliser un tout fait (et l’acheter ou acheter son utilisation) ou construire le leur par (…)