Motor de recomendación de contenido Volumen del mercado

Análisis de mercado del motor de recomendación de contenido

Se espera que el mercado de motores de recomendación de contenidos alcance una tasa compuesta anual del 25 % durante el período previsto 2020-2025. Los motores de recomendación de contenido existen desde hace algún tiempo y se mejoran y actualizan continuamente para brindar servicios según las preferencias individuales del usuario. Utiliza Inteligencia Artificial para identificar y categorizar contenidos por temas. Sin embargo, a pesar de la considerable cantidad de investigaciones realizadas en el contexto de los sistemas de recomendación, el problema específico de integrar etiquetas en los algoritmos estándar de los sistemas de recomendación, especialmente los basados ​​en contenido, se explora menos que el problema de recomendar etiquetas. Las folksonomías brindan nuevas oportunidades en el campo de los sistemas de recomendación que pueden contribuir a un crecimiento significativo

• El avance de la digitalización en las economías emergentes impulsa el mercado. El número de personas en todo el mundo que utilizan Internet ha aumentado hasta alrededor de 4.540 millones, lo que supone un aumento del 7 % (298 millones de nuevos usuarios) en comparación con enero de 2019 (fuente Global Web Index). Además, en enero de 2020 había 3.800 millones de usuarios de redes sociales y esta cifra aumenta más del 9 % anualmente (321 millones de nuevos usuarios). Además, en las compras de comercio electrónico en línea a través de dispositivos móviles en el tercer trimestre de 2019, Indonesia, Tailandia y Filipinas tuvieron el mayor número de usuarios con 80%, 69% y 66%, respectivamente. Estas tendencias están centrando a los jugadores en la adopción de un motor de recomendación de contenido para aumentar los ingresos, la retención y el tráfico.
• Además, la ventaja en funcionalidad sobre el filtrado colaborativo impulsa el mercado. Los recomendadores basados ​​en contenido aprovechan únicamente las calificaciones proporcionadas por el usuario activo para crear su propio perfil. En cambio, los métodos de filtrado colaborativo necesitan calificaciones de otros usuarios para encontrar los vecinos más cercanos del usuario activo. Además, los recomendadores basados ​​en contenido son capaces de recomendar elementos que aún no han sido calificados por ninguno de los usuarios. Como consecuencia, no sufren el problema de primera categoría, que afecta a los recomendadores colaborativos, que se basan únicamente en las preferencias de los usuarios para hacer recomendaciones.
• Sin embargo, el análisis de contenido limitado es un desafío importante para el crecimiento del mercado. Las técnicas basadas en contenidos tienen un límite natural en el número y tipo de características asociadas, ya sea automática o manualmente, con los objetos que recomiendan. Para ello se necesita conocimiento del dominio. Ningún sistema de recomendación basado en contenido puede proporcionar sugerencias adecuadas si el contenido analizado no contiene datos suficientes para discriminar los elementos que le gustan al usuario de los que no le gustan. En resumen, la asignación automática y manual de características a los elementos podría no ser suficiente para definir aspectos distintivos de los elementos que resultan necesarios para despertar el interés del usuario.
• Además, durante la pandemia de COVID-19, el mercado no se ha desacelerado ya que la tasa de retención para el sector del comercio electrónico, los medios y el segmento de entretenimiento ha aumentado considerablemente, lo que favorece la adopción de la plataforma del motor de recomendación de contenido. Accenture dice que esperan un aumento del 160% en las compras de comercio electrónico por parte de compradores nuevos y de baja frecuencia. Además, el aumento de la penetración de la plataforma OTT ha impulsado el mercado. En India, es más probable que la mayoría de los usuarios opten por una suscripción de audio OTT paga, solo si los cargos son de aproximadamente 25 rupias por mes, y agrega que el 62 por ciento de los consumidores encuestados están dispuestos a cambiar a modelos de suscripción paga durante el período de la pandemia.