BREVES

¿eBay como ‘personal shopper’?


Si alguna vez no has sabido qué ponerte por la mañana, quizás te hayas planteado si podrías encargarle la tarea a un algoritmo que te recomendara una buena combinación de prendas.

En pocas palabras, la respuesta es no. Varios grupos han estudiado el problema de los consejos automatizados sobre moda y nadie ha encontrado una buena solución.

Ahora les llega el turno a Anurag Bhardwaj y su equipo de los Laboratorios de Investigación de eBay en San José (EEUU). El equipo ha desarrollado dos sistemas de recomendación de moda, y después ha utilizado el crowdsourcing para preguntar si las recomendaciones eran buenas o no.

Los resultados arrojan datos interesantes sobre la forma en que los humanos evaluamos la ropa, pero también sugiere que las recomendaciones automatizadas sobre moda aún tienen que recorrer un largo camino.

Lo primero que hizo el equipo fue crear dos algoritmos distintos de recomendaciones sobre moda, que entrenaron con un conjunto de datos consistente en más de 13.000 fotografías de moda o modelos tomadas de internet. En cada fotografía la modelo lleva una combinación de prendas en la parte superior e inferior, lo que permite al algoritmo encontrar correlaciones entre las distintas combinaciones de prenda superior y falda.

El primer algoritmo, al que Bhardwaj se refiere como recomendador de moda determinista, evalúa los colores en la parte superior y los compara con los colores de las faldas. Después otorga a cada combinación una calificación que se puede comparar con otras combinaciones de parte superior e inferior. (No han especificado cómo calculan dicha calificación).

Por ejemplo, cuando al algoritmo se le muestra una parte superior en particular, busca en su base de datos una parte inferior que produzca una alta calificación.

El segundo algoritmo usa una regla predeterminada: una prenda con patrones se combina bien con otra que tenga un color liso. «Dicho de otro modo, llevar patrones en la parte superior y en la inferior no es algo muy popular», afirman Bhardwaj y compañía.

Así que, por ejemplo, el algoritmo se asegura de recomendar siempre faldas con colores lisos cuando la parte superior tiene un patrón.

Pero, ¿las recomendaciones en sí son buenas? Para averiguarlo, los investigadores usaron el servicio Mechanical Turk de Amazon para pedir a 150 personas que calificaran las recomendaciones en una escala de mala, neutral, buena o excelente.

Para generar las recomendaciones, presentaron a cada algoritmo una imagen escogida al azar de una base de datos de 1.000 imágenes de faldas. Después los algoritmos tuvieron que elegir una parte superior entre una base de datos de imágenes distinta.

Los resultados mostraron ciertos patrones de preferencia entre los usuarios. Por ejemplo, la gente prefiere combinaciones de falda con color liso y una parte superior con patrón.

Es interesante observar que los usuarios también prefirieron patrones sencillos, como lunares, patrones lisos, rayas o cuadros escoceses, en vez de otros más complejos como patrones de animales, florales, geométricos o diseños de cachemira. Y a la hora de dar la calificación, los usuarios lo hacen más rápido cuando se les presentan patrones simples en vez de otros más complejos.

Bhardwaj y su equipo aseguran que todo esto tiene sentido, ya que desde hace tiempo los neurocientíficos saben que la complejidad de una imagen determina el tiempo que se tarda en procesarla visualmente.

Lo que no está claro es la utilidad que esto pueda tener para desarrollar algoritmos de recomendaciones sobre moda en el futuro. Uno de los problemas potenciales es que Bhardwaj y sus colegas no proporcionan información sobre los usuarios de Mechanical Turk que han participado. No han dado datos sobre la distribución entre hombres y mujeres, sobre los grupos de edad, el origen étnico, etcétera. Estos factores podrían afectar de forma significativa qué prendas se eligen.

Es más, resulta concebible pensar que la gente que elige trabajar en Mechanical Turk forma un grupo especial con características muy específicas en cuanto a moda. Pero esto algo imposible de saber a partir de este estudio.

Hay bastante en juego. Una ventaja de los algoritmos de recomendación es que, si funcionaran bien, podrían incrementar las ventas de forma significativa. Esta ventaja ya la conocen empresas como Amazon, Netflix, Apple y otras similares. La posibilidad de que un algoritmo de recomendaciones sobre moda pudiera ayudar a «vender más productos» a un cliente servirá como motivación para investigar más en este área.

Sin embargo, por el momento una cosa está clara. La construcción de sistemas de recomendaciones sobre moda es una tarea complicada, y probablemente no logre avanzar demasiado durante algún tiempo.

 

[vc_row][vc_column width=»1/1″][vc_column_text]

Fuente: Technology Review

[/vc_column_text][/vc_column][/vc_row][vc_row][vc_column width=»1/1″][vc_raw_html]JTNDc2NyaXB0JTIwdHlwZSUzRCUyMnRleHQlMkZqYXZhc2NyaXB0JTIyJTIwc3JjJTNEJTIyaHR0cCUzQSUyRiUyRmEubGlnYXR1cy5jb20lMkYlM0ZpZHMlM0Q1MzcyNyUyNnQlM0RqcyUyMiUzRSUzQyUyRnNjcmlwdCUzRQ==[/vc_raw_html][vc_row_inner][vc_column_inner width=»1/2″][vc_raw_html]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[/vc_raw_html][/vc_column_inner][vc_column_inner width=»1/2″][vc_raw_html]JTNDaWZyYW1lJTIwYWxsb3d0cmFuc3BhcmVuY3klM0QlMjJ0cnVlJTIyJTIwc3JjJTNEJTIyaHR0cCUzQSUyRiUyRnd3dy5jb2RpZ29iYXJyYXMuY29tJTJGc2hhcmUtaHQlMkZqZWRpcyUyRmFkX3RwbC5waHAlM0ZpYyUzRDI4MCUyNmFtcCUzQnIlM0QxNjA2NCUyMiUyMHdpZHRoJTNEJTIyMzAwJTIyJTIwaGVpZ2h0JTNEJTIyMjUwJTIyJTIwZnJhbWVib3JkZXIlM0QlMjIwJTIyJTIwbWFyZ2lud2lkdGglM0QlMjIwJTIyJTIwbWFyZ2luaGVpZ2h0JTNEJTIyMCUyMiUyMHNjcm9sbGluZyUzRCUyMm5vJTIyJTIwYWxpZ24lM0QlMjJtaWRkbGUlMjIlM0UlM0MlMkZpZnJhbWUlM0UlMjA=[/vc_raw_html][/vc_column_inner][/vc_row_inner][/vc_column][/vc_row]


Leave a Comment

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.