211service.com
Hunch: een remedie voor besluiteloosheid?
De laatste tijd richten zoekmachines zich meer op het geven van antwoorden op specifieke vragen. Zet bijvoorbeeld het kapitaal van Botswana in de meeste zoekmachines, en ze zullen graag zowel het juiste antwoord als links naar relevante sites produceren. Maar de meeste zoekmachines hebben weinig zin met meer abstracte vragen, zoals Welk boek moet ik lezen? of Wat moet ik maken voor het avondeten?
Ingeving , een website die vandaag voor het publiek wordt gelanceerd, hoopt het antwoord te zijn op deze vragen en nog veel meer.
Hunch begint waar een zoekmachine ophoudt, volgens medeoprichter Caterina Fake , die eerder medeoprichter was van de site voor het delen van foto's Flickr en werkte later aan Yahoo Answers. Fake wijst erop dat een normale zoekmachine een gebruiker die geïnteresseerd is in het kopen van een digitale camera links zou geven naar honderden sites die de nieuwste modellen beoordelen en vergelijken. De gebruiker moet die informatie vervolgens doorzoeken en uitzoeken welke camera voor haar geschikt is.
Hunch daarentegen stelt een paar eenvoudige meerkeuzevragen, waaronder In wat voor soort fotografie ben je geïnteresseerd?, Wil je een 'mikken en schieten', een spiegelreflexcamera of een meetzoekercamera? en Hoeveel zoom heb je? wil? alvorens een specifiek model aan te bevelen.
De site biedt gepersonaliseerde aanbevelingen voor allerlei soorten vragen. Hoewel veel van de vragen die al op de site staan luchtig zijn, zit er serieuze informatica onder de motorkap.
Nadat een gebruiker een account heeft aangemaakt en inlogt op Hunch, heeft ze de mogelijkheid om allerlei vragen te beantwoorden in een vak met het label Teach Hunch About You. Terwijl de gebruiker deze vragen doorneemt, bouwt Hunch stapels gegevens op om te helpen met de aanbevelingen die het doet.
Om haar aanbevelingen te verfijnen, balanceert Hunch de antwoorden van een gebruiker op vragen met informatie uit haar profiel. Gebruikers kunnen aangeven of de aanbevelingen van Hunch goed waren of niet, en deze informatie zal helpen bij het aanpassen van de factoren die de algoritmen van de site in de toekomst sturen.
Fake is van mening dat veel bestaande aanbevelingssystemen, zoals die van Amazon of Netflix, het moeilijk hebben omdat de gegevens die ze verzamelen betrekking hebben op een beperkt aantal onderwerpen. Ze denkt dat het probleem is dat ze alleen de boek- of filmbeoordelingen van gebruikers hebben om mee te werken. Of je nu houdt van Napoleon Dynamiet zou er iets mee te maken kunnen hebben of je als kind veel flipperde, zegt Fake.
Fake ziet Hunch als een groots experiment, maar het succes ervan hangt af van de bereidheid van gebruikers om nieuwe inhoud voor de site te genereren en feedback te geven om de algoritmen te trainen. Hoewel het bedrijf de site met een aantal enquêtevragen en -onderwerpen heeft gezaaid, is het meeste van wat er nu is, door gebruikers zelf toegevoegd tijdens bètatests, zegt Fake.
Vraagmomentje: Hunch stelt gebruikers verschillende vragen om hun oorspronkelijke zoekopdracht te verfijnen.
Naast het beoordelen of een resultaat nuttig was, kunnen gebruikers andere aanbevelingen of verbeteringen aan enquêtes voorstellen. Nieuwe zoekonderwerpen kunnen worden toegevoegd aan een workshopgebied dat moet worden ontwikkeld totdat de stemmen van gebruikers aangeven dat ze nauwkeurig genoeg zijn om als vragen op de bredere site te worden vrijgegeven.
John Riedl , een professor in de computerwetenschappen aan de Universiteit van Minnesota, die aanbevelingssystemen en online samenwerking bestudeert, zegt dat Hunch een fascinerend probleem aanpakt waar academische onderzoekers al heel lang aan werken. Computers zijn geweldig voor het maken van games zoals 20 Questions, zegt hij; Hunch heeft echter te maken met veel meer amorfe problemen. Een enkele vraag kan tientallen mogelijke resultaten hebben, en de informatie die een gebruiker verstrekt, kan een computer niet helpen om duidelijk onderscheid te maken tussen de opties.
Een belangrijk punt, zegt Riedl, zal zijn of de site een basis van vrijwilligers kan opbouwen die bereid zijn een bijdrage te leveren. Terwijl projecten die afhankelijk zijn van door gebruikers gegenereerde inhoud, zoals Wikipedia, enkele van de buitengewone prestaties van onze tijd vertegenwoordigen, zegt Riedl, vraagt Hunch veel van zijn gebruikers.
Hunch heeft nog geen antwoord op de vraag hoe het geld kan verdienen, maar Fake zegt dat inkomsten waarschijnlijk zullen komen van gesponsorde links die naast resultaten verschijnen. Of als Hunch een bepaald merk laptop voorstelt, kan de site een verwijzingsvergoeding krijgen als de gebruiker doorgaat en het apparaat koopt. Fake benadrukt echter dat advertenties pas verschijnen nadat een resultaat is gegenereerd en geen invloed zou hebben op de producten die de site suggereert.
Naarmate de site verbetert, hoopt Fake dat de resultaten steeds intuïtiever, passender en zelfs een beetje mysterieus zullen aanvoelen. Ze zegt: ik wil dat het voelt als de Magic 8 Ball-ervaring.