Inveni: un motore di ricerca sociale personalizzato per film e TV

Annuncio pubblicitario

Annuncio pubblicitario
Annuncio pubblicitario

piattaforma di social discovery "Che cosa guardare?" È una frase comunemente sentita in giro per casa mia. Dopo una lunga giornata di lavoro, avviamo Netflix e iniziamo a guardare attraverso le loro molte scelte. Con così tante opzioni è difficile trovare qualcosa che sai che ti piacerà. Netflix ha un motore di consigli che esamina ciò che hai guardato e formula raccomandazioni in base a ciò, ma per me sembra essere un problema. C'è un modo migliore?

Inveni afferma che gli "algoritmi di raccomandazione" dei robot sono morti. Quando un algoritmo può prendere alcune categorie di un film e formulare raccomandazioni basate sulla storia passata, valutazioni e schemi di visualizzazione, è la loro affermazione che i consigli "amici" vecchio stile sono i migliori. Presentato ufficialmente a TechCrunch Disrupt quest'anno, Inveni punta a risolvere questo problema.

piattaforma di social discovery

Quando ti iscrivi a Inveni - utilizzando un nome utente / password normale o tramite Facebook Connect, dovrai prima importare le "valutazioni" passate che hai fatto su altri siti, tra cui Netflix, Blockbuster, IMDB e altri. Queste valutazioni costituiscono una base per le future raccomandazioni.

motore sociale

Quindi procedi a far sapere al servizio quali sono i tuoi film e categorie preferiti. A partire da questo punto, Inveni inizia a consigliare film e spettacoli televisivi in ​​base al tuo interesse.

motore sociale

motore sociale

Per personalizzare ulteriormente i tuoi consigli sui filmati, Inveni ti incoraggia ad invitare i tuoi amici al servizio o a trovare amici che già lo utilizzano.

ricerca sociale

La funzione "trova amici" sembrava aver bisogno di un po 'di lavoro per me. Il modo in cui viene impostato non è solo un problema di sicurezza (poiché cercherà l'elenco di tutti gli utenti, non solo quelli che già conosci, puoi raccogliere elenchi di nomi al di fuori del servizio) ma sembra che ci dovrebbe essere un migliore modo per trovare amici, tramite l'importazione di Twitter o Contatti Google o qualche altro metodo.

ricerca sociale

ricerca sociale

L'integrazione con Netflix è un sogno. Funziona con l'API di Netflix per importare i tuoi consigli esistenti e mostra ciò che è attualmente nella tua coda di DVD e Instant Streaming di Netflix. Puoi passare in modo efficace dal motore di raccomandazione di Netflix e iniziare a utilizzare Inveni per trovare filmati sulla piattaforma Netflix.

piattaforma di social discovery

Degna di nota è l'integrazione della barra degli strumenti di Firefox. Dopo aver installato il plug-in, apparirà (come barra in basso) su decine di siti che elencano film come Amazon, Netflix, Best Buy e altri. Questo ti offre un modo integrato per scoprire quali film sono stati valutati dalla community di Inveni e anche di aggiungere le tue valutazioni ai film, rendendoli quindi più accurati nei suoi consigli.

Detto questo, penso che Inventi sia intenzionato a qualcosa. Anche se nella sua attuale configurazione, con la maggior parte delle valutazioni ottenute da Netflix o da altri servizi, non sono sicuro di come differisca da qualsiasi altro servizio di "algoritmo di robot", ma affermano che una volta che hai configurato una rete il motore di raccomandazione è più pesantemente influenzato dagli amici che dagli algoritmi.

Solo una volta aggiunto il fattore social, il servizio inizia a differenziarsi e, con la mancanza di un'ampia base di utenti al momento, è difficile sostenere che funzioni meglio dello stesso Netflix. Se dovessi dare una raccomandazione alla società, sarebbe meglio ottenere un'integrazione migliore con Twitter e altri social network per "allargare la rete", per così dire, e far entrare il maggior numero possibile di amici nel servizio. Fino ad allora, servizi come [NO LONGER WORKS] Fflick sono semplicemente più facili da usare.

Usi Inveni? Come trovi le raccomandazioni rispetto a ciò che troveresti in un motore di raccomandazione "tradizionale"?

In this article