Investigadores de la Universidad Politécnica de Madrid y Bankinter Labs han desarrollado un sistema que sugiere a los usuarios de móvil aquellos establecimientos comerciales que se ajustan mejor a sus preferencias. Para ello la aplicación analiza los patrones de consumo y el comportamiento del usuario.

Aplicación móvil Android desarrollada que muestra los resultados de una recomendación personalizada de restaurantes. Autor: Daniel Gallego Vico

La aplicación muestra los resultados de una recomendación personalizada de restaurantes. / Daniel Gallego Vico.

UPM
|

15 abril 2013 09:14

Como resultado de una investigación realizada en la Escuela Técnica Superior de Ingenieros de Telecomunicación de la Universidad Politécnica de Madrid (UPM), en colaboración con Bankinter Labs, se ha desarrollado una aplicación que analiza patrones y tendencias de consumo, así como actividades y comportamiento derivadas del uso del móvil, para proporcionar recomendaciones personalizadas a usuarios sobre distintos tipos de comercios que se adapten a su perfil e intereses.

Tradicionalmente, las entidades bancarias se han mostrado más partidarias de sacar provecho a la ingente cantidad de datos que poseen sobre los clientes para realizar análisis internos o comercialización de productos bancarios, que de obtener información de los mismos de forma que aporte valor al usuario final.

Con los resultados obtenidos en este estudio, además de lograr dar un beneficio directo a los clientes finales mediante el uso de los datos existentes en el banco, se consigue mitigar la clásica desconfianza que los sistemas de recomendación basados en opiniones personales o impresiones subjetivas suelen provocar, pues la fuente de datos de las recomendaciones es una entidad bancaria claramente contrastada.

Para llegar a emitir una recomendación el sistema analiza tres aspectos. Por un lado, se lleva a cabo una segmentación de clientes del banco para construir un conjunto de ‘grupos sociales’ que representan los distintos tipos de patrones o perfiles de consumo existentes, y que dan información sobre el tipo de comercios al que cada tipo de cliente suele acudir.

Por otra parte, y una vez que se conoce el perfil del usuario objetivo y qué clientes del banco son similares a él, se analiza su patrón de comportamiento y su contexto personal gracias al uso de la aplicación móvil implementada que es instalada en su smartphone: por dónde se mueve entre semana o en fin de semana, a qué horas trabaja o está en casa, o por ejemplo si está de viaje fuera de su ciudad habitual.

Adicionalmente, se analizan los intereses y gustos del usuario, así como su perfil de pagos, para conocer qué tipo de productos o servicios consume habitualmente.

Finalmente, el sistema es capaz de recomendar al usuario sobre diferentes categorías de comercios –restaurantes, cines, tiendas de ropa, supermercados, etc.– así como aprender del uso que éste hace del mismo para conseguir hacer cada vez más precisas las recomendaciones generadas.

La aplicación se ha desarrollado para smartphones Android utilizando Java como lenguaje de programación tanto para el motor de recomendación en el lado servidor, como para la aplicación cliente en el terminal móvil.

Cabe mencionar que se han llevado a cabo pruebas con datos reales proporcionados por Bankinter consistentes en más de 2,5 millones de pagos con tarjeta del año 2010, así como información sobre los 222.000 comercios españoles y 34.000 perfiles anónimos de clientes asociados a ellas.

Los resultados, presentados en la Third FTRA International Conference on Mobile, Ubiquitous, and Intelligent Computing de Barcelona, han reflejado una aceptación muy alta por parte de los clientes del banco que la probaron, así como predisposición a utilizar este sistema en su vida diaria debido al grado de confianza y utilidad que este tipo de recomendaciones basadas en datos reales aporta.

Referencia bibliográfica:

Gallego, D; Huecas, G. “An Empirical Case of a Context-aware Mobile Recommender System in a Banking Environment”. Third FTRA International Conference on Mobile, Ubiquitous, and Intelligent Computing (MUSIC): 13-20, 2012. DOI: 10.1109 /MUSIC.2012.11. 2012 . 

Dejar respuesta

Please enter your comment!
Please enter your name here