Recomendações de pizza em grupo: uma abordagem para aprimorar a experiência do usuário e as vendas em refeições coletivas

Abstract

Em um contexto globalizado, permeado por uma sobrecarga de informações online, os usuários enfrentam desafios consideráveis ao explorar a vasta gama de opções disponíveis. A complexidade desse cenário resulta em experiências de consumo menos eficientes e, por vezes, frustrantes. Diante desse panorama, a personalização e ofertas atrativas emergem como elementos cruciais para aprimorar a conexão entre usuários e itens, visando a melhoria da experiência do consumidor. Empresários, cientes dessa demanda crescente, buscam sistemas capazes de proporcionar recomendações personalizadas, impulsionando tanto as vendas quanto a satisfação do usuário. Este trabalho concentrasse na dinâmica desafiadora das recomendações em atividades coletivas, com foco na sugestão de pizzas. Apresentamos um sistema inovador que propõe um prato coletivo ideal, considerando as preferências individuais de todos os envolvidos. Essa abordagem inovadora utiliza um modelo de recomendação híbrido, incorporando tanto a filtragem colaborativa, através do m´método de fatorização de matrizes com valores latentes, quanto a filtragem baseada em conteúdo, por meio de um algoritmo de agrupamento. A combinação dessas técnicas, através da agregação de preferências, visa criar a pizza perfeita, promovendo uma experiência culinária única e satisfatória para todos os participantes.

In a globalized context, permeated by an overload of online information, users face considerable challenges when exploring the vast array of available options. The complexity of this scenario results in less efficient and often frustrating consumption experiences. In light of this panorama, personalization and attractive offers emerge as crucial elements to enhance the connection between users and items, aiming to improve the consumer experience. Entrepreneurs, aware of this growing demand, seek systems capable of providing personalized recommendations, boosting both sales and user satisfaction. This work focuses on the challenging dynamics of recommendations in collective activities, with a focus on pizza suggestions. We present an innovative system that proposes an ideal collective dish, considering the individual preferences of all participants. This innovative approach uses a hybrid recommendation model, incorporating both collaborative filtering through the matrix factorization method with latent values, and content-based filtering through a clustering algorithm. The combination of these techniques, through preference aggregation, aims to create the perfect pizza, promoting a unique and satisfying culinary experience for all participants.