Recomendaciones con IA para una plataforma de arte digital
Convertimos datos reales de usuario en sistemas inteligentes y escalables que resuelven problemas de negocio concretos.
Sparsity colaboró en el diseño y la construcción de un motor de recomendación capaz de sugerir obras personalizadas (pintura, ilustración y fotografía) a sus usuarios. El objetivo: ayudar a la gente a descubrir piezas que le enamoren y, a la vez, dar visibilidad real a los artistas emergentes de la plataforma.
Recomendar es un problema mucho más difícil de lo que parece. Si lo haces mal, los usuarios ven una y otra vez el mismo artista, la misma colección y el mismo estilo. Si lo haces bien, la plataforma se convierte en un auténtico motor de descubrimiento. Nuestro equipo lo abordó desde dos ángulos complementarios.
Filtrado colaborativo, que aprende de cómo interactúan realmente los usuarios con el contenido (me gusta, listas, tiempo dedicado a mirar una pieza) para recomendar obras que han disfrutado personas con gustos parecidos. Partiendo de métodos sencillos basados en distancias, avanzamos progresivamente hacia la factorización de matrices, una técnica que descubre patrones ocultos en el comportamiento de los usuarios y escala de forma eficiente a catálogos grandes. La mejora fue medible: nuestra métrica de evaluación (AUC) pasó de 0,76 con los primeros modelos a 0,93 con el enfoque refinado, y las recomendaciones ganaron una diversidad notable entre artistas y colecciones.
Filtrado basado en contenido, que mira la propia obra (etiquetas, descripciones y biografías de los artistas) convertida en representaciones numéricas mediante embeddings generados con IA. Este enfoque es esencial para resolver el problema del "arranque en frío": los artistas recién llegados y las piezas recién subidas todavía no tienen historial de interacción, pero se pueden recomendar igualmente solo por su contenido, ayudando a que los nuevos creadores se descubran desde el primer día. Combinar ambos enfoques en una única librería de recomendación eficiente da a la plataforma un sistema que se adapta a los gustos de los usuarios consolidados sin dejar de ser justo con los artistas nuevos y emergentes, un equilibrio crítico para cualquier mercado creativo sano.