Imagine uma loja virtual que vende praticamente de tudo, desde carros até CDs.

Agora pense em uma situação divertida, você tem 100 mil dólares e precisa comprar um carro. Que beleza não? Você pede pra loja listar todos os carros com valor entre 50 e 100 mil dólares e compara os carros, mas nenhum te agrada totalmente. Pense o quão irônico seria se esse carro hipotético que te agrada tanto custasse 100 mil dólares e 50 reais. Você não pagaria 50 reais a mais pra ter o carro ideal? Pois é, bancos de dados não compreendem isso, eles não listariam esse carro.

O desenvolvedor poderia até colocar uma função na busca do banco de dados que sempre dá uma margem de uns… 100 reais para qualquer produto, mas imagine como o comprador de CDs de 30 reais vai ficar furioso ao ver produtos de 130 reais em sua busca!

Pra piorar, o desenvolvedor não pode usar porcentagens pra calcular as margens. Uma margem ideal para um CD seria de 5 reais, enquanto de um carro seria de 50, são porcentagens muito diferentes uma da outra.

O mais próximo da realidade seria usar uma função de segundo grau. Quanto maior o preço do protudo, menor a porcentagem da margem de busca. Isso funciona pra carros e CDs, mas não funciona pra… capacitores!

Capacitores tem valor em centavos, ou talvez até reais dependendo do componente. Geralmente são valores bastante baixos, com diferenças minúsculas de um fabricante pra outro, no entanto diferenças que fazem toda a diferença. O nosso sistema hipotético com funções de segundo grau atribui porcentagens maiores pra produtos baratos e menores pra produtos caros. Na compra de 200.000 capacitores, um centavo por capacitor dá uma diferença de 2000 reais na conta final!

A solução do problema seria analisar o comportamento dos compradores, a forma com a qual refinam as buscas após não encontrarem o que desejam e armazenar isso em um banco de dados comportamental. As margens de erro pra buscas seriam calculadas com base no comportamento dos clientes em relação ao produto. Dessa forma, ao buscar capacitores o sistema identifica a quantidade média de capacitores encomendados por cliente, a diferença de preço entre capacitores similares, a forma com a qual os compradores de capacitores refinam suas buscas e etecetera.

Dá trabalho? Nem me pergunte, não sou louco de criar uma coisa dessas. E olha que estamos falando de preços, imagine construir um Google com tecnologia similar! Seria algo próximo da utópica inteligência artificial forte (aquela dos robôs conscientes).

Uma forma de facilitar esse trabalho é com a Web Semântica. Imagine que de alguma forma, todas as suas preferências gerais (gostos, preços, mulheres, carros e etc) estão armazenadas no seu site pessoal. A loja não precisaria manter um banco gigante com informações homogêneas de todos os compradores, ela pode simplesmente consultar o seu banco específico.

Sem dúvida, dá trabalho também. Ninguém é idiota de escrever um banco de dados pessoal com preferências na hora de comprar capacitores, e nem seria prático criar algo assim. O sistema teria que encontrar uma variável dentre as suas preferências “normais” (formas de pagamento, descontos que sempre pede, quanto gasta por mês, quais as marcas prediletas de produtos, etc..) e utilizar na busca.

Esse post foi adicionado em 20/8/2007 at 1:00 am e está registrado em Uncategorized. Você pode acompanhar os comentários desse post através do feed RSS 2.0. Você pode deixar uma resposta, ou adicionar um trackback do seu próprio site.