Plus de 200 millions d’utilisateurs qui se connectent chaque mois sur LinkedIn. Ce réseau social a la lourde tâche de collecter, traiter et servir les données avec précision. Il existe de nombreux modèles d’apprentissage automatique de pointe. Cependant les ingénieurs de LinkedIn ont été suffisamment flexibles. En effet, ils ont combiné ces stratégies classiques avec leurs outils internes afin d’obtenir de meilleurs résultats. LinkedIn utilise ainsi des algorithmes de recommandation crées en interne.
Qu’est-ce qu’un algorithme de recommandation ?
Un algorithme de recommandation est une sous-classe des systèmes de filtrage de l’information. Ces algorithmes cherchent à prédire la note ou la préférence qu’un utilisateur pourrait donner à un article. En d’autres termes, il s’agit d’un algorithme qui suggère des éléments pertinents aux utilisateurs. Nous pouvons prendre l’exemple de Netflix : quel film regarder ? Dans le cas du e-commerce : quel produit acheter ? Ou encore dans le cas de kindle : quel livre lire … ?
Cas d’utilisation des algorithmes de recommandation de LinkedIn
Les cas d’utilisation sont nombreux. En voici quelques-uns :
A. Contenu personnalisé : Aide à améliorer l’expérience sur LinkedIn en créant des recommandations dynamiques pour différents types de public.
B. Meilleure expérience de recherche de job ou de membres : Aide à classer les membres et postes en fonction de leurs caractéristiques.
Les différents types d’algorithmes de recommandation LinkedIn
Filtrage basé sur le contenu
Dans ce type de système de recommandation, les publications et les membres LinkedIn pertinents sont affichés en utilisant le contenu des éléments précédemment recherchés ou liké par les utilisateurs. Dans ce type de système, les publications et les profils des membres sont étiquetés à l’aide de certains mots-clés, puis le système essaie de comprendre ce que l’utilisateur veut et cherche dans sa base de données pour finalement essayer de recommander différents contenus que l’utilisateur souhaite voir.
Prenons l’exemple d’un système de recommandation de films dans lequel chaque film est associé à son genre qui, dans le cas ci-dessus, est appelé étiquette/attributs. Supposons maintenant que l’utilisateur A se présente et qu’au départ, le système ne dispose d’aucune donnée sur cet utilisateur. Dans un premier temps, le système tente de recommander les films populaires aux utilisateurs ou d’obtenir des informations sur l’utilisateur en lui faisant remplir un formulaire. Au bout d’un certain temps, les utilisateurs peuvent avoir donné une note à certains des films, par exemple une bonne note aux films d’action et une mauvaise note aux films d’animation. Le système recommande donc aux utilisateurs des films d’action. Mais ici, vous ne pouvez pas dire que l’utilisateur n’aime pas les films d’animation. En effet, il se peut qu’il n’aime pas ce film pour d’autres raisons. Comme le jeu d’acteur ou l’histoire, mais qu’il aime en fait les films d’animation. Ce qui nécessite plus de données dans ce cas ci.
Le filtrage collaboratif
La recommandation de nouveaux membres ou publications aux utilisateurs en fonction de l’intérêt et de la préférence d’autres utilisateurs similaires est essentiellement un filtrage basé sur la collaboration. Par exemple, lorsque nous faisons des achats sur Amazon, le site recommande de nouveaux produits en disant « Le client qui a acheté ceci a aussi acheté ».
Cela permet de surmonter l’inconvénient du filtrage basé sur le contenu, car il utilise l’interaction de l’utilisateur au lieu du contenu des éléments utilisés par les membres. Pour cela, il a seulement besoin de l’historique de navigation et d’interaction des utilisateurs. Sur la base des données historiques, en supposant que l’utilisateur qui a accepté dans le passé a tendance à accepter également dans le futur.
Lire également l’article : SSI LinkedIn, qu’est-ce que c’est et comment l’augmenter ?
Exemples d’endroits sur LinkedIn où sont utilisé des algorithmes de recommandation
- Dans le moteur de recherche avancée de LinkedIn :
Résultats basés sur les mots clés de votre recherche, sur votre réseau (1er, 2eme, 3ème niveau ainsi que les groupes), sur votre secteur géographique
- Dans l’onglet Réseau : « Personnes que vous pourriez connaître » :
Ici LinkedIn vous recommande des personnes en fonction de votre secteur d’activité, géographique, mot clés sur votre profil, réseau …)
- Votre fil d’actualité :
Les publications et publicités que vous voyez sont basés sur vos interactions avec les membres et en fonction des hashtags et groupes que vous suivez
- Sur votre profil « Les membres ont aussi vu » : Ce sont des profils similaires au vôtre. Exemple un site e-commerce, j’ai acheté ce pantalon, il me propose le pull que les autres utilisateurs ont achetés juste après.
- Les offres d’emploi : Basées sur vos recherches, votre profil et situation géographique
CONCLUSION
Vous souhaitez savoir comment vous pouvez faire fonctionner l’algorithme de recommandation en votre faveur ? Interagissez un maximum et de façon authentique et non biaisé sur la plateforme pour avoir des résultats pertinents. Si vous souhaitez aller plus loin dans votre visibilité sur LinkedIn : Contactez-moi !
