ajánlórendszer

angolul: Recommender System

alapelterjedt

Olyan program, amely a korábbi viselkedésed és a hozzád hasonló emberek döntései alapján megtippeli, mi érdekelhet, és azt teszi eléd.

Érthetően

Gondolj a kedvenc könyvesboltod eladójára, aki évek óta ismer: tudja, mit vettél legutóbb, és azt is, mit vittek azok, akiknek hasonló az ízlésük. Amikor belépsz, már nyúl is a polc felé. Az ajánlórendszer ugyanezt csinálja, csak egyszerre több millió vásárlóval és több millió termékkel.

Arra való, hogy a túl nagy kínálatból kiválogassa azt a néhány tucat filmet, dalt, terméket, hírt vagy álláshirdetést, amelyre a legnagyobb eséllyel rákattintasz. Enélkül egy streamingszolgáltató vagy webáruház kínálata átláthatatlan lenne.

A keresőtől abban különbözik, hogy nem kell kérdezned: magától ajánl. Fontos tudnod, hogy nem feltétlenül azt keresi, ami neked a legjobb, hanem azt, amit az üzemeltető célként megadott neki. Ez lehet a vásárlás, a képernyő előtt töltött idő vagy a kattintások száma.

Hogyan működik

Adatgyűjtés: a rendszer feljegyzi, mit néztél meg, mit vettél meg, mire kattintottál, mit görgettél át, mennyi ideig maradtál egy tartalomnál, és mit értékeltél.
Hasonlóságok keresése: megnézi, kik viselkednek hozzád hasonlóan, és ők mit kedveltek még (ezt hívják együttműködő szűrésnek). Azt is vizsgálja, mely tartalmak hasonlítanak azokra, amelyeket szerettél (ez a tartalomalapú szűrés).
Jelöltek kiválasztása: a több millió lehetőségből gyorsan leszűkíti a kört néhány száz esélyesre.
Rangsorolás: egy gépi tanulási modell megbecsüli mindegyik jelöltnél, mekkora eséllyel kattintasz rá vagy veszed meg, és eszerint sorba rendezi őket. Ebbe üzleti szempontok is beleszólhatnak, például az árrés vagy a fizetett kiemelés.
Visszacsatolás: amit az ajánlatokkal kezdesz, az újabb adat lesz, így a rendszer folyamatosan tanul belőled.

Példa a mindennapokból

Este megnyitod a Netflixet, és a kezdőlapon a „Neked ajánljuk” sorban épp olyan krimisorozatok várnak, amilyeneket az elmúlt hetekben néztél. Ugyanez történik, amikor a webáruház egy termék oldalán kiírja: „Akik ezt megvették, ezeket is megvették.”

Kit érint

mindenkiA közösségi média hírfolyamától a zenei lejátszási listákig nagyrészt ajánlórendszerek döntik el, mit látsz és mit nem.

marketingesA terméked vagy tartalmad láthatósága azon múlik, hogy a platformok ajánlórendszere kinek és milyen gyakran mutatja meg. → Marketing

vállalkozó, vezetőEgy jól beállított ajánló a webáruházban növelheti a kosárértéket és a visszatérő vásárlók számát.

szülő, diák, tanárA gyerekek videós és közösségi alkalmazásaiban az ajánló határozza meg, milyen tartalom következik, és mennyi időre köti le őket. → Oktatás és család

Gyakori félreértés

TévhitAz ajánlórendszer lehallgat, ezért tudja, miről beszélgettem tegnap.

ValójábanA találó ajánlatokhoz általában elég a kattintásaid, kereséseid, vásárlásaid és a hozzád hasonló felhasználók viselkedésének elemzése. Ezekből a mintákból meglepően sok minden kikövetkeztethető rólad.

Korlátok és kockázatok

Az ajánló az üzemeltető célját szolgálja (például a nézési időt vagy az eladást), ami nem mindig esik egybe a te érdekeddel.
Könnyen szűrőbuborékba zárhat: egyre több ugyanolyat mutat, és kevesebb újdonsággal vagy eltérő nézőponttal találkozol.
Új felhasználónál és új terméknél gyengén teljesít, mert még nincs elég adata (ez a hidegindítás problémája).
A működéséhez sok személyes adat kell, és a viselkedésedből érzékeny dolgokra is következtethet, például az egészségi állapotodra vagy az anyagi helyzetedre.

Hasonló, de nem ugyanaz

keresőmotor – A kereső a beírt kérdésedre válaszol, az ajánlórendszer kérés nélkül, a viselkedésed alapján kínál valamit.
célzott hirdetés – A hirdetésnél egy hirdető fizet azért, hogy eléd kerüljön, az ajánló viszont a platform saját kínálatából válogat, bár a kettő a gyakorlatban sokszor keveredik.
perszonalizáció – A perszonalizáció tágabb fogalom, minden személyre szabást jelent (például árat, elrendezést, e-mailt), az ajánlórendszer ennek egyik eszköze.

Kapcsolódó fogalmak

Tágabb

gépi tanulás, perszonalizáció, mesterséges intelligencia

Szűkebb

együttműködő szűrés, tartalomalapú szűrés, hibrid ajánlórendszer

Rokon

szűrőbuborék, keresőmotor, célzott hirdetés, profilalkotás, beágyazás

Röviden a története

Az együttműködő szűrés kifejezés 1992-ben jelent meg, a Xerox PARC kutatóinak Tapestry nevű levélszűrő rendszeréhez kötődően. A téma 2006-ban kapott nagy nyilvánosságot, amikor a Netflix egymillió dolláros versenyt hirdetett az ajánlóalgoritmusa javítására.

Hol tart most

2026 végén szinte minden nagy webáruház, streaming- és közösségi platform alapeleme. Az EU-ban a digitális szolgáltatásokról szóló rendelet (DSA) előírja, hogy a platformok közérthetően elmagyarázzák, mi alapján ajánlanak. A legnagyobb platformoknak olyan választást is fel kell kínálniuk, amely nem a személyes profilodra épül. Az új irány a nagy nyelvi modellekkel kombinált, beszélgetésen alapuló ajánlás. Emellett egyre gyakrabban egy AI-agent válogat az ajánlatok között a felhasználó helyett.

Állapot: 2026. november

A hírekben

1 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Egykori Spotify-munkatársak 10 millió dollárt gyűjtöttek ajánlórendszer e-kereskedelmi bevezetésére2026. aug. 6. · Marketing

Más nevei

ajánlórendszer · ajánló rendszer · ajánlómotor · ajánlóalgoritmus · recommender system · recommendation system · recommendation engine · RecSys

Források

Wikipedia: Recommender system

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.