Recommendation engine

De bib als aanbevelingsspecialist. Evident, toch?


In 't kort

Loop je ook wel eens verloren in het (over)aanbod van titels in de bibliotheek? We hopen je binnenkort met gerichte aanbevelingen wegwijs te maken.

We gaan daarvoor op zoek naar een manier om een zo goed mogelijke match tussen gebruikers en de boeken in de bibliotheek te maken, en hoe we op basis daarvan op een aantrekkelijke manier aanbevelingen aan de gebruiker kunnen presenteren. 

bos

Wat we al leerden van gebruikers

De leestips

  • zijn gepersonaliseerd: we maken ze aan op basis van een profiel dat samengesteld wordt uit enerzijds de leenhistoriek en anderzijds een vragenlijst.
  • zijn 'content-based': boeken worden aan elkaar gelinkt op basis van inhoudelijke kenmerken, stijl, verteltrant... 
  • versturen we via mail en zijn eventueel raadpleegbaar via Mijn bibliotheek.
  • presenteren we aan de hand van een cover / titel / auteur / korte inhoud. Andere informatie (recensies,…) is beschikbaar via een link naar de catalogus.
  • presenteren we in een vijftal clusters waarin we vertellen waarom we iets aanraden: bijvoorbeeld "andere boeken met een sterke vrouw in de hoofdrol". 

Wat we nog onderzoeken

We hopen van het expliciteren van dit 'waarom' je nu net deze tips te zien krijgt, de USP van onze leestips te maken. Op deze manier willen we originele perspectieven op de collectie bieden, en doordat we meerdere clusters tonen, kunnen gebruikers de leestips 'scannen' naargelang hun interesse van het moment.

In november evalueren we aan de hand van een nieuwe reeks gebruikerstests of deze manier van aanbieden inderdaad goed werkt, en welk type clusters bij de gebruikers de voorkeur heeft. 

We houden je op de hoogte!

Het projectteam

Raf Ermens (voor BibArt, het regioverband van Aalst, Denderleeuw, Erpe-Mere, Haaltert, Lede en Ninove ), Heleen Ghyselen (voor de bibliotheek van Brugge) en Lisbeth Vandoorne (Cultuurconnect).