ソーシャルレコメンデーションは今のところ、(2)のアプローチが一般的だ。なぜなら消費者個人を相手にするレコメンデーションというサービスでは、(1)の群衆の叡知モデルではコストがかかり、自動化もしにくいから、一般消費者向けの無料サービスには適さないのである。これに対して(2)の統計結果モデルなら、低コストで自動化されたサービスを提供できる。 母集団の巨大化による衆愚化 だが一方で、先ほども書いたように(2)の統計結果モデルは衆愚化しやすい。特に問題なのは、ソーシャルの母集団が大きくなってきたときだ。母集団が巨大化すれば、その衆愚化の可能性はどんどん高くなってしまう。自動化したレコメンデーションを安価に行えるとしても、そのレコメンド内容が誤ってしまう可能性が大きいとすれば、それは結果的には正しいレコメンデーションとは言えない。 例えば、この連載の第6回で書いたオートキャンプ場の例で考えてみよう
![ソーシャルメディア セカンドステージ:【第8回】レコメンデーションの虚実(8)〜株価予測は集合知が衆愚化しない希有なモデルだ (1/2) - ITmedia アンカーデスク](https://cdn-ak-scissors.b.st-hatena.com/image/square/f0b7449c39942c819949248814ed9cb2570ca34f/height=288;version=1;width=512/https%3A%2F%2Fimage.itmedia.co.jp%2Fanchordesk%2Farticles%2F0710%2F29%2Fsocial_ill008.jpg)