Selección de funciones para rastrear la actividad del usuario dentro de una aplicación

8

Estoy desarrollando un sistema que pretende capturar el "contexto" de la actividad del usuario dentro de una aplicación; Es un marco que las aplicaciones web pueden usar para etiquetar la actividad del usuario en función de las solicitudes realizadas al sistema. Se espera que estos datos puedan potenciar las características de ML, como la recuperación de información sensible al contexto.

Tengo problemas para decidir qué funciones seleccionar además de estas etiquetas de usuario: la URL que se solicita, el tiempo aproximado que se pasa con un recurso determinado y la estimación de la "actividad" actual dentro del sistema.

Estoy interesado en saber si hay buenos ejemplos de este tipo de tecnología o cualquier investigación previa sobre el tema: una búsqueda rápida del ACM DL reveló algunos documentos relacionados, pero nada realmente acertado.

Joshua Barron
fuente

Respuestas:

5

Bueno, esto puede no responder la pregunta a fondo, pero dado que se trata de la recuperación de información, puede ser útil. Esta página mantiene un conjunto de características y correlaciones asociadas con los métodos de clasificación de páginas de los motores de búsqueda. Como descargo de responsabilidad de la página web en sí:

Tenga en cuenta que estos factores no son una "prueba" de lo que usan los motores de búsqueda para clasificar los sitios web, sino que simplemente muestran las características de las páginas web que tienden a clasificarse más alto.

La lista indicada puede darle algunas ideas sobre qué características sería bueno seleccionar. Por ejemplo, considerando la segunda característica más correlacionada, # de google + 1, es posible agregar alguna probabilidad de que un usuario haga uso de dicho servicio si accede a muchas páginas con un alto # de google +1 (infiera "usuario" contexto"). Por lo tanto, podría intentar "adivinar" algunas otras relaciones que pueden arrojar luz sobre características interesantes para su aplicación de seguimiento.

Rubens
fuente
5

El objetivo determina las características, por lo que inicialmente tomaría la mayor cantidad posible, luego usaría la validación cruzada para seleccionar el subconjunto óptimo.

Mi conjetura es que un modelo de Markov funcionaría. Si discretiza el espacio de acción (por ejemplo, selecciona este elemento del menú, presiona ese botón, etc.), puede predecir la próxima acción en función de las anteriores. Es una secuencia o un problema de predicción estructurada .

Para ofertas comerciales, busque análisis de aplicaciones .

Emre
fuente
3

He visto algunos sistemas similares a lo largo de los años. Recuerdo una empresa llamada ClickTrax que, si no me equivoco, Google la compró y algunas de sus funciones ahora forman parte de Google Analytics.

Su propósito era el marketing, pero el mismo concepto se puede aplicar al análisis de la experiencia del usuario. La belleza de su sistema fue que lo que se rastreó fue definido por el webmaster, en su caso, el desarrollador de la aplicación.

Como desarrollador de aplicaciones, me imagino que quisiera poder ver datos estadísticos sobre dos cosas: la realización de tareas y el uso de funciones generales.

Como ejemplo de realización de tareas, podría tener 3 formas de imprimir una página: Ctrl + P, Archivo-> Imprimir y un botón de barra de herramientas. Me gustaría poder comparar el uso para ver si el espacio de pantalla utilizado por el botón de la barra de herramientas realmente valió la pena.

Como ejemplo del uso de funciones generales, me gustaría definir un conjunto de funciones dentro de mi aplicación y centrar mis esfuerzos de desarrollo en expandir las funciones más utilizadas por mis usuarios finales. Algunas funciones que requieren unos 5 clics y son populares, es posible que desee proporcionar una tecla de acceso rápido o reducir el número de clics para activar esa función. También hay sincronización de eventos. Dependiendo de la aplicación, es posible que desee saber la cantidad promedio de tiempo dedicado a una función en particular.

Otra cosa que me gustaría ver son las secuencias de clics. ¿Cómo van las personas del punto A al punto B en mi solicitud? ¿Cuáles son los puntos B más populares? ¿Cuáles son los puntos de partida más populares?

Steve Kallestad
fuente