속담에도 있듯이, 숙련 된 여성은 쌀 없이 요리 하기가 어렵습니다. 사용자 관심 모델을 기반으로 한 APPPUSH 정보이므로 먼저 사용자 관심 모델이 있어야 합니다. 그렇다면 앱 사용자를 위한 관심 모델 라이브러리를 어떻게 만들까요?
1, 사용자 행동 정보 수집
행동은 흥미를 나타낼 수 있다. 남자가 좋아하는 여자를 쫓아가는 가장 빠른 방법은 여성의 평소 행동에 더 많은 관심을 기울여 그녀의 취미를 이해하고 결국 그녀가 좋아하는 것을 얻는 것이다. 마찬가지로, app 운영자는 사용자 관심 모델을 만들고 싶어합니다. 가장 먼저 해야 할 일은 다양한 수단을 통해 원하는 사용자 행동 정보를 수집하는 것입니다.
사용자 행동 정보란 무엇입니까?
웹 페이지, 웹 사이트 또는 app 제품에 대한 사용자의 모든 작업을 총체적으로 사용자 행동이라고 합니다. 쇼핑 앱의 경우 사용자는 앱 열기, 계정 로그인, 상품 검색 또는 찾아보기, 장바구니 가입, 주문 지불, 상품 공유, 상품 수집에서 모두 사용자 행동 정보에 속한다. 또 다른 예로, 사용자가 비디오 앱에서 보는 프로그램 내용, 사용자가 비디오를 보는 횟수, 보는 시간은 모두 사용자가 app 제품 동작을 교체하는 정보입니다.
사용자 행동 정보 수집 방법
웹 사이트든 앱이든 사용자 행동을 수집하는 두 가지 일반적인 방법이 있습니다.
전시 수집: 많은 제품의 새 사용자 등록 페이지에서는 이러한 사용자 행동 정보 수집 방법을 잘 설명합니다. 등록 페이지와 모든 사람이 제품 관리자 등록 페이지라는 것을 알고 있으며, 간단한 등록 페이지에는 몇 가지 중요한 사용자 정보 (휴대폰 번호와 이름) 가 수집되어 있습니다.
사용자의 등록 동작 외에도 사용자 프레젠테이션 피드백 (예: 소프트웨어 제거, 피드백 입력을 위한 웹 페이지 팝업) 및 양식 작성을 통해 사용자 행동 정보를 직접 얻을 수 있으며 프레젠테이션 수집의 범주에 속합니다.
이 방법의 장점: 간단하고 난폭하며, 효과가 직관적이며, 수집된 사용자 행동 정보는 사용자 선호도를 크게 반영할 수 있습니다.
암시적 수집: 기술 수단을 통해 사용자의 웹 사이트, 웹 페이지 또는 app 에 대한 모든 운영 동작을 백그라운드에서 기록하고 이러한 운영 행동에서 사용자의 관심 정보를 추출합니다.
어느 날 밤 타오바오의 한 가게에서 장바구니에 보물을 추가했는데, 다음날 아침에 거래 시간이 얼마 남지 않았다는 소식을 받았습니다. 가게 둘째가 나에게 이 문자를 보낸 이유는 그가 무대 뒤에서 나의' 장바구니에 가입' 을 볼 수 있기 때문이다. 이것은 암묵적으로 사용자 행동 정보를 수집하는 전형적인 사례입니다.
이런 방식의 장점은 사용자가 직접 참여하지 않고 사용자 경험이 더 좋다는 것이다.
2. 사용자 관심 정보를 추출합니다.
사용자가 페이지를 방문하여 어떤 작업을 하는 것은 주로 자신의 취미를 나타냅니다. 즉, 사용자 행동 정보는 제품에 대한 사용자의 실제 요구 사항입니다. 또한, 우리는 사용자의 관심을 더 잘 이해하기 위해 이렇게 많은 사용자 행동 데이터를 수집합니다.
예를 들어 웨이보, 위챗, 낯선 사람은 모두 소셜 소프트웨어이지만, 사용자마다 사용하는 목적이 다르다. 어떤 것은 뉴스 핫스팟 사건을 얻기 위해서도, 잠재 고객이나 기회를 발전시키기 위해서도 있고, 다른 사람과의 접촉을 강화하기 위해서도 있다. 이 결과는 사용자마다 관심 지점이 다르기 때문에 사용자마다 다르게 동작합니다.
따라서 운영자는 도서 사용 행동 데이터를 보유하고 나면 사용자 행동 정보에서 사용자 관심 정보를 추출할 수 있어야 합니다. 컨텐츠에 대한 사용자 액세스와 사용자 탐색 동작 모두에서 사용자 관심 정보를 추출하는 방법을 제안합니다.
행동 데이터가 있으면 어떻게 사용자 관심 정보를 추출하고 적절한 방식으로 사용자 흥미를 설명할 수 있습니까?
3. 사용자 관심분야 정보를 표시합니다
작업 사용자 행동 정보에 따라 사용자 흥미를 성공적으로 추출한 후에는 사용자 흥미를 보다 적절한 방식으로 설명해야 합니다. 이렇게 하는 데는 두 가지 목적이 있습니다. 하나는 사용자의 관심 정보를 보다 직관적으로 만드는 것입니다. 두 번째는 후기의 사용자 관심 모델링을 더욱 과학적으로 만드는 것이다.
다음 세 가지 방법으로 사용자 관심 정보를 표시할 수 있습니다.
주제 표시 방법:
주제 범주의 개념 세트를 기반으로 사용자의 관심 지점을 표현합니다. 새 사용자가 콩잎 앱을 다운로드하여 홈페이지로 들어가기 전에 관심 있는 주제를 선택하라는 요청을 받을 것이다.
장점: 사용자 관심 정보가 직관적이고 조작하기 쉽습니다.
단점: 표시된 정보의 정확성은 아직 논의되지 않았습니다.
키워드 표시 방법:
이름에서 알 수 있듯이 사용자의 적극적인 선택을 통해 사용자의 흥미를 나타낼 수 있는 키워드를 선택하거나 관련 알고리즘을 사용하여 사용자의 관심 정보를 표시하는 것입니다. 예를 들어, Plato 의 응용 프로그램에서 만든 "개인 레이블" H5 는 사용자가 사용하는 키워드 표시 방법인 개인 레이블 맵을 생성하는 데 도움이 됩니다.
장점: 조작이 간단하고 빠르다.
부족: 사용자의 적극적인 참여가 필요할 수 있으며, 경험이 충분하지 않습니다.
벡터 공간 표현
키워드의 가중치를 계산하여 사용자의 흥미를 키워드와 가중치로 구성된 단일 항목으로 구성된 고유 벡터 시퀀스로 표시합니다. 즉, 벡터 공간 표현은 키워드 표현의 업그레이드 버전으로 키워드의 가중치 정보를 추가하고 텍스트를 가중치 정보가 있는 단어 벡터로 표현합니다.
다음 그림은 벡터 공간 표현의 계산 공식입니다.
W(t, d): 텍스트 d 에서 단어 t 의 가중치;
TF(t, d): 텍스트 d 의 단어 빈도;
N: 훈련 텍스트의 총 수;
Nk: 트레이닝 텍스트 세트에서 t 의 텍스트 수입니다.
장점: 수동 개입 없이 서버에서 직접 사용자 정보를 얻을 수 있습니다.
단점: 계산된 사용자가 관심 있는 텍스트 특징어의 수가 많아 연산 작업량이 늘어납니다.
4. 사용자 관심 모델을 설정합니다.
과거의 사용자 관심 정보 추출, 표시, 분석 및 마이닝을 기반으로 사용자의 실제 요구 사항을 결합하고, 사용자 데이터 엔티티를 중심으로 데이터 차원 유형을 지정하고, 획득한 사용자 관심 선호도를 활용합니다. 구조화된 형식으로 사용자를 위한 관심 모델을 만듭니다. 이 링크는 종종 사용자 초상화의 설립, 즉 사용자를 표시하고 사용자의 관심 정보를 표시하는 것으로 알려져 있습니다.
둘째, 사용자 관심 모델에 따라 사용자가 app 활동에 대응할 수 있도록 하는 방법은 무엇입니까?
사용자 관심 모델이 수립되면 사용자 관심 행동, 사용자 관심 레이블, 사용자 관심 초상화 등 사용자 관심사에 대한 데이터는 완전하며, 이후 개인화된 정밀 활동 푸시도 비교적 간단합니다.
App 는 두 가지 형태로 사용자의 관심사에 따라 개인화된 활동을 푸시할 수 있습니다. 하나는 app 에 SDK 를 내장하여 사용자의 실제 장면과 요구 사항에 따라 정확한 활동을 트리거하는 것입니다. 두 번째는 사용자 관심 모델에 따라 해당 app 활동을 적극적으로 푸시하는 것입니다.
1.SDK 매장 지점 방향은 개인화 활동을 트리거합니다
활성 장면 및 사용자 관심 정보를 식별하고, 활성 위치를 결정하고, app 의 해당 위치에 SDK 를 포함합니다. 사용자가 예정된 작업을 완료하거나 적절한 조건 (예: 활동 트리거 동작) 을 충족하는 경우에만 활동을 트리거할 수 있습니다.
예를 들어, app 활동의 주요 목적은 무엇입니까, app 를 새로 고치고 유지합니까, 아니면 app 를 홍보하는 사용자입니까? 다른 장면의 활동은 app 의 다른 위치에 배치됩니다. 새 사용자를 활성화하려는 경우 app 사용자 등록이 완료된 후 사용자가 관심을 가질 수 있는 활동 페이지를 넣어야 합니다. 사용자 등록이 성공하면 새로운 사용자 추첨이 즉시 팝업됩니다.
쇼핑 앱을 예로 들어보죠. 사용자의 재구매율을 높이려면 사용자가 쇼핑 카트에 상품을 넣을 때 상품을 넣는 쿠폰 행사, 또는 사용자가 주문한 후 사용자의 관심사에 따라 주변 상품의 할인 행사를 실시할 수 있습니다. 아래 그림은 테이크아웃 앱 으어러머) 주문 후 공유하는 트리거 쿠폰 행사입니다.
2. 사전 예방적 푸시 활동
사전 예방적 정보 푸시 사용자 관심 모델 데이터베이스의 사용자 관심 레이블을 통해 사용자가 어떤 활동에 관심이 있는지 지능적으로 판단한 다음 해당 활동을 사용자에게 직접 추천합니다. 이 점에서' 관심 읽기' 를 주로 하는 모바일 뉴스 앱 제품은 잘 해냈다.
예를 들어 매일 속보, 오늘의 헤드라인 등이 있다. 모두' 사용자 관심 스마트 컴퓨팅-+편집 작업' 방식으로 사용자에게 추천해드립니다. 이렇게 하면 app 사용자의 읽기 습관과 취향에 맞게 개인화된 독서 추천을 받을 수 있다는 장점이 있습니다.
요약
마지막으로, 정보의 개인화된 푸시든, 활동의 개인화된 푸시든, 개인화된 푸시는 정보를 사용자의 개인화된 요구에 더 잘 맞추기 위한 프로세스입니다. 이 과정에서 사용자의 행동이나 관심사는 시간이나 기타 요인에 따라 달라지기 때문에 사용자의 관심 모델을 구축하는 것이 매우 중요합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 관심명언) 따라서 app 운영자는 정기적으로 사용자 관심 모델을 업데이트하거나 수정하는 것이 좋습니다.