打造个性化用户体验

2012年1月9日据国外媒体报道，毫无疑问，人类最大优势在于彼此之间互相沟通的能力。我们以最大的自由用图片、言语、文字、音乐等为载体创造、传播、吸收思想。然而，从人类最早时期到现在，媒体的发展水平还和洞穴壁画一样使人迷惑。

数字化媒体的未来

进一步看，真正好的交流不在于自己想要表达什么，而是听众想要获取什么内容。因此，你必须基于你的听众开始这次交流。你必须研究、观察、监控可知的细枝末节，从事先研究听者的背景资料到交流中对方可能发生的细微反应，然后再去调整并准确的传达自己的内容，这样，你才会对你的听众产生影响。然而，这并不是什么了不起的秘密准则，这是所有人类共有的能力。甚至儿童也会这么做，他们总是会仔细观察家长的反应，然后相应地调整自己的行为模式以获得关注。他们会认真的优化自己的内容以获得对方最大的关注。

然而，我们的媒体却一直在忽视自己的受众。

但是，最终它开始以个性化的传播方式来倾听自己的受众。个性化机制是转型媒体业务潜力最大的因素。

此前，媒体却一直对自己受众的需求视而不见，这并不是聪明的做法。

之前，在纸媒和广播媒体行业，根本就没有关于受众兴趣和反应的任何数据，既然数据都没有，就谈不上去了解自己的受众。

首先，过去是由编辑决定受众需求内容的；其次，在没有任何数据支持的情况下，这些内容被广泛传播。两者都是之前纸媒和广播行业的准则，之后却被错误地沿用到互联网数字媒体领域中了。这种媒体操作模式在过去似乎还讲得通，却与如今的数字媒体业发展现状格格不入。

过去媒体整个流程就是，预测、出版和传播。这种情况下，发布者最希望的就是，预测正确、传播广泛、吸引大量受众。如果预测失败，发布者就会加大音量，制造轰动效应。

然而，为了给未来100年的新媒体模式以发展空间，我们应该去除掉这些已经过时的媒体模式。媒体应该开始着手研究每个受众的行为模式，也就是说，媒体应该基于受众慎重选择内容，并进行合理的情境组织，成为我们每个人消费的媒体。

简而言之，媒体应该在合适的时机在合适的地点为不同的用户带来合适的内容。

打造自己的专属世界

互联网的重大变革社交网络带领我们走向了个性化的世界。

如今我们认识到，互联网的基础单位是由人构成的，Facebook等社交媒体使人际关系成为互联网中关键性的图谱节点和边界，代替了过去的页面和链接。以人为中心的社交网络正逐渐发展成为互联网的操作系统。在社交网络中，朋友的喜好可以用来预测“我”的喜好，而且，很多互联网服务都开始基于用户的个性化需求来提供服务内容，这是一个好的开始。

尽管有很大进展，当你站在后台，你会发现互联网仍然是由数据而非人来进行管理的。服务器数据和帐户连接在一起，cookie和网络浏览器关联在一起，而活动日志则是和IP地址绑定在一起的。

正如社交革命已经证明的，转型的真正价值在于不再把“我”看成是一个IP地址、一个浏览器、一个帐号，而是把“我”看成是一个完整的人，“我”是“我”。

因此，如今正是一个从由网站构成的互联网向由“我”构成的互联网转型的好时机。

今天，媒体正处于关键性的过渡点上，将需要对受众的感觉重新进行定义。自此以后，对于媒体来说，受众不再是一大堆不熟悉的人群，不是“他们”或“我们”，而是由许许多多的“我”构成的。

过去内容传播准则是“内容一旦创建，就尽量到处去传播，”这在当时那种受众不透明和有限的传播渠道的情况下还是十分管用的。进入21世纪，以前那种内容传播方式已经完全不能适应如今的媒体发展现状了。因为，无论是从内容创建还是发布途径来说，这种模式都忽略了构成受众的“我”们。

本质上讲，过去媒体所作的都是一刀切，而如今则必须调整方向，基于用户来进行内容生产和合理分配，以满足每一位“我”的需求。

换句话说，未来的媒体必须基于Facebook的各种数据，为用户打造一个自己的专属世界，提供来自各个渠道的信息。

用户体验的量化方法

用户体验的量化方法 “用户体验”这个术语指的是一个概念：把最终用户作为设计和开发活动的焦点，而不是系统、应用程序或者单纯的审美价值。它是基于一般的以用户为中心（用户至上）的设计理念。 量化用户体验有四个重要因素： 1.品牌(branding) 2.可用性(usability) 3.功能性(functionality) 4.内容(content) 这些因素不是独立的，单独作用的话，这些因素中没有一个能带来积极的用户体验；然而，如果综合起来，这些因素就组成了一个网站成功的主要因素。

举例来说，一个设计精美的网站，却频繁地出现服务器错误或超时。或者想象一个很棒的数据库应用程序，由于某种原因而从未被使用过，因为它被深深地掩埋在了网站信息架构的深处。在两种情况中，我们都可以看到，独立的品牌、可用性、功能和内容等要素是无法说明一个网站是成功的。然而，当综合在一起时，这些核心要素就构成了用户体验的基础。 比如说你来了一位新领导，他们对网站现状不满意，想让你帮忙把握网站的正确航向。如果你像我一样的话，第一件要做的事就是先浏览一下这个网站，然后在脑海中做一些粗略的记录。然后你怎样把这些想法和记录传达回给你的客户，而不是简单地像撕成八瓣一样对现有网站批判一番？ 问题在于，我们每个人对一个网站是好还是坏的感知，是受我们个人背景和行业特性的影响而有所偏倚的。如果被叫来评价一个网站的优点和缺点，一个开发人员、可用性专员、设计人员或信息架构人员可能会有完全不同的评判。 一个客观的测量分析工具，会帮你提供给客户有事实依据的建议，而不仅仅是主观臆断和观点。本文中我们将探讨的方法会帮助你： ?尽可能消除个人偏见（主观因素）。 ?让不同背景的人（设计人员，开发人员，客户）能够在理解网站上有统一的共识。 ?创立与竞争对手网站或者以往的开发相比较的基本规则。 ?为你的客户提供一个关于他们网站的优缺点的事实依据和可视化的展示。 如上所述，用户体验由四个相互关联的要素所组成：品牌、可用性、功能、内容。但是，我们如何量化和衡量这些看似无形的元素呢？ 方法很简单。我们把分析分为四个部分，每个用户体验的元素为一个部分。对于每一个元素，我们创建一系列的描述或参数，用于针对性地测量网站。我们为每一个描述创建一个从1到X的尺度范围；并且在这个范围内给每个描述打分。一旦你完成了这个分析的第一部分，四个栏目中的每一个描述就都有了一个对应的分数。

个性化推荐知识汇总

一 基于协同过滤(collaborative filtering，CF)的推荐系统通过收集来自其他相似用户或项目的评价信息，自动预测当前用户的兴趣偏好。协同过滤的基本假设是用户会更喜欢那些相似用户偏爱的商品，已被广泛应用在一些大型的商业系统，如亚马逊和阿里巴巴等。 目前，协同过滤算法主要包括基于内存的、基于模型的以及二者相混合的推荐技术”。使用最多的模型是k最近邻(k-nearest neighbor，kNN)协同过滤技术，包括基于用户推荐和基于项目推荐两种技术。 一般说来，本体描述了某个应用领域的概念和概念之间的关系，使得它们具有唯一确定的含义，获得该领域的相关知识，提供对该领域知识的共同理解，便于用户和计算机之间进行交流。 OntoECRec推荐模型 二 1995年，卡内基·梅隆大学的A．RDben等人在美国人工智能协会上提出了个性化导航系统we-watcher，真正标志着个性化服务的开始；1997年3月，(communications of the AcM)。组织了个性化推荐系统的专题报道，标志着个性化服务已经被技术界高度重视；1999年，德国Dresden技术大学的J．Tania 实现了个性化电子商务原型系统TELLIM，标志着个性化服务开始向全球发展；2000年，NEc研究院的D．B．Kurt等人为搜索引擎atesecr增加了个性化推荐功能，实现citeseer的个性化。2001年，纽约大学的GediminaS Adomavicius 和Alexander Tuzhilin实现了个性化电子商务网站的用户建模系统1：1Pro。 个性化推荐服务体系结构中，信息收集模块是个性化服务系统的基础模块。用户的信息包括了用户的个人基本资料、购买的历史记录及浏览记录等。个人基本资料可以从用户注册表单中获得；购买的历史记录主要存放于电子商务网站的后台交易数据库中，包含了每位用户以前历次购物的详细情况记录，如购物时间、商品清单、价格、折扣等，同时也可以收集用户放入购物篮而未购买的商品记录，以及用户过去浏览过的商品信息等。当然要搜集用户的行为信息，日志文件是必不可少的，如要收集服务器日志，则要在服务器端获取，抽取出特定用户的访问记录；如要收集用户浏览的页面和浏览行为，则既可以在用户端获得，也可以在服务器端从用户记录中获得。

用户体验设计 方法论

UE,UED，用户体验 先说说UE吧，全称Usre Experience，我们常说的UED就是后面增加了一个Designer而已。汉译：用户体验设计师 [书面解释]UE设计一般是指游戏设计或游戏相关设计，其中也包括网站设计。概念：用户体验设计师——user experience designer，国外叫UED，国内也简称UX/UE设计。个人认为此概念继续延伸下去，其实生活中很多也包含于UE里面的。你的生活中会碰到很多形形色色的trouble，这些trouble会让你very anger，so.... ----------------------------抽支烟，回来继续--------------------------------- UE定义：是指User访问一个web或者使用一个产品时的全部体验。他们的印象和感觉，是否成功，是否享受，是否还想再来/使用。他们能够忍受的问题，疑惑和BUG的程度。 用户体验设计，就是最大程度上是网站的功能设置界面设置更加人性化，方便用户，满足用户体验基于以用户为中心的设计原则，采用焦点小组、可用性试验、用户测试等易用性研究方法，对用户在使用产品过程中的体验感受进行正确准确的评估、充分认识用户的真实期望和目的、对用户操作流程的预设设计进行修正和有效的改进，保证产品核心功能及用户任务需求的平衡，促进人机界面的协调工作，提高产品易用性减少产品BUG。 用户使用产品过程中建立起来的纯主观感受。对于界定明确的用户群体来讲，用户体验共性是能够经由良好设计实验来认识。新竞争力在网络营销基础与实践中曾提到计算机技术和互联网的发展，使技术创新形态正在发生转变，以用户为中心、以人为本越来越得到重视，用户体验也因此被称做创新2.0 模式的精髓。 UED步骤：数据调查、用户访谈、产品分析、产品定位、功能确认、信息架构、页面原型、UE 设计、视觉设计。 数据调查： 数据可以带来什么？对于各页面及路径的pv(产品),uv(用户)的总结，可以得到产品使用情况的一个大致概貌。缺乏什么？不了解用户，不了解过程，很难进入深层次的研究，不利于把握用户底需要什么。 用户访谈： 用户访谈有什么好处呢？产品和用户之间的联系，就像一个黑匣子。对用户的访谈，就是一个试图打开黑匣子的过程。打开了黑匣子，我们就可以改造他们之间的路径。从而使两者无缝融合。就像是研究dna，对结构的研究可以重塑基因。反映到产品上，就是我们可以以用户的心理模型去创造产品，或者是用富于创造的产品去影响用户。 产品分析： 即使了解用户，是否能提出有效的解决方案呢？此时，对于相关产品的研究就会作出帮助。如果说对用户的需求，可以对产品有纵深的认识。那么对产品的分析，有利于横向去加深去产品的理解。为什么做同一个功能，会产生出两种不同的产品？差异表现在大体，也体现在细节，通过不断的比较，会发现产品各功能间，产品和用户间千丝万缕的联系。 产品定位：

用户体验与产品创新设计

第3章相关学科知识、研究内容及开发设计流程 本章主要介绍用户体验与产品创新设计所涉及到的相关学科知识、研究内容与开发设计流程，对后面的章节奠定基础。 3.1 相关学科知识 作为一门新兴学科，在具体的设计操作过程中，用户体验设计吸取了多个学科的知识。除了第一章所讲述的面向人的学科和面向技术的学科之外，还包括面向设计的学科。面向人的学科包括心理学、生理学、社会学、文化学、语言学、哲学和美学等方面的知识；面向设计的学科包括工业设计、艺术设计、数字媒体设计和动画设计等；面向技术的学科主要指信息沟通技术，涉及到计算机技术、信息技术、电子技术、网络技术、软件工程、人机交互技术和数据库等。 不同的应用领域对于用户体验设计所要求的知识体系和研究方法有所不同，如建筑设计和环境设计中的用户体验等。图3.1所示为用户体验与产品创新设计的研究框架和知识体系。 图3.1 用户体验与产品创新设计的研究框架和知识体系 3.1.1信息与沟通技术

信息与沟通技术（Information and Communication Technology）包括信息电子技术、计算机技术和网络技术等，它们为用户体验与产品创新奠定基本的技术基础。 信息电子技术主要以信息的产生、获取、变换、传输、存储、处理、显示和利用等技术为主线，以各类电子设备、信息系统、通信系统与网络的研究、设计、制造、应用、开发为中心内容，包括信息技术及其设备、系统与网络的软硬件开发等。 例如：木块镜子（Wooden Mirror）是一个简单和奇怪的装置，来自交互设计师Daniel Rozin 的作品，如图3.2所示（Rozin，2009）。当你站在镜子前面时，你的头像就会显现在木块镜子中。这看起来很奇特。 图3.2 木块镜子 3.1.2工业设计 1980年，国际工业设计联合会（International Council of Societies of Industrial Design，ICSID）（https://www.wendangku.net/doc/ca11640133.html,/）对工业设计的定义是：就批量生产的工业品而言，凭借训练、技术、知识、经验及视觉感受而赋予材料、构造、形态、色彩、表面加工及装饰以新的品质和资格。 设计关注于由工业化而不只是由生产时用的几种工艺所衍生的工具、组织和逻辑创造出来的产品、服务和系统。设计是一种包含了广泛专业的活动，产品、服务、平面、室内和建筑都在其中。这些活动都应该和其它相关专业协调配合，进一步提高生命的价值。

量化用户体验：可用、易用到好用

产品可用性维度：最底层也是最重要的衡量基准：产品需求是否合理，方向是否正确，如果需求

产品好用维度：一个友好，充满情感化的界面，会使你对产品充满好感。 产品核心基准——好的产品一定有用 以当下3个成功的移动端门户应用为例： 用户的痛点是有无好看且低阅读成本的新闻，基于这个目标我们看到了3家门户的一些共性。 有无好看新闻 什么样的新闻可以定义为好看呢？依据新闻的被点击率和被阅读时长两个量化指标来确定什么样的新闻是好看的，然后依据后台推荐算法对内容进行再排序，也就是图中的”推荐”/”头条”/”热点”频道。 低阅读成本 低阅读成本是我们基于平台特性考虑（需求），为了便于用户快速扫描出感兴趣新闻，降低用户的扫描成本，所以在具体到交互、UI方面也给予了一定的约束： 1. 图片+大标题式列表陈列； 2. 一屏一般不会超过四条新闻。 但如果你的产品定位还局限于有无新闻层面，那么你的产品就算后期交互、UI做的再炫酷，也终究逃脱不了失败的标签。

产品脱颖而出的基准——“易用”一定可以使你在同类产品种脱颖而出 以腾讯地图和百度地图为例： 用户目标：找一家附近银行去办一张卡 用户操作：在搜索框输入“银行” 界面反馈结果如下 使用腾讯地图时，界面反馈了周边的一些银行标记点，默认导航是距离我最近的一家银行 使用百度地图时，界面反馈了附近银行列表并显现银行类型（AT M机/营业厅）、距离信息，按照最近原则进行银行点排序 结果可想而知，使用腾讯地图时，我压根就搞不清楚：地图上哪些红点能办卡，还有推荐最近的支行是24小时自助式的AT M？还是营业厅？这些困扰都在我完成任务（找一家附近银行去办一张卡）过程中带来了卡顿，直到有一天我遇到了百度地图，我才真正解脱了。 产品的信任基准——做用户的知己，想用户之所想，急用户之所急，此外还能捯饬自己 学会与用户交流 当用户截图时，系统感知到这一行为并猜测：用户可能是想分享该页内容。基于这个预判，系统做出相应的响应，帮助用户实现自己的目标，这就好比，一位顾客进入商店，导购员会很礼貌

基于用户在线行为的个性化推荐研究

龙源期刊网 https://www.wendangku.net/doc/ca11640133.html, 基于用户在线行为的个性化推荐研究 作者：陈晓璇刘洪伟曹宁 来源：《合作经济与科技》2018年第07期 [提要] 在竞争激烈的网上零售活动中，为了提升用户的购物体验、培养顾客忠诚度，越来越多的电子商务企业关注如何从点击流中发现用户的兴趣偏好，进而为用户提供可靠的个性化推荐。本文在对国内外关于个性化推荐相关研究文献进行梳理的基础上，从点击流与用户行为、基于用户行为的个性化两个方面对现有文献进行综述，并提出将来的一些研究方向，供营销和信息科学领域的学者进一步研究和探讨。 关键词：在线购物；用户行为；点击流；个性化推荐 中图分类号：F713.3 文献标识码：A 收录日期：2018年1月16日 为了吸引更多的客户，电子商务公司不断扩大品类范围。大型电子商务机构每天看到超过一百万的客户登录到他们的网站。那些潜在客户每天都会看到成千上万的商品项目。因此，这些电子商务公司面临特定的挑战，即通过有效管理越来越多的类别和产品，发现网站用户的兴趣，促进销售。用于衡量消费者兴趣的大多数现有技术主要依靠客户评级。用户对某个项目进行评价表示至少在某种程度上对该项目感兴趣。评级值表示用户喜欢目标项目的数值。然而，评级信息太有限，无法描述用户的网站导航过程。此外，产品评级是最终的综合评估，其结合了用户对价格、服务和物流的看法。该评级由电子商务公司提供并且与产品本身相关。此外，来自新客户的评分不足以用于参考，而有经验的客户可能不愿意在每次使用网站时给予评分。这些因素使得更难以根据评级来发现用户的真正兴趣。一些学者研究了用户对社交网络媒体兴趣的话题。他们发现用户的兴趣经常被他们访问的帖子和他们回复的帖子所反映。这个想法可以类似地应用于电子商务网站。用户将会看到感兴趣的项目并吸引他们的注意。具有各种兴趣的用户将会访问不同的类别和多个项目。对于不同类型的用户，他们的浏览路径，他们访问网页的频率和每个类别花费的时间将各不相同。与用户评分相比，更详细的点击流信息可以用来更精确地描述用户的兴趣。 电子商务的成功离不开大量数据的支持。目前，在线商店运用多种信息寻找目标客户，例如人口统计特征、购买历史信息或评分信息，以及这些访问者是如何进入到这个线上商店的（即这个用户是通过书签、搜索引擎还是电子邮件推广的链接找到这个网站的）。但是，以上方式对于用户需求的挖掘和预测能力非常弱。而任何公司或者组织的成功必然离不开决策的正确性，点击流数据的出现成为了这种正确性决策最可靠、最有效的数据基础。与传统的媒体和商业环境不同，由于信息技术的发展，互联网可以快速、简单、不显眼地收集有关个人活动的详细信息。这种互联网用户在线操作的记录被称为点击流数据。从点击流数据源来分类的话，可以分为以下几类：

王义辉：如何量化用户体验

如何量化用户体验? 貌似国内还没有研究并策划出一套用户体验考核体系，而国外貌似有，粗略看了下，不太好 暂且把个人的观点发到草根和大家讨论下 用户体验分为两个方面 1 用户的体验 2 体验的用户 用户的体验就是网站的实际用户在接触、使用网站时候的体验，这种体验不同，所带来的用户行为也不同，用户行为是可以监测的 体验的用户，就是用户体验优化工作人员，站在用户的角度上去体验网站，工作人员水平、能力的不同，工作的质和量是不同的，工作的质和量，都是可以监测的 一用户的体验不同，所带来的用户行为也不同，用户行为是可以监测的 用户体验，首先是用户的体验，用户的体验、这种心理感觉，会影响用户的行为，用户的行为会体现为数据，数据是可以量化的 举例说明，某网站一个按钮颜色，略微加深了一点后，订单量上升了好几倍，原因在于，以前的按钮颜色太浅，而在用户的印象里，下意识的认为这个按钮是无效的，不能点击的，于是，当按钮颜色适当调整后，交易额立杆见影的增加了几倍。 再比如，也许某电子商务网站的购买页面太繁琐，不够简单，每天的订单量只有几千笔，原因在于用户感觉太复杂，太难，而放弃了，如果简化了订单页面，那么可能会上升到几万笔，这些都是可以通过数据来衡量的。 这个页面如果每天的流量是1万，而购买量只有1千，那么购买转化率就只有十分之一，而如果流程复杂，导致用户点击购买后放弃，这个购买取消率也可以体现为一组数据，当进行用户体验优化后，购买转化率上升的比率、购买取消率下降的比率，都可以成为可量化的数据。 再比如，用户在购买某一个商品时，在交易流程中，总是存在疑问，而去咨询客服，这里就存在一个咨询率，当通过用户体验优化、做好了页面上的说明引导、简化交易流程，那么，这个效果就可以通过咨询率的下降来量化。 网站易用性的提升，意味着转化率的上升、易用性相关咨询的下降等等 而用户体验，绝不仅仅只是易用性。 我以前写过一篇文章，用户体验的四要素，很简单，就体现为有用、可用、好用、常用

个性化推荐算法概述与展望

Hans Journal of Data Mining 数据挖掘, 2019, 9(3), 81-87 Published Online July 2019 in Hans. https://www.wendangku.net/doc/ca11640133.html,/journal/hjdm https://https://www.wendangku.net/doc/ca11640133.html,/10.12677/hjdm.2019.93010 Overview and Prospect of Personalized Recommendation Algorithm Xinxin Li Dalian University of Foreign Languages, Dalian Liaoning Received: Jun. 19th, 2019; accepted: Jul. 2nd, 2019; published: Jul. 9th, 2019 Abstract In recent years, the word “information overload” frequently appears in people’s vision, it has be-come a hot word in the field of computer, and it is also an important problem that researchers ur-gently need to solve. In order to solve the problem of information overload, researchers in the field of computer constantly optimize the personalized recommendation algorithm, strive to re-duce the difficulty of information retrieval for users, to provide users with the best personalized recommendation results. This paper gives a brief overview of the personalized recommendation methods which are widely used and common. Combined with the experience of using personalized recommendation algorithm to generate results in daily life, the author puts forward expectations for the development of personalized recommendation algorithm in the future. Keywords Personalized Recommendation, Collaborative Filtering, Hybrid Recommendation 个性化推荐算法概述与展望 李鑫欣 大连外国语大学，辽宁大连 收稿日期：2019年6月19日；录用日期：2019年7月2日；发布日期：2019年7月9日 摘要 近年来，“信息过载”一词频繁出现在人们的视野中，它成为了计算机相关领域中的热门词汇，同时它也是研究人员急待解决的重要问题。为解决信息超载的问题，计算机领域研究人员不断优化个性化推荐

个性化推荐技术综述

个性化推荐技术综述 在互联网时代，各类信息层出不穷，用户往往面临着“信息过载”的困扰，难以在大量信息中找到有价值的信息。而个性化推荐则通过用户的兴趣特点和历史行为快速高效的为用户推荐用户感兴趣的信息或商品。通常情况下，根据推荐方式的不同，推荐技术大概可以分为以下几个类型： 1.协同过滤的推荐算法 协同过滤推荐算法由Goldberg、Nicols、Oki和Terry 在1992年提出，该算法应用在Tapestry系统。Breese 等人将协同过滤推荐技术分为两种类型，一种是基于内存的协同过滤方法，另一种是基于模型的协同过滤方法，各自常用的算法如图1所示。基于内存的协同推荐( memory-based collaborative filtering) 也称为启发式的协同推荐，主要直接利用用户的历史数据来提供预测结果。根据相似性度量的对象的不同，基于内存的协同过滤又分为User-based 协同过滤和Item-based协同过滤。User-based 协同过滤的基本原理是如果一些用户对一些物品评价的分数比较接近，那么通常情况下他们评价其它物品的分数也会很接近。那么我们要得到某个用户对物品的评分时，就可用和该用户评分相似的其他用户对目标物品的评分去估计。Item-based协同过滤的基本原理是如果一些物品的典型特征具有相似性，那么同一个用户对他们的评分是接近的。基于上述原则，如果我们得到用户对和目标物品相似的其它物品的评分时，那么我们就可以通过这些分数来逼近用户对目标物品的评分。基于模型（Model-based）的推荐算法是首先通过用户-项目评分矩阵训练得到一个决策模型，在为目标用户进行推荐时，利用该离线模型为用户进行预测产生推荐结果。大致理念就是通过机器学习算法，在数据中找出模式，并将用户与物品间的互动方式模式化。

用户体验设计：7个腾讯常用的用户研究方法

【用户体验设计】7个腾讯常用的用户研究方法 本文节选自《腾讯网UED体验设计之旅》 作者：任婕 由腾讯网UED授权发布 每天都有互联网产品上市，人们电脑上、手机上的应用在短期之内就可能增增减减换了很多波，最终留下的、那些最经典的产品，都是以好的体验设计取胜。 这些产品或许看似很“简单”，但其实，越是简单的设计越难。当“体验设计”越来越为中国的互联网公司和设计师们重视，人们或许更能体会到设计的“本质”，设计不是在“用户想要怎样的产品”的基础上去构想，而更是要弄明白“用户看起来想要什么产品”和他们“其实想要的是什么样的产品”的区别。 也许腾讯的方法并不是100%最先进、最好的，但从QQ到微信，许多腾讯产品多年以后依然是我们生活中较为常用的产品，一定有它的道理。 常用的用户研究方法 用户研究适用于产品生命周期的各个阶段，不管是需求挖掘还是设计评估，都需要与用户打交道。用户研究适用的阶段如图1-3所示。 研究用户，需要透过用户的语言、行为去了解他们内心最深处的需求。这些需要设计师始终保持一颗同理心与开放的心态，有时用户的“是”与“否”也许只是提问方式的不同导致的，是非判断只在一念之间，关键要挖掘用户的核心诉求。

如图1-4，用户研究方法有很多，如何对这些方法进行选择，应该视研究目标而定。 下面介绍网媒产品常用的几种用户研究方法。 NO1.问卷法 问卷法是大家非常熟悉且使用得最多的方法之一。它是以书面形式向特定人群提出问题，并要求被访者以书面或口头形式回答来进行资料搜集的一种方法。与传统调查方式相比，网络调查（包括PC、移动等多种终端，见图1-5）在组织实施、信息采集、信息处理、调查效果等方面具有明显的优势。但是，做好一份问卷并不容易，尤其是在制订问卷目标、设计问题及文案上都有一定的专业要求。 设计问卷，首先要明确问卷法的目标及适用范围。从目标制订、方案设计、样本回收、数据统计分析到最后的结果输出，每个环节都需要严格把关。 如在研究开始时需要明确目标，确定哪些是问卷法可以解决的问题，比如研究用户对打车软件的使用习惯时，应该把什么样的用户列入调查范围？打车软件的范围包含哪些？仅限于出租车还是可顺便载客的家用车？等等。在问卷设置阶段，要考虑问卷结构、问题设置的一般原则，控制问卷的长度等。问卷调查法的流程如图1-6所示。

基于用户的个性化推荐

基于用户的协同过滤推荐算法 摘要 随着电子商务的高速发展和普及应用，个性化推荐已成为电子商务的一个重要研究领域。个性化推荐算法是电子商务推荐系统中最核心的技术，在很大程度上决定了电子商务推荐系统性能的优劣。协同过滤是应用最为广泛的一种个性化推荐技术。协同过滤主要分为基于用户的协同过滤和基于项目的协同过滤。本文介绍了基于用户的协同过滤推荐算法。 关键词：电子商务基于用户的协同过滤推荐余弦相似性相关相似性 1.课题研究背景及意义 随着网络的普及，网络资源不断丰富，网络信息量不断膨胀。用户要在众多的选择中挑选出自己真正需要的信息好比大海捞针，出现了所谓的“信息过载”的现象。信息过载是指的是社会信息超过了个人或系统所能接受、处理或有效利用的范围，并导致故障的状况。个性化推荐系统的出现是为了解决信息过载的问题，帮助消费者在浩如烟海的产品中找到自己需要的产品，为消费者提供个性化的购物体验。个性化推荐系统日益受到用户的青睐，也受到越来越多的学者和电子商务网站的关注。 个性化推荐可以作为网络营销的一种手段，能为电子商务网站带来巨大的利益。个性化推荐的目标是根据具有相似偏好的用户的观点向目标用户推荐新的商品。好的个性化推荐系统能够发掘用户喜欢的商品，并推荐给用户。对于用户而言，如果打开网站的链接并登陆，就能找到自己喜欢的商品，会省下很多翻看网页的时间和精力，而这样的网站，一定会受到用户的青睐。一个好的个性化推荐系统可以为用户提供便利，继而，使用户与网站之间有更好的粘合度，提高电子商务网站的市场竞争能力。 个性化推荐技术是电子商务推荐系统中最核心最关键的技术，很大程度上决定了电子商务推荐系统性能的优劣.

个性化推荐系统中的多样性综述

Software Engineering and Applications 软件工程与应用, 2019, 8(3), 172-178 Published Online June 2019 in Hans. https://www.wendangku.net/doc/ca11640133.html,/journal/sea https://https://www.wendangku.net/doc/ca11640133.html,/10.12677/sea.2019.83021 A Survey of Diversity in Personalized Recommendation Systems Shuhao Jiang1,2, Liyi Zhang1,2, Na Zhou1 1School of Electrical and Information Engineering, Tianjin University, Tianjin 2School of Information Engineering, Tianjin University of Commerce, Tianjin Received: June 6th, 2019; accepted: June 21st, 2019; published: June 28th, 2019 Abstract Diversity has become one of the main directions of recommendation system research. Improving the diversity of recommendation content is not only an important way to solve the problem of over-fitting, but also a way to improve user’s experience satisfaction. In order to elaborate the work in the field of recommendation diversity, this paper introduces diversity recommendation from three aspects: the definition and evaluation of diversity, the impact of diversity on recom-mendation quality and the development of diversity algorithm. Keywords Personalized Recommendation, Diversity, Recommendation Quality, Evaluation 个性化推荐系统中的多样性综述 姜书浩1,2，张立毅1,2，周娜1 1天津大学电气自动化与信息工程学院，天津 2天津商业大学信息工程学院，天津 收稿日期：2019年6月6日；录用日期：2019年6月21日；发布日期：2019年6月28日 摘要 多样性已成为推荐系统研究的主要方向之一，提高推荐内容的多样性不仅是解决过度拟合问题的重要方法，也是提高用户体验满意度的方法。为了更好地阐述推荐多样性领域的工作，本文分别从多样性的定义和评价、多样性对推荐质量的影响以及多样化算法本身的发展三个方面对多样性推荐进行了介绍。

互联网数据分析

互联网：需要关注哪些数据，什么数据得出什么结论，最后有什么改进，ip、pv、用户行为等 B2c数据分析指标： b2c站分析采用的指标可能有各种各样的，根据网站的目标和网站的客户的不同，可以有许多不同的指标来衡量。常用的网站分析指标有内容指标和商业指标，内容指标指的是衡量访问者的活动的指标，商业指标是指衡量访问者活动转化为商业利润的指标。 一、网站分析的内容指标 转换率Take Rates (Conversions Rates) 计算公式：转换率＝进行了相应的动作的访问量／总访问量 指标意义：衡量网站内容对访问者的吸引程度以及网站的宣传效果 指标用法：当你在不同的地方测试新闻订阅、下载链接或注册会员，你可以使用不同的链接的名称、订阅的方式、广告的放置、付费搜索链接、付费广告(PPC)等等，看看那种方式是能够保持转换率在上升？如何增强来访者和网站内容的相关性？如果这个值上升，说明相关性增强了，反之，则是减弱。 回访者比率Repeat Visitor Share 计算公式：回访者比率＝回访者数／独立访问者数 指标意义：衡量网站内容对访问者的吸引程度和网站的实用性，你的网站是否有令人感兴趣的内容使访问者再次回到你的网站。 指标用法：基于访问时长的设定和产生报告的时间段，这个指标可能会有很大的不同。绝大多数的网站都希望访问者回访，因此都希望这个值在不断提高，如果这个值在下降，说明网站的内容或产品的质量没有加强。需要注意的是，一旦你选定了一个时长和时间段，就要使用相同的参数来产生你的报告，否则就失去比较的意义。 积极访问者比率Heavy User Share 计算公式：积极用户比率＝访问超过１１页的用户／总的访问数 指标意义：衡量有多少访问者是对网站的内容高度的兴趣 指标用法：如果你的网站针对正确的目标受众并且网站使用方便，你可以看到这个指标应该是不断的上升。如果你的网站是内容型的，你可以针对不同类别的内容来区分不同的积极访问者，当然你也可以定义２０页以上的才算是积极的访问者。 忠实访问者比率Committed Visitor Share 计算公式：访问时间在１９分钟以上的用户数／总用户数 指标意义：和上一个指标的意义相同，只是使用停留的时间取代浏览页数，取决于网站的目标，你可以使用两个中的一个或结合使用。 指标用法：访问者时长这个指标有很大的争议，这个指标应结合其它的指标一起使用，例如转换率，但总体来说，较长的访问时长意味着用户喜欢呆在你的网站，高的忠实访问率当然是较好的。同样的，访问时长也可以根据不同的需要自行设定。 忠实访问者指数Committed Visitor Index 计算公式：忠实访问者指数＝大于１９分钟的访问页数／大于１９分钟的访问者数

个性化推荐技术综述

个性化推荐技术综述 杨莉云 （广东商学院华商学院， 广州 511300） 摘要： Internet 的发展在给用户带来丰富信息资源的同时也给用户快速找到自己需要的信息带来了很大的困难，用户迫切需要一种能够根据自身特点组织和调整信息的服务模式，个性化服务应运而生。本文根据推荐原理的不同分别介绍了基于内容的推荐技术、协同过滤推荐技术、混合推荐技术及其它的推荐技术，分析各种技术的优缺点及适用条件，并对今后个性化推荐技术的研究热点和发展方向进行了展望。 关键词：推荐系统；基于内容的推荐；协同过滤；关联规则 0 引言 信息技术的发展和互联网的普及使用户更方便地接触到更多的信息，但用户在享受信息技术带来的便利的同时，也遇到了信息“过载”的问题，用户无法从海量的信息中提取自己所需要的信息。一些搜索引擎通过用户输入关键字可以检索出相关内容，但由于缺乏用户兴趣的知识，会把所有与之相关的信息全部呈现给用户，不能过滤掉用户不感兴趣的信息。也有一些电子商务网站会有“热点推荐”的功能，但是面向所有用户的非个性化推荐。用户如何在一个网站上快速而有效地找到自己所需要的项目和信息？个性化推荐系统是解决这一问题的有效途径。 1基于内容的推荐 基于内容的推荐起源于信息检索领域，它利用资源和用户兴趣的相似性来过滤信息。首先分析项目的内容，根据用户评价过的项目建立用户的兴趣模型，即用户描述文件。根据用户描述文件的不同又可以分为基于向量空间模型的推荐、基于关键词分类的推荐、基于领域分类的推荐和基于潜在语义索引的推荐。 1.1基于向量空间模型的的推荐 基于向量空间模型的推荐是基于内容推荐的最常用的方法。该方法将用户描述文件及项目表示成一个n 维特征向量)},),...(,(),,{(221,n n w t w t w t 。向量的每一维由一个关键词及其权重组成。权重可取布尔型和实数值，分别表示了用户是否对某个概念感兴趣及感兴趣的程度[1] 。关键词根据推荐项目的不同可以是项目不同的属性值，对文本项目来说，关键词就是从文档中抽取的单词，权重可以通过TF-IDF 技术计算得到。对目标用户进行推荐时，将用户描述文件看成目标项目，可采用多种方式（如欧氏距离、余弦相似性、相关相似性等）计算其它项目与目标项目的相似性，按相似性从大到小的顺序将项目输出给用户。 1.2基于关键词分类的推荐 Mooney 提出了基于文档特征词分类的预测思想：将推荐看成是项目分类问题。首先定义一组类（评分），并让用户对一组训练项目进行评价，基于这个评价计算每个关键词属于某个类的条件概率，从而得出用户的特征描述。然后根据这个特征描述计算推荐候选集中各个项目属于某个类的后验概率。最后将这个后验概率作为项目的推荐预测并将具有最高得分的推荐提交给用户 [2]。 用户的兴趣也是通过关键词来表达，与向量空间模型不同，用户描述文件用特征词－类别矩阵n m X 来表示，m 是特征词个数，n 是类别数，每一个元素j i x ,表示第i 个特征词属于第j 类的条件概率 )|(j i c a p ，项目通过特征词来表达，没有项目描述文件。 作者简介：杨莉云，女，1984年生，汉族，河南驻马店人，讲师；主要研究方向：电子商务、管理

用户体验UE：用户体验友好的量化法

导读：信息构建师Peter Morville对用户体验(User Experience)设计进行总结，并设计出了一个描绘用户体验(User Experience)要素的蜂窝图，从而可以量化网站用户体验的效果，为网站设计师提供更多理论依据。 新时代的信息构建师（包括网站设计师、架构师等）应当特别掌握好网站的用户体验(User Experience)设计方法，以给用户提供积极丰富的体验，为网站提高利益。在用户体验方面，信息构建师Peter Morville由于长期从事信息构建和用户体验(User Experience)设计的工作，对此深有体会，他对用户体验(User Experience)设计进行总结，并设计出了一个描绘用户体验(User Experience)要素的蜂窝图，如图1所示。 用户体验要素蜂窝图 该蜂窝图很好的描述了用户体验的组成元素，信息构建师在设计网站或其他信息系统时应当参照这个进行。这个蜂窝图也说明，良好的用户体验不仅仅指是可用性，而是在可用性方面还有其他一些很重要的东西。比如： ?有用性（useful）：它表示设计的网站产品应当是有用的，而不应当局限于上级的条条框框去设计一些对用户来说根本毫无用处的东西； ?可找到性（findable）：网站应当提供良好的导航和定位元素，使用户能很快的找到所需信息，并且知道自身所在的位置，不至于迷航； ?可获得性（accessible）：它要求网站信息应当能为所有用户所获得，这个是专门针对于残疾人而言的，比如盲人，网站也要支持这种功能。

?满意度（desirable）：是指网站元素应当满足用户的各种情感体验，这个是来源于情感设计的； ?可靠性（credible）：是指网站的元素要是能够让用户所信赖的，要尽量设计和提供使用户充分信赖的组件； ?价值性（valuable）：它是指网站要能盈利，而对于非赢利性网站，也要能促使实现预期目标。 这个模型告诉我们用户体验包含多方面的因素，在网站设计时如参照这几个方面进行将会大大提高网站设计和用户体验水平。当然，这并不是说网站设计时这几方面要面面俱到，而是应根据网站所处的环境、网站用户、信息内容等信息构建的三个方面来考虑，寻求最佳平衡点，以确定网站所需要采用的用户体验要素以及各个要素在网站中的重要性程度。 为了进一步直观的量化用户体验，2006 年 Erez Kikin-Gil 基于 Peter Morville 的用户体验蜂窝模式，创造了用户体验的测量图表。 用户体验量化图

用户体验评价方法的核心要素

所谓的用户体验，其实就是让用户”习惯”, Don’t make user think. 这个是终极目标啦，随着产品的不断的改善，用户体验也在随之变化。但是，如果你在做一款产品，所谓的标准，终极检验方法，

通过“指标”就是我们用来衡量用户体验的标准，将标准分为三个等级，分别占0分、1分、2分，每个标准都有它的评分标准，当用户反馈的问题完全符合这个标准时，就占0;如问题不符合标准，就占2分;如问题不严重，只是还不够完善，就占1分;最后拿问题去套这里的标准，得出来的总分就是我们要评定改版的指标了。 总分越高，说明该条的用户体验越差，最后我们将得出的总分来判断问题的用户体验值：总分在0 –5 分且单个标准在2分以下的(标示用户体验为良好);总分在5 – 10分且单个标准在2分以下的(标示用户体验为较差);总分在十分以上或有2个2分以上的标准的(标示用户体验为很差)。 结构设计： 1、有足够的空间让用户看到主要的内容，要适合多数浏览器浏览(以15、17寸、19寸显示器为主) ● 足够看到主要内容 ● 只看到2/3看到 ● 小于1/3的内容 2、尽量避免使用结构复杂的表格，表格嵌套不要超过3层; ● 小于等于2层

● 三到四层 ● 五层或五层以上 3、页面长度原则上不超过3屏，宽度不超过1屏幕。(以1024X768为准) ● 长小于3屏，宽小于1屏 ● 长超出3屏或宽超出1屏 ● 长超出3屏，宽超1屏 4、页面避免使用iframe，如果必须使用，采用对应的优化方式。(优化是指：对浏览器是否支持框架进行判断以及iframe宽高度自适应页面) ● 无iframe ● 有1-2个iframe，且无优化 ● 多于2个iframe,且无优化 5、页面布局要重点突出，图文并茂;做数据统计，将目标客户最感兴趣的放置在最重要最显著的位置(一般为页面的头部和左上角) ● 重点突出，图文并茂，且在最重要的位置放的是用户最感兴趣的 ● 重点不突出或没有图文并茂 ● 重点不突出且没有图文并茂 交互设计： 1、表单的填写流程要清晰、简洁，必填的项要放在页面的显著位置(主体页面的头部，)，非必填项不能影响用户填写的效率。

用户体验与产品创新设计(产品设计领域顶尖教程)

用户体验与产品创新设计 第1章绪论 1.1 体验 体现（Experience）无处不在。人一生中有许多不同的体验。 体验是多方面的，也许很难数得清，例如旅行体验、开车体验、使用工具的体验、美容理发的体验、进入建筑环境的体验、打牌的体验、玩游戏的体验、现场观看足球比赛的体验、商场购物体验、登山体验、看数字电视的体验、银行体验、医院看病的体验等等。 2007年1月9日，苹果公司首席执行官史蒂夫·乔布斯（Steve Jobs）在Macworld上推出了iPhone，同年6月29日iPhone在美国上市，从纽约时代广场到洛杉矶迪斯尼，掀起了排队购买的狂潮。iPhone如图1.1所示。 图1.1 苹果公司推出的iPhone 体现一词的字义源于拉丁文“Exprientia”，意指探查、试验。按照亚里士多德的解释，体验是感觉记忆，是由许多次同样的记忆在一起形成的经验，即为体验。在《现代汉语词典》中，体验的意思是“通过实践认识周围的事物，亲身经历”。在牛津英语字典（The New Shorter Oxford English Dictionary）中，体验的定义是：从做、看或者感觉事情的过程中获得的知识或者技能；某事发生在你身上，并影响你的感觉；假若你经历某事，它会发生在你身上，或者你会感觉到它。 在心理学领域，体验被定义为一种情绪；在商业领域，体验是一种经济手段。在产品设计领域，Houde和Hill（1997）认为体验是对产品的“看与感受”，是一种具体的对使用的“人造物”的感官体验，例如用户在使用产品时的视觉、触觉和听觉等；Forlizzi和Ford（2000）从人们如何与产品进行交互的各个方面来定义体验，认为体验就是：

用户体验——浅析用户体验评估标准的建立

本资料由网舟咨询分析提供 用户体验 浅析用户体验评估标准的建立 正如其名称所示，用户体验是一种纯主观的心理感受，存在着许多不确定因素和个体差异，想要精确地评估用户体验是一件不容易的事情。之所以不容易，是因为： 1.缺乏关于用户体验的标准 1)关于用户体验的定义，目前始终飘浮在理论层面，缺乏明确的评估标准。 2)不同产品对用户体验构成因素的侧重点也不同。 2.缺乏有效地评估方法 1)实验存在不确定因素，用户存在个体差异。 2)大样本量的评估测试成本较高。 因此，为了能够精确评估用户体验，评估标准的创建应该注重实用性和可操作性，遵循以下几个原则： 1)所有评估标准均可量化，能够提供详细的评估数据。 2)评估标准是可以被实实在在测量和观察的，并且可再现。 3)评估标准可以按照周期进行复查，验证特定期限内的改善情况。 4)评估标准应当具备较好的结构效度。 目前对评估标准的研究可以划分为两大类：关注内容的评估标准和关注用户的评估标准。

关注内容的指标体系 如Nielsen提出的4个新的可用性参数，即导航、响应时间、可信度(Credibility)和内容。此外，Agarwal和Venkatesh提出针对网站可用性评价的微软可用性准则(Microsoft Usability GUIdelines，MUG)，其指标体系中包含5个维度：易用性、针对中等用户(Made for the Medium)、情感、内容和促动性(Promotion)。 受此影响，很多研究者提出了相似的观点，如Turner将可用性分为导航、网页设计、内容、可存取性、多媒体使用、互动性和一致性。部分学者还通过各种实证研究进一步分析了各项网站可用性指标的重要性。如Monideepa Tarafdar等人分析了现有网站可用性设计的指标对于网站的影响，发现网站设计方面的因素，如信息内容、导航系统的易用性、下载速度、网站可访问性等与可用性正相关，网站安全性和定制化程度则与可用性无关。 关注用户的指标体系 就研究思想而言，这部分研究者更多从用户行为分析的角度考察网站可用性评估指标体系的构建问题，一些学者从理论层面对这一问题进行了一些探讨。如Venkatesh等人将技术接