Come identificheresti le sezioni più attive di un utente?

Question

Su un sito Web, tutto è etichettato con parole chiave assegnate dallo staff (non è un sito guidato dalla comunità, per sua natura). Sono in grado di determinare in quali tag un utente è più attivo (o quali tag visualizzano di più). Tuttavia, non sono sicuro di come scegliere l'elenco. Alcune opzioni si presentano, ma non mi sembrano giuste.

• Prendi i primi n (o m < n se hanno meno di n tag visualizzati)
• Prendi i primi n tag dove n è una percentuale del totale dei tag visualizzati
• Prendi i primi n tag con le viste m dove n e m sono percentuali del totale dei tag visualizzati e delle visualizzazioni di pagina totali
• Prendi tutti i tag, indipendentemente dalle visualizzazioni

L'obiettivo è identificare ciò che è più interessante per l'utente e mostrare loro altre cose a cui potrebbero essere interessati, rispetto ai tag che sono assegnati al contenuto.

Answer 1

Una soluzione semplice è provare diversi report e verificare quale report è più informativo. La natura del tuo sito e dei tuoi dati potrebbe significare che alcuni rapporti sono inaspettatamente utili e altri no. Se un rapporto ottiene ad esempio un grafico ad area "piatta", cerca qualcos'altro.

Ancora meglio dare ai consumatori dei report una scelta e la capacità di fornire feedback. Ottimizza i rapporti in base a ciò che cercheranno davvero.

P.S. Vorrei andare dal & Quot; Prendi i primi n tag con le viste m dove n e m sono le percentuali dei tag totali visualizzati e delle visualizzazioni di pagina totali & Quot; segnala prima

Answer 2

Potresti guardare gli algoritmi di apprendimento automatico per trovare algoritmi con cui valutare l'efficacia della tua scelta.

Come ad esempio: http://it.wikipedia.org/wiki/Supervised_learning#Approaches_and_algorithms Cose come il vicino e le baie più vicine potrebbero aiutarti a migliorare i tuoi suggerimenti.

Questo è tuttavia eccessivo solo per suggerire " Vuoi dare un'occhiata anche a questo? " ;, ma è un approccio interessante per fornire legami migliori. Tuttavia, richiederebbe un metodo per capire se i tuoi utenti apprezzano o meno i tuoi suggerimenti (ad esempio & Quot; Mi piace questo! & Quot; -link o analisi dei log in base al tempo trascorso sui link, ecc.)