大数据驱动的用户体验设计综述
发布时间：2021-06-05 21:11
目的研究大数据技术在用户体验设计领域的理论研究与实践应用。方法通过国内外相关文献研究和各行业对大数据驱动用户体验优化设计实践应用的分析,总结归纳当前典型的应用场景,分析在大数据时代用户体验研究将发生的变革和未来发展的趋势。结论系统地探讨了大数据在用户体验设计领域的主要应用场景以及实现方法,重点阐述了内容推荐、用户画像、需求分析、可用性分析和智能判断与决策五个应用场景,并提供了相应的参考框架。针对当下的理论研究和实践经验,提出了大数据驱动的用户体验研究未来,将会成为用户体验研究主要方法的趋势,其研究方法还将从单一的定量研究,转变为定量与定性研究相结合,更多维度的社会化大数据将逐步得到广泛应用,涉及用户隐私的数据安全与隐私侵犯问题,也将逐步得到重视。人工智能技术与大数据技术的结合,将进一步扩展用户体验研究的应用范围,深度学习、认知计算、社会计算等新技术,将逐步覆盖传统大数据用户体验研究领域无法解决的问题。
【文章来源】：包装工程. 2020,41(02)北大核心
【文章页数】：7 页
【部分图文】：
用户体验要素
个性化推荐系统是大数据技术应用最广泛的领域之一。通过用户行为数据挖掘用户属性，是当前学术界和工业界的热点研究领域。De Bock K[13]、Wang W[14]、Weber I[15]等人，通过用户浏览网站的行为实现了用户年龄、性别、居住地与教育程度等基本信息的推测。De Bock K[13]通过用户属性进一步预测了可适用于在线广告的定向投放方法。Wang W[14]挖掘出了用户兴趣和其点击新闻行为之间的关系，实现了针对用户兴趣的新闻推荐模型。除了互联网广告和新闻推荐领域，电商领域的推荐系统同样应用广泛。亚马逊公司的推荐引擎为其提供了高达60%的转化率，实现了30%的销售贡献率[16]。随着人工智能技术的快速发展，个性推荐系统的精准度和应用领域又得到了进一步扩张。推荐系统参考框架见图2。2.2 用户画像构建
大数据为用户需求的挖掘提供了几乎是全量的数据，在容易获得的用户属性标签的基础上，进一步分析获取用户偏好、用户习惯等信息，可以构建出用户的完整画像，再对用户画像进行分类聚合，形成抽象人群划分，进而可以根据人群画像提取用户的需求。阿里巴巴通过大数据构建了一套“全景洞察”系统[21]，通过深入分析消费者的特征和行为，实现了对现象背后原因的深度分析，可以用于帮助品牌商进行产品规划、商业决策等行为。亚马逊公司通过大数据分析消费者的购买行为，预测未来消费者的购买需求，构建了一套智能分仓和智能调拨系统，大大提高了物流和仓储的效率，既缩短了货物递送的时间又减少了物流和仓储的费用[22]。Netflix公司通过大数据分析用户的观影喜好，构建了一套分析用户观影需求的大数据系统，公司再根据分析结果进行编剧，在多个影视产品中取得了成功[23]。上汽通用汽车通过对论坛、微博等社交媒体上用户发表的评论数据的大数据分析，挖掘出用户对车辆在多个维度上的满意度和产品需求，而后针对大数据分析结果进行新车产品的开发[24]。用户需求提取参考框架见图4。2.4 可用性分析与优化
【参考文献】：
期刊论文
[1]基于用户体验的社会化标注系统评价体系研究[J]. 王娜,龙影. 情报科学. 2019(06)
[2]数据与设计的融合——大数据分析导出用户需求洞察的创新路径研究[J]. 杨焕. 装饰. 2019(05)
[3]从用户体验到体验设计[J]. 辛向阳. 包装工程. 2019(08)
[4]大数据智能算法范式下的用户黏性研究——以网易云音乐为例[J]. 李兰馨. 新媒体研究. 2019(04)
[5]三论以用户为中心的设计:智能时代的用户体验和创新设计方法[J]. 许为. 应用心理学. 2019(01)
[6]《审美意识对人工智能与创新设计的影响研究》序言[J]. 覃京燕. 包装工程. 2019(04)
[7]大数据智能算法范式下的媒介用户体验的效果评估[J]. 喻国明. 教育传媒研究. 2018(05)
[8]深度学习认知计算综述[J]. 陈伟宏,安吉尧,李仁发,李万里. 自动化学报. 2017(11)
[9]基于大数据的用户体验分析应用——“互联网+”环境下新品研发质量管理探索[J]. 王岗. 上海质量. 2017(06)
[10]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
本文编号：3212920
【文章来源】：包装工程. 2020,41(02)北大核心
【文章页数】：7 页
【部分图文】：
用户体验要素
个性化推荐系统是大数据技术应用最广泛的领域之一。通过用户行为数据挖掘用户属性，是当前学术界和工业界的热点研究领域。De Bock K[13]、Wang W[14]、Weber I[15]等人，通过用户浏览网站的行为实现了用户年龄、性别、居住地与教育程度等基本信息的推测。De Bock K[13]通过用户属性进一步预测了可适用于在线广告的定向投放方法。Wang W[14]挖掘出了用户兴趣和其点击新闻行为之间的关系，实现了针对用户兴趣的新闻推荐模型。除了互联网广告和新闻推荐领域，电商领域的推荐系统同样应用广泛。亚马逊公司的推荐引擎为其提供了高达60%的转化率，实现了30%的销售贡献率[16]。随着人工智能技术的快速发展，个性推荐系统的精准度和应用领域又得到了进一步扩张。推荐系统参考框架见图2。2.2 用户画像构建
大数据为用户需求的挖掘提供了几乎是全量的数据，在容易获得的用户属性标签的基础上，进一步分析获取用户偏好、用户习惯等信息，可以构建出用户的完整画像，再对用户画像进行分类聚合，形成抽象人群划分，进而可以根据人群画像提取用户的需求。阿里巴巴通过大数据构建了一套“全景洞察”系统[21]，通过深入分析消费者的特征和行为，实现了对现象背后原因的深度分析，可以用于帮助品牌商进行产品规划、商业决策等行为。亚马逊公司通过大数据分析消费者的购买行为，预测未来消费者的购买需求，构建了一套智能分仓和智能调拨系统，大大提高了物流和仓储的效率，既缩短了货物递送的时间又减少了物流和仓储的费用[22]。Netflix公司通过大数据分析用户的观影喜好，构建了一套分析用户观影需求的大数据系统，公司再根据分析结果进行编剧，在多个影视产品中取得了成功[23]。上汽通用汽车通过对论坛、微博等社交媒体上用户发表的评论数据的大数据分析，挖掘出用户对车辆在多个维度上的满意度和产品需求，而后针对大数据分析结果进行新车产品的开发[24]。用户需求提取参考框架见图4。2.4 可用性分析与优化
【参考文献】：
期刊论文
[1]基于用户体验的社会化标注系统评价体系研究[J]. 王娜,龙影. 情报科学. 2019(06)
[2]数据与设计的融合——大数据分析导出用户需求洞察的创新路径研究[J]. 杨焕. 装饰. 2019(05)
[3]从用户体验到体验设计[J]. 辛向阳. 包装工程. 2019(08)
[4]大数据智能算法范式下的用户黏性研究——以网易云音乐为例[J]. 李兰馨. 新媒体研究. 2019(04)
[5]三论以用户为中心的设计:智能时代的用户体验和创新设计方法[J]. 许为. 应用心理学. 2019(01)
[6]《审美意识对人工智能与创新设计的影响研究》序言[J]. 覃京燕. 包装工程. 2019(04)
[7]大数据智能算法范式下的媒介用户体验的效果评估[J]. 喻国明. 教育传媒研究. 2018(05)
[8]深度学习认知计算综述[J]. 陈伟宏,安吉尧,李仁发,李万里. 自动化学报. 2017(11)
[9]基于大数据的用户体验分析应用——“互联网+”环境下新品研发质量管理探索[J]. 王岗. 上海质量. 2017(06)
[10]大数据与深度学习综述[J]. 马世龙,乌尼日其其格,李小平. 智能系统学报. 2016(06)
本文编号：3212920
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3212920.html
