| 用户与产品之间的相互可以看成是双向线性的过程，手机上输入字母“d”和界面输出显示是一次短交互，完成一次购物支付是长交互，这是使用一次产品过程中。用户体验考量的是用户使用产品的全过程，这个过程包括了从安装到放弃使用的时间轴，交互的良性循环的优秀用户体验的表现。简单以推荐引擎为例来说明各元素是如何在时间轴上发挥作用的： 初始化。基于群体特征和用户的相关程度，将相似用户喜好的其他物品推荐给用户。在用户对产品还没有发生行为时，用户填写的个人信息（性别、年龄和收入等）可以作为初始化推荐。 内容推荐。单个用户选择某一物品，系统基于物品的元数据推荐相似的产品。这是用户个体行为对数据的过滤，当用户多次行为之后，系统可以大概估计对用户的喜好。用户的历史行为会不断影响后续推荐，形成用户和系统之间的交互循环。 协同过滤。基于用户行为发现物品的相关性。内容推荐是单个用户对系统数据的过滤，而协同过滤是基于多个用户行为的交叉结果，所以依赖于其他用户行为数据量准确度。 切客的勋章 以手机LBS为例，增加数据量的方法简单分为三种：用户输入、导入数据和商家发布信息。需求驱动用户主动使用，LBS的勋章激励机制是引导用户行为，优惠券是刺激用户需求。用户的签到行为如果无法加以利用的话，可以认为是不断输入垃圾信息。但签到的位置、签到商家的类型和频繁程序都是可以加以分析，便于后期向用户推荐有效信息和组织用户之间的联系。 每次循环都会影响到后续的产品质量，“小步快跑”的道理也在此，用户对于产品的感受也是不断增强，但也可能达到饱和。使用豆瓣电台选择喜欢听的音乐，累计听歌近两万首时，电台猜中概率明显降低。原因可能是：
源地址：http://daichuanqing.com/i……5e7%258e%25af |
| 欢迎光临 爱评测-移动互联网评测 (http://www.aipingce.com/) | Powered by Discuz! X3.2 |