Max Home IndustryРазработчики мобильных приложений должны быстро реагировать на отзывы, отражающие неудовлетворенность. Статистики из Корнелла нашли для разработчиков более быстрый способ реагирования с новым методом интеллектуального анализа текста, который объединяет и анализирует отзывы клиентов за один шаг.
Инновационная модель была разработана Шоном Манкадом, доцентом кафедры операций, технологий и управления информацией Высшей школы менеджмента Сэмюэля Кертиса Джонсона. В 2017 году Манкад вместе со своей командой получил грант в размере 525 000 долларов США на 4 года на создание новых инструментов для мониторинга стабильности финансовой системы. Его статья «Одноэтапное прогнозирование со встроенным тематическим моделированием онлайн-обзоров для управления мобильными приложениями», написанная в соавторстве с докторантом Корнельского университета Шенгли Ху и Анандасивамом Гопалом из Университета Мэриленда, была включена в «Анналы прикладной статистики».
В аннотации к статье Mankad et al. государственный:
Отличительной особенностью мобильных приложений от традиционного программного обеспечения для предприятий являются онлайн-обзоры, которые доступны на торговых площадках приложений и представляют собой ценный источник отзывов потребителей о приложении. Мы создаем подход к моделированию контролируемых тем, чтобы разработчики приложений использовали мобильные обзоры в качестве полезных источников качества и отзывов клиентов, тем самым дополняя традиционное тестирование программного обеспечения. Подход основан на матричной факторизации с ограничениями, которая использует взаимосвязь между частотой терминов и заданной переменной ответа в дополнение к совпадению терминов для восстановления тем, которые прогнозируют настроения потребителей и полезны для понимания лежащих в основе текстовых тем.
Объяснение метода более неформальным языком. Манкад отмечает, что при интеллектуальном анализе текста обычным способом представления текстов является построение огромной матрицы, чтобы отслеживать, какие слова появляются в каком онлайн-обзоре. Матрица становится очень широкой и необходимо уменьшить количество столбцов. Модель, по сути, берет средневзвешенное значение слов, которые появляются в онлайн-обзорах. Каждое из этих средневзвешенных значений представляет собой тему для обсуждения. Этот метод не только дает рекомендации по производительности отдельного приложения, но и сравнивает его с конкурирующими приложениями с течением времени, чтобы оценить функции и настроения потребителей.
Предоставлено: Cornell Brand Communications.
Манкад и его коллеги применили свой подход как к смоделированным данным, так и к более чем 104 000 мобильных обзоров 162 версий приложений от трех самых популярных онлайн-турагентов в США: Expedia, Kayak и TripAdvisor. Ежегодно на каждое приложение поступало более 1000 отзывов. Они обнаружили, что их модель интеллектуального анализа текста работает лучше, чем стандартные методы при прогнозировании точности как на реальных обзорах, так и на смоделированных данных. И они обнаружили, что этот метод может помочь компаниям взвесить все за и против того, как часто они выпускают новые версии своих приложений.