20年前,Jakob Nielsen Posited个性化被高估了,主要是因为技术没有足够的先进,以为所关心的用户创造良好的预测。快进至今,(他预测)个性化是网络上不断增长的趋势。个性化个性化那as opposed to基于角色的个性化,指基于该用户的偏好和行为的数据对特定用户定制对特定用户的内容和功能的实践。

虽然个性化用户界面可以包括从命令快捷方式到颜色方案的任何内容,但是一个特别有用的个性化个性化形式是使用建议书在网站和移动应用程序上。推荐产品或内容项在电子商务网站,社交媒体,新闻网站和流媒体视频或音乐服务中特别常见,但也可以在其他网站上找到。因此,虽然YouTube这样的服务可以提供数百万视频,但在访问该网站的主页或观看视频后,任何给定用户都只会在访问该网站的主页时显示少数推荐的视频和频道。

个性化建议可以基于机器学习或其他人工智能技术,明确定制来自用户的说明,或两者的组合。

要深入了解用户在网站上提供的各种个性化建议周围的用户期望和心理模型,我们跑了一个远程审核可用性在美国遍布8名参与者的研究。在每个会话中,参与者在他们有账户的2-3个网站上完成了Parileator分配的任务,并在其中回答了与建议相关的问题采访

Our study participants were highly attuned to the fact that sites commonly track their browsing patterns, purchase histories, and other sources of data to present individually personalized suggestions. Overall, these建议得到了赞赏被视为缩小可用选项的工具在一个地方。要获得这个好处,用户愿意牺牲一些隐私;他们预计他们需要追踪和分析许多行动。

通过建议进行策划

Reactions to recommendations were overwhelmingly positive across all our study participants. Suggested items curated to their interests helped them avoid选择过载和“筛选捣碎”以更快地找到感兴趣的物品。

“[Recommendations are nice because they don’t] make you go load many, many products before actually finding the thing you want. They显示您可能真正感兴趣的事情然后你必须在那里选择。我觉得它非常好。“

“我一直在讽刺。我使用应用程序,移动网站和计算机网站。我觉得,如谷歌看起来我看的一切,然后为我定制广告,如果丝芙兰这样做,我认为这将是非常酷的。......那种方式是对我来说有点个性化,这将是真的很棒。它会节省大量滚动。“

“我真的很感激它让我发现邻近我喜欢的东西的其他东西,我可能无法自己发现。......我并不总是有耐心听到一大堆我不确定我要享受,筛选并找到我将喜欢的一件事。所以,如果Spotify可以为我做这一点。这就是为什么我第一次尝试缝线。I sort of like shopping, but I don't love, ‘oh I need a pair of black pants so I'm going to sort through tons and tons of black pants to try and find the one that's going to work for me.’ When I could answer some questions and then have Stitch Fix be like, ‘these are nice pants, you might enjoy them, and they'll look good on you.’That takes some of the work of looking away,并只是为您提供“这是你可能喜欢的东西,给它一个镜头。”

像一个个人的建议从朋友knows you well, these personalized suggestions were weighed more heavily and considered more relevant than generic promoted content. When given an open-ended task to browse for something that would interest them, participants gravitated toward these recommended items (when they could find them).

“对我来说,我会认为,会有一点点more of a correlation to the types of things I prefer, where popular is just what's popular for everyoneelse. … What might be popular might not be very appealing to me. That's why I normally start with the top picks for me.”

数据收集和隐私期望

当被问及哪些信息用于产生建议时,人们的想法是相当良好的想法。以下是提到的数据类型是可能的源,其中与这些参与者最有信心的首先列出:

  • 历史 - 过去购买(在电子商务网站上)或消耗的内容(如视频观看,在内容服务上播放的歌曲)
  • User-entered profile data, including demographics such as age, gender, and location, as well as categories of interests or other information specific to the site’s context
  • 评级
  • 保存或“有利于”项目
  • Browsing behavior
  • 搜索历史记录

“我真的不知道其中一些选择了其中一些。大多数似乎都很漂亮,所以我会猜这将是基于我的购物习惯:我点击的东西,我最喜欢的东西,以及我买的东西。“

虽然一些用户感谢他们不需要购买购买以从个性化的建议中受益,但大多数人都希望他们的直接活动,如过去购买,保存的物品,或者输入的简档信息比简单的浏览更加重视。他们认为,并非他们点击的所有内容都与他们相关,并且不希望浏览活动歪斜未来的建议。

“Sometimes I click on something because I think it's going to be great, and then I read the reviews or … like that glitter mask I looked at, that or anything like it I would have no interest in seeing in myRecommended For You。但是我添加到我的东西Favorites列表,我从过去购买的品牌,我绝对希望看到更多这些品牌和这些品牌和这些类型的产品Recommended For You。“

Users assumed that some recommendations are based not only on their direct or indirect activity, but also on algorithms that identify similar users or items resembling the ones they’ve shown interest in.

“它们可能有某种算法为”如果您喜欢这种黑白格子纽扣衬衫,那么您就会喜欢其他黑白格子的东西或其他纽扣衬衫,“那样。”

“显然,它们具有一些基于大量不同数据的算法。我假设这是根据我个人使用Netflix以及我一直在观看的东西。和此外,可能是非人格,意思是根据我的年龄,性别,这样的事情。“

我们研究中的用户都没有过度关注隐私(可能是由于我们测试的网站的无害性),尽管有几个假设“其他人”可能会担心。对于这些参与者,追踪其网站使用被接受为现状,并且只是使用互联网和生活在现代世界的副产品。定制内容的好处超过了任何隐私问题。

“我知道很多人都反对[跟踪],但是it’s a beauty product so I don’t care。“

我已经辞去了自己,因为我不经常预见,我会尽快停止使用互联网。我就像,嗯。“

“It bothers me a little bit, but我知道这就是在这个世界上的事情那they're not going to change. … It's just something you expect with the world's technology and everything else. But it doesn't bother me like it does some people.”

“我觉得它很酷。我的意思是,有些人可能会害怕公司或者某些东西试图抓住你的下一步是什么。但我的意思是,他们总是用PEW研究和类似的东西来完成。我觉得它很好,它表明,该公司正在努力提供最佳服务。“

判断通用与个性化内容

With personalized content becoming increasingly common, how do people determine whether a piece of content is tailored to them? Not surprisingly, our study participants relied primarily on explicit headings (e.g.,为你推荐,因为你看着). Beside these obvious indicators, indirect clues such as the overall popularity of the item being suggested or the likely business interest in promoting it were also used to determine whether an item was a personalized recommendation.

亚马逊主页部分的屏幕截图
Amazon.com:使用“您”这个词的标题是个性化内容的清晰标记。

服务的结构在用户期望内容对它们量身定制的内容中起着很大的作用。A user of the Hello Fresh meal service didn’t believe that the meal options for each shipment were specific to him, even if he marked certain recipes as interesting, because the company would have to do too much work to deliver recipes personalized to each customer.

用户浏览Netflix质疑在主页上的顶级横幅地区的节目是个性化的。在一些审议之后,他确定Netflix有明确的经营理由来推广展会,因此内容可能会向所有用户展示。

“当我去我的家庭屏幕时,就会出现的第一件事是橙色是新的黑色。我不确定对每个人是否也是一样的。......也许一个新的赛季刚刚出来,这就是为什么它在这里,每个人都看到这个?或者也许是因为我在他们试图说之前看到了它,'嘿,为什么你不看这个?“......我猜大家可能看到它,因为它可能是一个新的赛季发布。现在看第6季它说。所以,我确定Netflix正在尝试推动自己的原始节目。“

Netflix主页的屏幕截图(登录)
Netflix:一个用户不确定顶级横幅区域中显示的节目是通用促销或个性化内容。他推理说,最近发布的新赛季足以提供经营理由,以保证它是一个通用的推广。

感知一段内容的普及也被用作判断该内容是否是个性化的线索。我们的参与者倾向于假设每个人都表现出时尚或谈判的项目;相比之下,更容易被视为特定于个人的基础或更少的主流内容,因为与用户过去的行为明显相关的内容。例如,EventBrite用户不确定Food and Drinkevents displayed on the site were personalized: although she often went to such events, she felt that so did everyone else.

“Maybe, again, based on my searching and stuff this is what they think I’d find the most interesting, or, ‘we can tell based on your history you're the most interested in this.’ But I also think that that's a common thing that people find interesting.”

同样,Hulu用户不确定他在主页上看到的医疗戏剧是否是由许多人或基于他的账户中的过去行为的人物或个性化内容享受的热门展览(他提到他的母亲有时会在他的账户中观看这些节目当她来参观)。相比之下,他认为显示的幻想戏剧可能是个性化的,因为他认为这些表演不太受欢迎。

“I'm sure these categories are somewhat customized. I don't think电视幻想戏剧对于大多数人来说,这是非常常见的,这些节目都没有真正的节目,我听到现在的人谈论。所以我相信这些与我一直在看的事情有关。“

Hulu页面部分的屏幕截图
Hulu:我们的学习参与者假设电视幻想戏剧本网站上的特色是根据他的个人兴趣来展示的,因为他认为大多数人对此类表演不感兴趣。

准确性依赖于活动水平,受技术的限制

我们研究中的用户非常宽容错过了标记的建议。许多网站的新用户或不常见的用户评论说,在没有足够的数据的情况下,他们没有期待该网站做出准确的预测of their interests. Our participants acknowledged that recommender systems were often easily skewed when multiple people shared a single account, because there would be multiple competing sources of data the system would need to accommodate.

“I’m also conscious of the fact that if I register [for an event] and don't go, or if I不要经常使用该网站,然后他们没有大量数据离开。“

“一旦你开始观看更多电影,我认为建议的建议对你来说更好。这是那种类型的东西一旦你使用它,就会变得更好和更多。它从你做的事情中学到,然后显示你可能更感兴趣的东西。“

“这位Hulu叙述了我和我的配偶俩都使用了一些节目,最适合我,可能比对我更少的特点。......很多这些节目,我不会快速点击。“

此外,用户预期的推荐系统是不完美的,偶尔会出错。计算机并不介意读者那和they aren’t expected to be any time soon.

“我也知道它不是一个完美的系统,所以my expectations of it are kind of tempered。即使我的Spotify帐户只是我的,我也不会期望爱它为我挑选的每首歌。有时它不知道为什么,有时我喜欢一首歌,因为与它相关的个人记忆,Spotify永远不会明白这一点。“

糟糕的建议很容易忽视

用户并不介意无趣的建议,并简单地继续浏览他们关心的物品。即使在提示调查是否有一种方法来隐瞒或解雇差的建议,许多人都表示他们不会想到这样做。对于我们测试的大多数服务,互动成本为了向不太理想的建议提供反馈太高,因此不值得 - 它忽略了糟糕的建议并继续滚动而不是追捕如何将该建议标记为无关紧要。

“这不是真正冒犯我或感觉的事情的类型,'哦,eventbrite并不真正了解我。......这只是我将滚动过去的东西。“

Screenshot of Eventbrite homepage
EventBrite:用户认为没有吸引人的推荐事件是不忽视的。她不想花费努力教导网站的偏好。

使用频率不会影响用户对无趣建议的容忍度。虽然人们预计个性化建议将随着时间的推移而改善,但随着时间的推移,他们继续将数据饲养到推荐制度中,它们仍然非常容忍对不良建议。

However, for those services that主要是提供个性化内容或物理商品,人们愿意甚至驱动到系统互动,以帮助服务更好地了解它们。这是因为建议不好的成本(例如,送回一盒不需要的物品)的成本高于培训推荐系统的交互成本。

In the context of the homepage [on Amazon] I care less [about good recommendations] than [about quality recommendations from] something like Spotify or Stitch Fix。因为在某种程度上,有Spotify或针刺修复,我正在得到那些东西。我努力管理是否像我所遇到的东西一样努力决定了我所遇到的东西有多好。与亚马逊一起,它不会自动向我发送第一页的东西,这只是寻找我想要的东西的起点。“

STITHFIX帐户页面上评级工具的屏幕截图
当个性化的准确性很重要时 - 例如船只的服务,它认为您喜欢的物品 - 用户愿意花费与网站交互的努力,以帮助它学习他们的偏好。在缝线修复上,用户感谢告诉我们你的风格特征在那里他们可以将物品带给拇指向上或拇指向下磨练未来的衣物出货量。

此发现对推荐引擎的选择有影响。假设您正在运行具有页面布局的流媒体视频站点,允许您仅向每个用户显示两个推荐电影。您可以选择两个推荐算法:算法A在观看电影后,选择两个电影(在您测试的用户对您所测试的用户平均)。相比之下,算法B平均得分为90和50的两部电影。因此,如果A,与推荐电影的平均用户满意度为80,而在B的情况下,平均用户满意度只有70.然而,算法B更好choice since users won’t mind some bad recommendations (here a movie they only score 50), but will be more happy with the one recommendation they end up actually watching (90 instead of 80).

与用户体验的大多数其他方面一样,用户'对期望您的网站由他们的经验驱动other遗址。Thus, if or when major sites improve the precision of their recommendations, it is likely that users’ tolerance of poor recommendations will decline.

结论

跟踪现场使用情况为了呈现个性化内容,不被视为对许多用户的隐私入侵,至少对于用户选择创建和维护个人帐户的服务。

On the contrary, personalization such as个性化建议被视为一个特征- 一个标志,网站试图通过帮助他们缩小要考虑的总数的缩小来更好地服务他们的用户。糟糕的建议很容易被忽视,或者,当获得良好建议的好处足够强大,用户可能甚至愿意与该网站进一步参与Finetune未来的建议。

很明显,个性化不再被高估。