菜单 关闭

个性化建议:用户的期望和假设

通过 奥罗拉哈雷9月30日,二千零一十八

总结:用户喜欢个性化的内容建议,并愿意放弃一些隐私的质量建议,同时接受一些不准确的建议。


20年前,雅各布·尼尔森提出个性化被高估了。,主要是因为技术还不够先进,无法为用户关心的内容创建良好的预测。快进到今天,并且(正如他所预料的)个性化是互联网上日益增长的趋势。个性化个性化,相反基于角色的个性化,指为特定用户定制内容和功能的实践,基于收集的关于该用户的偏好和行为的数据。

虽然个性化用户界面可以包括从命令快捷方式到配色方案的任何内容,个性化个性化的一个特别有用的形式是建议在网站和移动应用上。推荐产品或内容项在电子商务网站上特别常见,社会化媒体,新闻网站,以及流式视频或音乐服务,但也可以在其他类型的网站上找到。所以,而像YouTube这样的服务可能提供数百万的视频,任何给定的用户在访问网站的主页或观看视频之后将只显示少数推荐的视频和频道,基于收集到的关于该用户的数据。

个性化推荐可以基于机器学习或其他人工智能技术,明确的定制来自用户的指令,或者两者兼而有之。

深入了解用户对网站上各种个性化建议的期望和心理模型,我们跑了一个远程适度可用性与8名来自美国各地的参与者一起研究。在每次会议中,参与者在2-3个网站上完成了主持人分配的任务,并在采访.

我们的研究参与者高度认同这样的事实,即网站通常跟踪他们的浏览模式,购买历史,和其他数据来源,提出个性化的建议。总体而言,这些建议受到赞赏。被视为缩小可用选项范围的工具在一个网站上。为了获得这种好处,用户愿意牺牲一些隐私;他们期望跟踪和分析他们的许多行为。

通过推荐进行策划

我们所有研究参与者对建议的反应都非常积极。为他们利益策划的建议项目帮助他们避免选择过载和“筛选烂泥更快地找到感兴趣的项目。

“[建议很好,因为它们不会让你负担太多,在找到你想要的东西之前有很多产品。他们展示你可能真正感兴趣的东西然后你只需要从中做出选择。我觉得挺好的。”“

“我一直在雪佛拉。我使用这个应用程序,移动网站,还有电脑网站。我觉得,就像Google看着我看到的一切,然后为我定制广告,我觉得如果塞弗拉那样做会很酷。…那样的话,我就会觉得它很个性化,那真是太棒了。这将节省大量滚动."“

“我真的很感激它能让我发现其他与我喜欢的东西相邻的东西,我可能不会自己发现。...我不总是有耐心去听一大堆我不确定我会喜欢的事情,筛选并找到一件我会喜欢的事情。所以,如果Spotify能为我做到这一点,那就太好了。这也是我第一次尝试缝补的原因。我有点喜欢购物,但我不爱,“噢,我需要一条黑色的裤子,所以我要整理成吨的黑色裤子,试图找到一条适合我的裤子。”当我能回答一些问题,然后像缝补一样,“这些裤子不错,你也许会喜欢它们,而且它们穿在你身上会很好看的。”这需要把目光移开一些工作。,给你提供‘这里有些你可能喜欢的东西,试试看。”“

就像一个认识你的朋友的私人推荐,这些个性化的建议比普通的促销内容更重要,被认为更相关。当给一个开放式的任务来浏览他们感兴趣的东西时,参与者被这些推荐的物品吸引(当他们可以找到它们的时候)。

“最适合我的,我想,会有一点点更多地与我喜欢的事物的类型相关,受欢迎的地方就是人人都喜欢的地方否则。...可能受欢迎的东西可能不太吸引我。这就是为什么我通常从最上面的挑选开始。”“

关于数据收集和隐私的期望

当被问及使用什么信息来生成建议时,人们的思想相当成熟。以下是作为可能来源提到的数据类型,对于这些参与者,他们最自信的是首先列出:

  • 历史-无论是过去的购买(在电子商务网站)或消费的内容(如视频观看,在内容服务上播放的歌曲
  • 用户输入的配置文件数据,包括人口统计数字,如年龄,性别,地点以及特定于站点上下文的兴趣类别或其他信息
  • 评级
  • 保存或“受欢迎的项目
  • 浏览行为
  • 搜索历史

“我真的不知道这些是如何选择的。大部分看起来都很正确,所以我想这可能是基于我的购物习惯:我点击的东西,我喜欢的东西,和我买的东西."“

虽然一些用户认为他们不需要购买就能从个性化推荐中获益,大多数人想要他们的直接活动,如过去的购买,保存的项目,或者输入的配置文件信息比简单的浏览更重要。他们认为并非所有他们点击的内容都与他们相关,也不希望浏览活动歪曲未来的建议。

“有时我点击一些东西,因为我觉得它会很棒,然后我读了评论,或者……就像我看过的那个闪闪发光的面具,那些或者类似的东西,我都不想看到推荐给您.但是那些我已经加进去的东西收藏夹列表,我过去购买的品牌,我绝对希望看到更多的品牌和那些类型的产品在我的推荐给您."“

用户假定一些建议不仅基于他们的直接或间接活动,还有识别相似用户或相似项目的算法。

“他们可能有一些算法,如果你喜欢这件黑白格子扣子衬衫,那么你会喜欢其他黑白格子衬衫或其他扣子衬衫,“差不多。”“

“显然,他们基于大量不同的数据使用某种算法。我假设这是基于我自己对Netflix的个人使用和我一直在看的内容。和也,可能是非个人的,根据我的年龄,性别,那样的事."“

在我们的研究中,没有一个用户过分关注隐私(也许部分原因是我们测试的网站是无害的),尽管有几个人认为“其他人”可能很担心。对于这些参与者,跟踪他们的站点使用情况被接受为现状,而且仅仅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。

“我知道很多人反对[跟踪],但是这是一个美容产品,所以我不在乎."“

““我已经听天由命了。,因为我没料到我会很快停止使用互联网。我只是喜欢,嗯。”“

“我有点不舒服,但是我知道,这就是这个世界将要发生的事情,他们不会改变的。...这只是你对世界科技和其他一切事物的期待。但我并不像有些人那样烦恼。”“

“我觉得很酷。我是说,有些人可能会害怕,如果公司或某事正在试图抓住你的下一步将是什么。但我的意思是,他们一直在做皮尤的研究之类的事情。我觉得很不错,,这表明公司正在努力提供最好的服务。."“

判断一般与否的。个性化内容

随着个性化内容变得越来越普遍,人们如何确定内容是否适合他们?毫不奇怪,我们的研究参与者主要依赖于明确的标题(例如,,推荐给您,, 因为你看了))除了这些明显的指标之外,间接的线索,如建议的项目的总体流行度或可能的商业利益促进,也被用来确定一个项目是否是个性化推荐。

亚马逊主页部分截图
Amazon.com:使用单词的标题你“是内容个性化的清晰标志。

服务的结构在用户是否希望内容适合他们方面发挥着重要作用。Hello Fresh餐饮服务的用户不相信每批货的餐饮选择都是针对他的,即使他标明某些食谱很有趣,因为公司要为每个客户提供个性化的配方需要做太多的工作。

一位浏览Netflix的用户质疑该节目在主页顶部横幅区域推广是否对他个人化。经过深思熟虑,他断定Netflix有明确的商业理由来推广这个节目,因此,内容很可能被呈现给所有用户。

“当我进入主屏幕时,首先想到的是橙子是新黑.我不确定是否每个人都一样。...也许新赛季刚刚开始,所以大家都看到了?或者因为我在他们想说之前看过,嘿,你为什么不多看一些呢?我猜每个人都可能看到它,因为这可能是一个新赛季的发行。现在观看第6季它说。所以,我敢肯定Netflix正在努力推销自己的原创节目。”“

Netflix主页截图(登录)
Netflix:一个用户不确定在顶部横幅区域呈现的展示是一般的促销还是个性化的内容。他推断,最近发布的新赛季已经足够商业理由来证明它是一个通用的促销活动。

这个感知一段内容的流行度也被用作判断内容是否个性化的线索。我们的参与者倾向于认为时髦的或者谈论的项目被展示给每个人;相反,利基或更少的主流内容更有可能被判断为针对个人,内容显然与用户过去的行为有关。例如,Eventbrite用户不确定食物和饮料网站上展示的事件都是个性化的:尽管她经常参加这样的活动,她觉得其他人也是这样。

“也许吧,再一次,基于我的搜索和素材,他们认为我会找到最有趣的,或者,根据你的历史,我们可以看出你对此最感兴趣。但我也认为这是人们觉得有趣的一件平常事。“

同样地,Hulu的用户不确定他在主页上看到的医疗剧是许多人喜欢的热门节目,还是基于他账户中的过去行为的个性化内容(他提到,他母亲来访时有时会以他的账户观看这些节目)。相反,他认为所展示的幻想剧很可能是个性化的,因为他相信那些节目不太受欢迎。

“我确信这些类别是定制的。我不认为电视幻想剧对于大多数人来说,这是很常见的,这些节目都不是我现在听到人们谈论的那些节目。所以我确信这些和我一直在看的节目有关。”“

葫芦页部分截图
Hulu:我们的研究参与者假定电视幻想剧 由于他认为大多数人对这类节目不感兴趣,所以网站上的特写都是根据他的个人兴趣来展示的。

准确性取决于活动水平,技术限制

在我们的研究中,用户非常原谅那些没有达到要求的建议。许多新用户或者不经常访问网站的用户评论说,在缺乏足够数据的情况下,他们没料到这个地点。作出准确的预测他们的利益。我们的参与者承认,当多个人共享一个帐户时,推荐系统常常容易出现偏差,因为系统需要适应多个竞争数据源。

“我还意识到,如果我登记(参加一个活动)而不去,或者如果我不要频繁使用站点,那么他们就没有很多数据了离开。”“

“一旦你开始看更多的电影,我认为推荐的建议对你会更好。这种类型的事情是越用越好还有更多。它从你做的事情中学习,然后显示出你可能更感兴趣的事情。”“

“这个Hulu帐户我和我的配偶都使用,所以一些节目,,最佳选择,可能比起我而言没有那么具体。...很多这样的节目,我不会很快点击的。”“

此外,用户期望推荐系统不完美,偶尔会出错。计算机不介意读者,他们预计不会很快到来。

“我也知道这不是一个完美的系统,如此我对它的期望有点儿低落。.即使我的Spotify帐户只是我的,我不希望喜欢它为我挑选的每首歌。有时候不知道为什么,有时我喜欢一首歌,因为个人记忆和它联系在一起,Spotify永远不会理解它。”“

不好的建议很容易被忽略

用户并不介意无趣的建议,只是继续浏览他们关心的项目。即使当被提示调查是否存在隐藏或拒绝不良建议的方法时,许多人说他们不会考虑那样做的。对于我们测试的大多数服务,这个交互成本对不太理想的建议给出反馈太高了,因此不值得-忽略一个不好的建议并继续滚动比寻找如何标记该建议为不相关的工作更少。

“这不是那种真正冒犯我或感觉的东西,哦,Eventbrite并不真正了解我。这正是我要滚动过去的那种东西."“

Eventbrite主页截图
Eventbrite:一个用户认为不吸引人的推荐事件是不有害的,很容易忽略。她不想花力气去教网站关于她的喜好。

使用频率并不影响用户对无趣建议的容忍度。虽然人们期望个性化推荐会随着时间推移而得到改善,因为他们继续将数据输入推荐系统,他们仍然很容忍不好的建议。

然而,为那些服务主要地交付个性化内容或实物商品,人们愿意甚至被迫与系统交互,以帮助服务更好地了解他们。那是因为不好的推荐的费用(例如,发回一箱不想要的物品)要比培训推荐系统的交互成本高得多。

““在[亚马逊]主页的背景下,我不太关心[好的推荐],而是关心[来自]Spotify或Stitch Fix之类的质量推荐。.因为在某种程度上,使用Spotify或Stitch Fix,我要买那些东西。我投入了多少精力去管理我是否会喜欢正在得到的东西,这决定了我所获得的东西将会有多好。而亚马逊,它不会自动把第一页上的东西寄给我,这只是寻找我想要的东西的起点。”“

StitchFix帐户页面上评级工具的屏幕截图
当个性化的准确性问题时,比如,对于一个提供你认为你会喜欢的商品的服务,用户愿意花费精力与网站进行交互,以帮助网站了解他们的偏好。在缝补上,用户欣赏告诉我们你的风格 他们的特点是,他们可以给项目拇指向上或向下磨练未来的服装出货。

这一发现对推荐引擎的选择具有指导意义。假设您正在运行一个具有页面布局的流视频网站,该页面布局允许您仅向每个用户显示两个推荐电影。您可以在两种推荐算法之间进行选择:算法A选择两部电影,这两部电影(在您测试的用户中平均)在观看完一部电影后观众满意度的0-100级上都达到80分。相反,算法B选择平均得分为90和50的两部电影。所以,在A,用户对推荐电影的平均满意度为80,而在案例B中,平均用户满意度仅为70。然而,算法B是更好的选择,因为用户不会介意一些糟糕的推荐(这里是一部只有50分的电影),但是当他们最终看到一个推荐(90而不是80)时,他们会更开心。

与用户体验的大多数其他方面一样,用户的期望你的网站是由他们的经验驱动的其他地点.因此,如果或当主要网站提高其推荐的精确度,用户对差劲推荐的容忍度可能会下降。

结论

跟踪站点使用情况以便呈现个性化内容并不被认为是对许多用户的隐私侵犯,至少对于用户选择创建和维护个人帐户的服务。

相反地,个性化,例如个性化推荐被看作是一个特性-一个迹象,表明一个网站试图通过帮助用户缩小需要考虑的选项总数来更好地为用户服务。不好的建议很容易被忽视,或者,当获得良好推荐的好处足够强烈时,用户可以甚至愿意进一步参与该网站,以完善未来的建议。

很明显,个性化不再被高估。