基于大规模人类行为数据的用户理解

1）什么是用户行为数据？

2）用户行为数据是怎么积累的？

3）为什么我们需要研究用户理解？

4）为什么用户理解这么重要？

为了说明如何收集用户数据，那么回到二十年前（1980年代），那时候普适计算的概念才刚刚被提出来。马克韦瑟提出了普适计算的概念，人们想知道计算的未来会是什么样的，那么马克提出普适计算是计算的未来。那么什么是普适计算呢？马克提出四个原则，首先计算的目的为了帮助人们做其他事情，其次最好的计算机是安静的无形的仆人，一个人能够凭直觉做的事情越多他就越聪明，计算机应该扩展人的潜意识，技术应该营造出平静。

Tabs、Pads、Boards。Tabas是厘米级的设备，如智能手机和智能卡。Pads是像笔记本电脑这样的分米级设备，不太适合随身携带。Boards是米级的设备，因为它们非常大，所以无法随身携带，也不能轻易移动。因为Tabs、Pads是可移动的，所以一个直接的想法就是检测它们的位置，并使用它们来构建可感知情境的应用。例如，当我们知道用户设备的位置，那么就可以根据用户周围的情况告诉用户周边的旅游景点信息。

2004年的MOTE项目，自组织网络可以看作是物联网的早期原型。

上面提到的普适计算项目，很多都与传感器和情境感知相关，那么什么是传感器？传感器是一种测量物理量并将其转换为能被观察者或者仪器所读的信号设备。所以传感器可以被看成是连接物理量和数字信号的桥梁。在现在的移动设备中，如智能手机中已经有很多传感器，智能手机能够记录设备的时间和地点，地点可能来自GPS，Wi-Fi，移动基站或者蓝牙信号。智能手机中还有很多可以记录设备移动的传感器，如加速度计、陀螺仪和数字罗盘，使用这些移动信号我们可以推断用户的移动和活动。传感器还可以被用于记录环境信号，例如使用麦克风来检测声音信号，使用相机来检测视觉信号。我们还可能有环境光传感器、接近传感器、气压计、湿度传感器和温度计。

这些数据有几个共同点。它们都是直接或者间接由人产生的。它们代表了一些物理世界的活动（带有地理位置的照片、人们在哪里停留、在哪里签到、出租车轨迹代表了如何在城市中行驶、智能卡记录展示了人们如何乘坐公共交通工具等等），这些数据都是结构化的。例如所有数据都包含至少一个时间戳和一个位置标记，位置标记可以用经纬度这样的坐标或者位置名称、公共汽车站表示。我们在挖掘数据的时候要十分小心，因为这些数据包含了用户个人隐私和安全性，用户不一定表示会愿意提供这些数据。

使用人类行为数据，就是利用这些数据来产生关于用户的知识，然后使用这些数据来使各种云服务变得更加个性化并为用户提供更好的推荐。

1945年，Vannevar Bush提出了关于扩展存储器的想法，扩展存储器是指个人可以用来压缩和存储所有书籍、记录和通讯的设备，扩展存储器可以被看作是最早关于数据采集的想法。

Mylifebits，就是这样一个生活记录的项目，这个项目的主要贡献者是戈登贝尔和吉姆戈梅尔，他们想要构建一个用户可以一直穿在身上，自动拍照片和记录传感器读数的设备。后来基于在这个项目中积累的经验，他们出版了《你们的生活，上传了吗？》一书。

《我的生活的个性化分析？》，史蒂芬因Mathematica和沃尔沸拉姆搜索引擎而非常有名。我们引用了他的一张图来展示个性化分析的力量。这些个人分析图表展示了不同类型的知识（生命阶段）／个人行为的洞见，如果我们能够更好的理解用户，我们就能够使用这些知识来帮助不同应用，实现个性化并提供个性化的帮助。

作者 加醋的咖啡

关键字：产品经理, 传感器

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！