PERSONALIZATION (ПЕРСОНАЛИЗАЦИЯ)

Проблема

В веб-приложениях с широким выбором контента (например, большое количество товаров в приложениях для электронной коммерции) пользователю может быть сложно найти релевантный или представляющий интерес контент или элемент. Кроме того, поскольку пользователям может быть сложно успевать за скоростью добавления новых элементов (и не все эти элементы могут показаться им интересными), не рекомендуется отображать каждый новый элемент – это и нежелательно, и невозможно.

Решение

Адаптируйте приложение под пользователя, показывая ему информацию, персонализированную на основе его профиля, схем взаимодействия и/или указанных (или выявленных) предпочтений и интересов (Anand and Mobasher, 2005; Koch and Rossi, 2002) (рис. 4.18).

Рис. 4.18. Веб-приложение для онлайн-видеопроката Netflix советует пользователям фильмы, основываясь на том, какие фильмы пользователь брал в прокат ранее и какую оценку дал просмотренным фильмам. Netflix также принимает в расчет возраст и пол пользователя

Зачем

Персонализация все чаще применяется для того, чтобы помочь пользователям разобраться в практически неограниченном объеме информации. Вместо того чтобы предоставлять «всю» информацию, пользователям предлагается только та информация, которая отвечает их индивидуальным потребностям и интересам (Anand and Mobasher, 2005; Koch and Rossi, 2002; Rossi et al., 2001). Таким образом, персонализация дает два преимущества: во-первых, она уменьшает «загромождение», устраняя элементы, которые пользователю могут быть неинтересны, а во-вторых, она указывает пользователю на новые элементы, которые самостоятельно он мог бы не заметить или не найти. Более того, поскольку персонализированный (или рекомендованный) список элементов составлен на основе интересов и действий пользователя, пользователям придется меньше волноваться по поводу того, стоит ли покупать что-либо из этого списка или стоит ли задействовать эти элементы в других операциях.

Как

Персонализация может проходить на двух уровнях.

1. На основе известных сведений о пользователе, таких как демографические данные или обозначенные интересы (эксплицитная персонализация).

2. На основе интересов пользователя, выявленных из его предыдущих опытов взаимодействия с приложением и совершенных операций (имплицитная персонализация).

Эксплицитная персонализация

На самом примитивном уровне приложение может быть персонализировано просто с помощью добавления имени пользователя в приветствие (рис. 4.19).

Рис. 4.19. Приложение Morningstar приветствует пользователей сообщением «Добро пожаловать [имя]»

Другой распространенный вариант эксплицитной персонализации – это сохранение информации из профиля и учетной записи пользователя (например, информации о доставке и адресе выставления счета) и опережающего внесения этой информации в необходимые поля, чтобы пользователю было удобнее пользоваться приложением – например, при оформлении покупки в приложении для электронной коммерции (рис. 4.20).

Рис. 4.20. Когда пользователь совершил покупку на сайте Amazon, в следующий раз при оформлении заказа для персонализации будут использоваться те данные об адресе доставки и адресе выставления счета, которые он указал в предыдущий раз

Еще один вариант персонализации – это показывать незарегистрированным и неавторизованным пользователям одну версию приложения, а авторизованным – другую (рис. 4.21).

(а)

(б)

Рис. 4.21. Сервис Blockbuster предлагает различные версии домашней страницы: одна для новых пользователей (a), а другая для постоянных авторизованных пользователей (б)

Этот подход к персонализации основывается на том уровне доступа, которым обладает пользователь: то, какой контекст и навигационная структура будут представлены пользователю, зависит от того, каким правом доступа к приложению он обладает. Например, только у пользователей с административными правами есть доступ к управляющим функциям (рис. 4.22).

(а)

(б)

Рис. 4.22. Приложение Rally Software отображает различные виды вкладок для пользователей с правом доступа к подписке (a) и без этого доступа (б)

Имплицитная персонализация

Персонализация, основанная на предполагаемых предпочтениях и потребностях пользователя (имплицитная персонализация), обычно представлена в виде рекомендаций, учитывающих предыдущий опыт взаимодействия пользователя с системой. Такой вид персонализации часто встречается в приложениях для электронной коммерции, в которых пользователям рекомендуют товары, основываясь на их предыдущих покупках или ранее просмотренных товарах. При такой персонализации часто применяется социальный фильтр, когда рекомендации основываются на сходстве поведения и интересов пользователей приложения, принадлежащих к той или иной социальной группе (Goldberg et al., 1992) (рис. 4.23). Также этот вид персонализации встречается в социальных приложениях, когда пользователям предлагается добавить кого-либо в «друзья», на основании наличия общих друзей в этой социальной сети (см. главу 9).

(а)

(б)

(в)

Рис. 4.23. Приложение Amazon предлагает несколько видов рекомендаций, в зависимости от предыдущих покупок пользователя (a), недавно просмотренных товаров (б) и соответствующих товаров, приобретенных другими людьми со схожими интересами (в)

Предоставьте пользователям возможность настроить личные предпочтения

Хотя имплицитная персонализация предоставляет определенные преимущества, часто она не оправдывает ожиданий, поскольку не все, что пользователи делают в приложении, они делают для себя самих. Например, некоторые покупки в приложениях для электронной коммерции могут оказаться подарками или могут быть совершены по просьбе друзей или членов семьи. Чтобы рекомендации были более точными, предоставьте пользователям либо указать свои предпочтения (рис. 4.24), либо настроить свои предпочтения, обозначив, включать ли тот или иной элемент в рекомендованный список в следующий раз (рис. 4.25).

(а)

(б)

(в)

Рис. 4.24. Приложение Netflix предоставляет пользователям возможность самостоятельно обозначить свои интересы, предлагая им указать при регистрации год своего рождения и пол (a), оценить жанры кино (б) и указать фильмы в разделе Movies You’ll Love (Фильмы, которые вам бы понравились) (в)

Рис. 4.25. Приложение Amazon позволяет пользователям указать, были ли их предыдущие покупки подарками и/или их не нужно использовать в качестве основы для составления рекомендаций. Пользователи также могут указывать товары, которые у них уже есть, чтобы их не добавляли в список «Рекомендованные вам товары» («Recommended for You»)

Связанные шаблоны проектирования

Поскольку невозможно с точностью предугадать потребности пользователей, персонализация несовершенна. По этой причине попробуйте применить шаблон CUSTOMIZATION, чтобы у пользователей была возможность адаптировать контент и интерфейс к своим потребностям. Кроме того, иногда при персонализации можно учитывать местонахождения пользователя – например, пользователям можно показывать страницы, специально адаптированные для той страны, из которой они выходят в Интернет. Поэтому попробуйте применить шаблон GLOBAL GATEWAY, о котором говорится в главе 10.

Данный текст является ознакомительным фрагментом.