Intelligent user profiling in mobile applications: a case study

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

Sähkötekniikan korkeakoulu | Master's thesis
Ask about the availability of the thesis by sending email to the Aalto University Learning Centre oppimiskeskus@aalto.fi

Authors

Date

2016-10-31

Department

Major/Subject

Älykkäät tuotteet

Mcode

ETA3006

Degree programme

Automaatio- ja systeemitekniikka

Language

en

Pages

58+2

Series

Abstract

Analytics tools, which collect data of user behavior, have become commonplace in mobile applications. While they are valuable for the application developers, the full potential of the large amount of data collected is often not utilized. In this study, usage of the analytics data for user profiling is researched. Through a case study, a profiling system creating churn prediction models is selected for a mobile application, and a data mining scheme is implemented to generate the churn prediction models. While the models show potential to be usable in the real world, further improvements need to be applied until they meet real world requirements. The system can predict user churn only for a two week time period. A variety of improvements for accuracy and general usability are discussed.

Käyttäjien toimintaa seuraavia datankeruu- ja analytiikkatyökaluja käytetään mobiilisovelluksissa huomattavan paljon. Näiden työkalujen ollessa hyödyllisiä sovelluskehittäjien kannalta, kerätyn datan koko potentiaalia ei usein pystytä hyödyntämään. Tässä tutkimuksessa selvitetään analytiikkadatan käyttömah- dollisuuksia käyttäjäprofilointiin. Olemassa olevalle mobiilisovellukselle valitaan profilointijärjestelmä, joka mallintaa sovelluksen käytön lopettamiseen johtavaa käyttäytymistä. Järjestelmä havaitaan potentiaaliseksi, mutta siinä olevien puuttei- den vuoksi sitä ei sellaisenaan voida ottaa tuotantokäyttöön. Toteutettu järjestelmä pystyy ennustamaan käyttäytymistä ainoastaan kahden viikon mittaisella aika- jaksolla. Ehdotuksia järjestelmän tarkkuuden lisäämiseksi sekä yleiskäyttöisyyden parantamiseksi pohditaan.

Description

Supervisor

Kyrki, Ville

Thesis advisor

Suomalainen, Markku

Keywords

user profiling, mobile applications, machine learning, data mining

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-201611025336

Collections

[dipl] Sähkötekniikan korkeakoulu / ELEC