Intelligent user profiling in mobile applications: a case study
No Thumbnail Available
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, VilleThesis advisor
Suomalainen, MarkkuKeywords
user profiling, mobile applications, machine learning, data mining