تحلیل رضایت کاربر مبتنی بر رفتار ضمنی در حین جستجو

تا کنون روشهای مختلفی برای ارزیابی میزان رضایتمندی کاربران از موتورهای جستجو توسعه داده شده است. روشهای صریحاز طریق ارزیابی انسانی و تحلیل مشاهدات کاربران به ارزیابی موتور جستجو می پردازند. انجام این روشها به دلیل محدودیت تعدادافراد شرکت کننده در آزمایش و همچنین هزینه زیاد در مقیاس بالا امکانپذیر نمی باشد. در مقابل، روشهای ضمنی رضایت کاربرانرا به کمک بازخوردهای ضمنی آنها در حین استفاده از موتور جستجو تخمین می زنند. ایده اصلی این روشها آن است که رضایتکاربر از یک نتیجه جستجو با رفتار او بعد از کلیک روی آن نتیجه مشخص می شود. در این پژوهش به منظور ارزیابی میزانرضایتمندی کاربران از نتایج موتور جستجوی پارسی جو، رفتارهای ضمنی مجموعه ای از کاربران این موتور جستجو، شامل کلیک،لغزش در صفحه، مشاهده و توجه به محتوای صفحه و ...، ثبت گردیده و سپس به کمک تکنیک های یادگیری ماشین و با استفاده ازداده های آموزشی تولید شده توسط همین مجموعه از کاربران، وزن مناسبی برای هریک از این رفتارها به دست آمده است. نتایجحاصله نشان دهنده اهمیت رفتارهای میزان لغزش در صفحه و مدت زمان فعال بودن کاربر در صفحه نتایج در تعیین میزان رضایتکاربر می باشد. مبتنی بر میانگین وزن دار رفتارهای ضمنی کاربران، میزان رضایتمندی از موتور جستجوی پارسی جو 30 درصد بوده است.

کلیدواژه ها:

رضایت کاربر ، موتور جستجو ، بازخورد ضمنی ، افزونه مرورگر