神经网络与用户行为

标签: 神经网络 用户 行为 | 发表时间:2014-08-24 23:29 | 作者:
出处:http://news.cnblogs.com/

英文原文: Neurology & User Behavior: What We Know

流量和转化率是我们衡量一个网站是否成功的两个重要指标。

网站转化率就是指用户进行了相应目标行动的访问次数(成交人数)与总访问次数的比率。这里所指的相应的行动可以是用户登录、用户注册、用户订阅、用户下载、用户购买等一些列用户行为,因此网站转化率是一个广义的概念。网站转化率通常被用来当作发展过程中的一个个小目标,大多数网站会做一些吸引用户的事情,然后把用户指引到电子商务中,或是一些独特的策略,尽可能地提高用户支付的转化率。

近年来,神经网络设计的诞生产生了一种新的现象,它结合了各个领域优秀的思想,包括:

  • 动机研究
  • 行为与决策
  • 神经系统科学

它是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的,可以登网站信息更具有整体性,那神经网络到底是什么呢?它会对互联网造成什么样的影响?

这篇文章包括两个部分,首先我们会讨论一些通用的想法和原则,然后展示一下如何将目前的技巧和技术应用到自己的设计中。

什么是神经网络?

目前神经网络研究人们如何思考,如何做决定,甚至是他们做一些事情的动机。不管你想开发一个网站、软件、游戏还是应用,你都应该关注一下这个领域最新的研究成果,学习一下如何将这些研究成果应用到你自己的项目中。

我们通常认为我们所做的决定都是经过深思熟虑的,但实际上,我们所做的大部分决定都是通过潜意识进行的。

我们通常觉得我们所做出的选择都是自主的,但实际上,我们会被他人影响,观察他人如果选择。尤其是你对某件事情表示怀疑的时候,你更无法自主地做出决定。

在多数情况下我们只在别人尝试过之后才会去尝试,相信现在已经很少有人不看商品评价就会去买一件商品。

当然,这样的现象不仅仅局限于购买商品,还包括在视频网站上点播视频,你会偏向点击率高的视频。

在你购物时,我猜你经常点击类似“购买此商品的人也购买了 xxx 商品”,“你可能还对 xxx 感兴趣”这样的链接。

我没有猜错吧!还有一些研究表明,我们在选择一样商品的时候一定要有备选项,网络正把我们变的优柔寡断,我们常常花费大量的时间在选择上,很多人觉得自己患上了选择恐惧症。而且在这种情况下,最终的结果往往是我们什么都没有买。

这些研究开始让我们觉得少一些可能会得到更好的效果,我们通常认为可选项多一些会带来不错的结果,事实上,过多的备选已经开始影响我们的选择。举一个例子,最初我们想在网上淘一双鞋子,找到了一个 500 块出售的店,在对比的过程中,我们发现了一家只卖 450 块,再后来我们又找到了一个更便宜的,然后在商品评价中,看到有人说这双鞋是假的,于是只好找最开始比较靠谱的那家店,经过这么久的对比,开始觉得 500 块卖的有些贵,于是长达几个小时的购物以失败告终。

如果你对这个话题感兴趣,可以看看 《The Paradox of Choice》这本书。

在这本书中,作者向我们介绍了很多看起来对我们有好处,但其实对我们生活造成严重影响的事情。综合当前相关领域的最新研究,他觉得在当前社会下,适当的减少选择会极大地减少人们的压力和焦虑。

不管以何种身份阅读这本书,它都会让你受益匪浅。它会向你讲述一些决策上的知识,关于选择导致的时间和精力消耗,重要的是,它会让你的生活变得更加美好。

访客通过直觉、情感和逻辑来评判一个网站,所以我们可以从这个角度出发来设计你的网站,分析人的大脑结构以及它们对浏览量造成的影响。

人的大脑可以分成三个部分:

  • 古老的核心部分负责能量供应
  • 中间部分负责情感
  • 最新的部分负责思考

我们是否能成功在于对各个部分的把握是否准确,核心部分负责保护我们,它们知道我们饿了,帮助我们繁殖后代。如果你想吸引一个人,你就要吸引他的这一部分。

我们通常可以通过使用明确的信号、足够吸引力的失误来产生这种吸引力。

另一方面,如果你想最大化的了解你的用户,你就需要找到一种方式来挖掘和刺激用户大胸的这一部分。

但是我们应该怎么做呢?

最好的方式应该是让用户从他们信任或喜欢的人那里得到我们想要传递的信息,你必须要记住,把一个对象绑定到一个著名的、吸引人的事物上,这个对象就会变的有吸引人。人们会认为他们是相似的,潜意识里会对这个对象产生好感。

如果你的目标是说服用户完成一个特殊的任务,你应该做的是在你的网站中创造出一些类似的目标受众或是潜在的观众。

我们有一个奇怪的大脑,不是么?

结论

在这篇文章中,我们了解到一日常生活中一些无意识的决策行为,以及这些论点相对的社会验证和相关的研究。

下一部分我们会将这些理论对应一些实际的例子,并针对开发提出一些针对性的建议。

本文链接

相关 [神经网络 用户 行为] 推荐:

神经网络与用户行为

- - 博客园_新闻
英文原文: Neurology & User Behavior: What We Know. 流量和转化率是我们衡量一个网站是否成功的两个重要指标. 网站转化率就是指用户进行了相应目标行动的访问次数(成交人数)与总访问次数的比率. 这里所指的相应的行动可以是用户登录、用户注册、用户订阅、用户下载、用户购买等一些列用户行为,因此网站转化率是一个广义的概念.

BP神经网络的Java实现

- - ITeye博客
课程作业要求实现一个BPNN. 此前只用Matlab实现过,这次尝试使用Java实现了一个. 关于BPNN的原理,就不赘述了.  为了验证正确性,我写了一个测试用例,目的是对于任意的整数(int型),BPNN在经过训练之后,能够准确地判断出它是奇数还是偶数,正数还是负数. System.out.println("训练完毕,下面请输入一个任意数字,神经网络将自动判断它是正数还是复数,奇数还是偶数.

研究人员首次用DNA构造人工神经网络

- Robi - Solidot
加州理工研究人员首次用DNA构造出人工神经网络,类似一个简化的大脑. 此前他们曾研制过一个能计算平方根的DNA逻辑门. 研究人员112种不同的DNA链组成四个相互联系的人工神经元,它会玩一个猜心术的游戏. 研究人员和这个试管中的神经网络玩了27次游戏,每次提供的线索都不相同,而它每次都猜对了. 研究人员表示,具有人工智能的生化系统,可以在医药,化学以及生物领域带来不可估量的应用.

自组织增量学习神经网络-SOINN

- 金文 - 丕子
自组织增量学习神经网络(Self-organizing incremental neural network, SOINN)实现包括学习、记忆、联想、推理、常识等方面的研究,最终目的是实现能够模拟人类大脑的供智能机械使用的通用型智能信息处理系统——人工脑. a. 基于SOINN的监督学习、非监督学习、半监督学习算法研究.

动态神经网络工具包DyNet:比Theano和TensorFlow更快

- - IT瘾-tuicool
近日,来自卡内基梅隆大学、日本奈良先端科学技术大学、Google DeepMind、以色列巴伊兰大学、艾伦人工智能研究所、IBM T.J. Watson 研究中心、澳大利亚墨尔本大学、约翰·霍普金斯大学、谷歌、华盛顿大学、微软和英国爱丁堡大学的研究者共同发表了一篇重磅论文《DyNet: The Dynamic Neural Network Toolkit》,正式介绍了动态神经网络工具包 DyNet;该工具包也已在 GitHub 上开源:http://github.com/clab/dynet.

用神经网络训练一个文本分类器

- - 文章 – 伯乐在线
理解聊天机器人的工作原理是非常重要的. 聊天机器人内部一个非常重要的组件就是文本分类器. 我们看一下文本分类器的神经网络(ANN)的内部工作原理. 我们将会使用2层网络(1个隐层)和一个“词包”的方法来组织我们的训练数据. 文本分类有3个特点:模式匹配、算法、神经网络. 虽然使用多项朴素贝叶斯算法的方法非常有效,但是它有3个致命的缺陷:.

python使用深度神经网络实现识别暹罗与英短

- - Cobub
先来上两张图看看那种猫是暹罗. 你以后是不是可以识别了暹罗和英短了. 这是因为素材太少了,我们看这两张图能分别提取出来短特征太少了. 那如果我们暹罗短放100张图,英短放100张图给大家参考,再给一张暹罗或者英短短照片是不是就能识别出来是那种猫了,即使不能完全认出来,是不是也有90%可能是可以猜猜对.

用神经网络“训练”谷歌翻译,机器翻译实现颠覆性突破

- - 钛媒体:网罗天下创新事
钛媒体注:昨日,谷歌在 ArXiv.org 上发表论文《Google`s Neural Machine Translation System: Bridging the Gap between Human and Machine Translation》介绍谷歌的神经机器翻译系统(GNMT),当日钛媒体作者机器之心就对该论文进行了摘要翻译并推荐到网站(www.jiqizhixin.com)上.

微软宣布其所有语音翻译服务已全部使用深层神经网络技术

- - 微软亚洲研究院
近日,在 微软Connect();//2016大会上,Microsoft Translator宣布所有微软语音翻译服务已全部使用最先进的深层神经网络技术,其中,包括如 Skype Translator实时语音翻译和Microsoft Translator移动端应用等使用微软语音翻译服务的应用程序.

零基础入门深度学习(5) - 循环神经网络 - 作业部落 Cmd Markdown 编辑阅读器

- -
零基础入门深度学习(5) - 循环神经网络. 无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习(Deep Learning)这个超热的技术,会不会感觉马上就out了. 现在救命稻草来了,《零基础入门深度学习》系列文章旨在讲帮助爱编程的你从零基础达到入门级水平.