کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4957421 1445077 2017 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Mobile app adoption in different life stages: An empirical analysis
ترجمه فارسی عنوان
تصویب برنامه تلفن همراه در مراحل مختلف زندگی: یک تحلیل تجربی
کلمات کلیدی
تصویب برنامه تلفن همراه، مرحله زندگی، چرخه زندگی، معدن واقعیت پیش بینی،
ترجمه چکیده
تجزیه و تحلیل مراحل زندگی در حال حاضر افراد یک رویکرد قدرتمند برای شناسایی الگوهای شناخت رفتار انسان است. مراحل مختلف منجر به ترجیحات مختلف و خواسته های مصرف کنندگان می شود. بنابراین، مراحل زندگی در بازاریابی، اقتصاد و جامعه شناسی نقش مهمی ایفا می کنند. با این وجود، چنین اطلاعاتی به ویژه در دنیای دیجیتال دشوار است. این کار به این ترتیب از دو جنبه به دو نظریه و تمرین کمک کرد. اولا، ما یک مطالعه تجربی بزرگ در مقیاسی با 1435 شرکت کننده انجام دادیم و نشان دادیم که الگوی تصویب برنامه تلفن همراه فرد به شدت تحت تاثیر شرایط فعلی زندگی اش است. دوم، ما یک رویکرد مبتنی بر داده ها، بسیار مقیاس پذیر و در زمان واقعی را برای پیش بینی وضعیت زندگی فعلی فرد بر مبنای برنامه های نصب شده بر روی گوشی های هوشمند ارائه کردیم. نتایج نشان داد که مدل پیش بینی ما قادر به پیش بینی مراحل زندگی با دقت بالاتر 241.0٪ و یادآوری بالاتر 148.2٪ بیشتر از حد حدس و گمان تصادفی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
تصویب برنامه تلفن همراه در مراحل مختلف زندگی: یک تحلیل تجربی
چکیده انگلیسی
The analysis of individuals' current life stages is a powerful approach for identifying und understanding patterns of human behavior. Different stages imply different preferences and consumer demands. Thus, life stages play an important role in marketing, economics, and sociology. However, such information is difficult to be obtained especially in the digital world. This work thus contributed to both theory and practice from two aspects. First, we conducted a large-scale empirical study with 1435 participants and showed that a person's mobile app adoption pattern is strongly influenced by her current life stage. Second, we presented a data-driven, highly-scalable, and real-time approach of predicting an individual's current life stage based on the apps she has installed on smartphone. Result showed that our predictive models were able to predict life stages with 241.0% higher precision and 148.2% higher recall than a random guess on average.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pervasive and Mobile Computing - Volume 40, September 2017, Pages 512-527
نویسندگان
, , ,