Диссертация (1152380), страница 11
Текст из файла (страница 11)
Далее требуется детально рассмотреть структуру пользователейисследуемого сервиса. В общем виде соотношение, описывающее эволюциючисленности агентов моделируемого сервиса, имеет вид:u(t)=R(t)-D(t),(6)где u(t) — численность активных пользователей сервиса в момент времениt; R(t) — суммарная численность зарегистрировавшихся пользователей в моментвремени t.; D(t) — суммарная численность удалившихся пользователей вмомент t.В основе модели динамики изменений новой аудитории сервиса будемиспользовать модель распространения инноваций Фрэнка Басса, предложеннуюв 1969 г.
[62]Суть модели Басса заключается в том, что увеличение числа потребителейинновационного продукта определяется действием следующих факторов:• эффект рекламы;• эффект межличностной коммуникации.На первых стадиях жизненного цикла продукта имеет место эффектрекламы, поскольку пока о продукте и его характеристиках никому не известно,никто и не будет его покупать. С увеличением объема потребления продуктареклама играет все меньшую роль, при этом усиливается действие эффектамежличностногообщения.Модельявляетсянагляднойдемонстрациейпринципов усиливающей обратной связи (потребители продукта способствуютросту новых потребителей за счет эффекта межличностной коммуникации).Математическая модель диффузии инноваций Басса имеет вид:,(7)67где- количество принявших инновацию в момент времени t;- потенциал рынка;- суммарное число принявших инновацию в момент времени t;- коэффициент внешнего влияния;- коэффициент внутреннего влияния.Формально модель Басса может быть записана в виде следующегодифференциального уравнения:=>=?= (N − R) × r + (N − R) ×>EFG(8),где N — максимально возможное количество пользователей сервиса (вчастном случае — аудитория российского сегмента Интернета); R — суммарнаячисленность зарегистрировавшихся пользователей; r — эффективность рекламы,т.
е. доля потенциальной аудитории, которая становится пользователями заединицу времени под воздействием рекламы; k — среднее количество лиц, скоторыми вступает в контакт каждый из действующих пользователей за единицувремени; q — доля потенциальных пользователей, которые в результате этогоконтакта становятся пользователями инновации.Таким образом, произведение R × k дает общее количество контактов,осуществляемых всеми пользователями в единицу времени. Соответственно,количество потенциальных пользователей, которые контактируют с активнымипользователями:(GH>)IКоличествопотенциальныхзарегистрироваться на сервисе:×R ×k,(9)пользователей,которыемогут68(GH>)I× R(t) × k × q,(10)Суммарная численность зарегистрировавшихся пользователей в моментвремени t определяется как:?R(t) = r × ∫K (N − Rdt +E×FG?× ∫K (N − R)dt ,(11)На основе классической модели Басса с использованием графическогоредактора AnyLogic построим потоковую диаграмму модели изменений новойаудитории сервиса (Рисунок 6).Рисунок 6 – Потоковая диаграмма модели распространенияИсточник: составлено авторомТакже в виде потоковой диаграммы можно изобразить модель измененияосновных показателей сервиса DAU (число уникальных пользователей, которыепользуются ПЦС хотя бы раз в сутки), MAU (число уникальных пользователей,69которые используют сервис хотя бы раз в месяц) и ключевые метрики life_time(количество дней использования сервиса клиентом) и days_auth_per_lifetime(Рисунок 7).Рисунок 7 – Диаграмма использования основных показателей интернетсервисаИсточник: составлено авторомСуммарная численность удалившихся пользователей в момент t зависит отхарактеристик их жизненного цикла, модели поведения и принятия решений обудалении каждым из пользователей.
Таким образом, для моделированияудаления пользователей и других событий внутри сервиса, влияющих на картуключевых показателей, необходимо формализовать поведение пользователейПЦС через агентную модель.С помощью метода агентного имитационного моделирования можносоздать модель, демонстрирующую адаптивное поведение пользователей,характерное для ПЦС как сложной системы. В частности, модель выборапотребителем тарифов на интернет-услуги предусматривает возможность гибкойадаптации пользователя под изменения факторов внешней среды, являющиеся70результатомуправленческихрешений,принимаемыхПЦС,например,проведения рекламных акций.На принятие подобных решений влияет ряд поведенческих аспектов, как,например, консерватизм перехода (абоненты выберут другого провайдера в томслучае, если предложенные им условия будут лучше имеющихся на заданнуювеличину); перманентное переключение ряда пользователей между акциями,предлагающими бесплатные периоды; эффект негативного опыта.
Все этопозволяет «оживить» модель – сделать ее максимально приближенной к жизни иреально наблюдаемому поведению потребителей.5. Определение параметров внутреннего состояния пользователейПЦС. Представим каждого пользователя ПЦС как агента, характеризующегосявектором внутреннего состояния:N = ONQ , … , NR , S,(12)где AMi – множество параметров внутреннего состояния агента I; i = 1,.., n– порядковый номер агента, где n – количество агентов сервиса; pij – j параметрсостояния агента I; j = 1,.., n – порядковый номер параметра, где n – количествопараметров.Определим для агентов возможность изменять собственное внутреннеесостояние, а также состояние друг друга через процесс взаимодействия ссервисами ПЦС (черные ящики, обладающие уникальной логикой, заданнойисследователем). По запросу агента AMi, проект представляет ему множестводоступных для взаимодействия действий:L={l1,…,lk},(13)71где L – множество доступных действий сайта; k = 1,.., n – порядковый номердействия, где n – количество доступных действий.Для выбора действия k агент AMi отправляет сервису запрос на выполнение{AMi; k}.
В результате выполнения агентом AMi действия li агент можетизменить свое состояние, а также отправить ряд сообщений другим агентам,которые в результате получения этих сообщений также изменят свое состояние(Рисунок 8).Рисунок 8 – Структура сервисов веб-сайта ПЦСИсточник: составлено авторомТаким образом, нами осуществлена формализация процессов управления ипостроенадвухуровневаяимитационнаямодельоценкиэффективностиуправления ПЦС.2.2 Модель поведения пользователей ПЦСПроведенное в работе исследование подходов и методов анализа поведенияинтернет-пользователей в рамках поведенческой экономической теориипозволило сделать вывод о необходимости разработки инструментального72средства анализа поведения пользователей ПЦС для целей повышения точностисоставляемых прогнозов.Для имитации реакции пользователей ПЦС на различные управляющиевоздействия была разработана модель поведения пользователей как адаптивныхобучающихся агентов с вероятностной моделью действий.Для моделирования поведения пользователей проекта, т.
е. определениясовершаемой ими последовательности возможных действий, реакций надействия других пользователей и на управленческие инициативы с течениемвремени, зададим множество типичных действий L, характерных для ПЦС:• Auth (авторизация);• Action (функциональные события проекта);• Action_Comm (функциональное событие с коммуникацией);• Action_Pay (оплата);• Delite (удаление пользователя).Выбор совершаемого действия пользователем носит вероятностныйхарактер и зависит от внутреннего состояния пользователя в момент времени t —AMi(t)иструктурысайтаПЦС,котораяопределяетвероятностнуюхарактеристику видимости действия lk – Dk.Пользователь принимает решение о выполнении того или иного действиялибо отказе от действия на основе анализа имеющейся у него информациикасательно результатов действий и максимизации возможного получаемогоэффекта.На выполнение каждого действия пользователь ПЦС затрачивает заранееопределенное количество энергии, а в результате выполнения действия можетполучить новые сообщения или какую-либо обратную связь от интернет-сервиса,т.е.
эффект от действия.В случае полностью рационального выбора пользователь долженсравнивать значения полученных при каждом возможном действии эффектов и73выбирать наиболее оптимальное действие. Но в реальности пользователь необладает достоверной информацией о полезности всех действий, у него естьлишь представления о полезности, которые закладываются на основе имеющейсястатистики. Также задача выбора усложняется тем, что эффект, получаемыйпользователем, может зависеть от поведения других пользователей и изменятьсяс течением времени.Таким образом, пользователь самостоятельно вырабатывает вариантысвоего поведения на сайте и оптимально адаптируетсяк новым меняющимсяусловиям.Важно,чтобыразрабатываемаямодель позволялаучитывать какрациональные, так и иррациональные аспекты поведения.
Так, исследованияповеденияпользователейинтерактивныхсайтов,проведенноеавторомсовместно со специалистами ООО «Технософт», позволило определить рядособенностей поведения пользователей, к которым относятся: 1) определеннаяинерция при смене сервисов: существуют ментальные барьеры на переход,вследствие которых абоненты обычно переходят не просто на любой, в т.ч. болеедешевый сервис (при условии как минимум не ухудшения качестваобслуживания), а на сервис, который предоставляет новые возможности поискаи общения; 2) внутренние переходы: даже если конкурентный сервис предлагаетнекие привлекательные услуги, пользователи сначала выявят факт наличия этихуслуг на текущем сервисе и скорее перейдут на него; 3) пользователи-«летуны»:абоненты, которые меняют сервисы и тарифы для получения бесплатных месяцевпо акциям.Также известно, что на выбор действия пользователей влияет структуранавигации и механизмы информирования пользователя о возможностисовершения действий, то есть выбор действия частично детерминированзаданной архитектурой и логикой веб-сайта ПЦС.74Таким образом, в каждый момент времени t пользователь проектанаходится в состоянии принятия решения о выборе следующего действия либо всостоянии изменения внутренних параметров после совершения действия.
Такимобразом, общее пространство множества действий L, доступных пользователю i,можно представить через диаграмму состояний (Рисунок 9).Рисунок 9 – Структура сервисов веб-сайта ПЦСИсточник: составлено авторомКаждое действие lk сопровождается затратами энергии на выполнениедействия (Ek) и результатом действия, задающим значение его эффективности(τk).Врезультатедлямоделированияпроцессапринятиярешенияпользователями интерактивного интернет-сервиса необходимо задать параметрыDk, Ek , τk для каждого действия.В момент регистрации параметры состояния определяются на основеисходной статистики, но в процессе функционирования и изменения внутренних75параметров пользователя существует вероятность зависимости значенияхарактеристик пользователя для перехода в другое состояние.Графически изобразить процесс перехода состояний можно в видедиаграммы состояний (Рисунок 10).Рисунок 10 – Диаграмма состоянийИсточник: составлено авторомВ рамках определения данных параметров сегментов предлагаетсяпровести сегментацию аудитории проекта по статическим и поведенческимпоказателям, для чего будет произведена сегментация пользователей ПЦС.762.3 Статическая сегментация аудитории ПЦССущность и значение интеллектуального анализа данных для оценкиэффективности управления ПЦС.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
