ESTIMATING AND PROMOTING FUTURE USER ENGAGEMENT OF APPLICATIONS

Aspects of the present disclosure relate to generating an engagement model to predict actions that may have a high probability of maintaining user engagement in-application or causing a user to reengage with the application. To generate the engagement model, an approach has been developed which inco...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: KNEISEL, Melanie J, GONZALEZ FRANCO, Mar, LIU, Tiffany, MILLER, Amos, GLASS, Adam B, CHUDGE, Jarnail, HERNANDEZ RIVERA, Javier, MASELLI, Antonella
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Aspects of the present disclosure relate to generating an engagement model to predict actions that may have a high probability of maintaining user engagement in-application or causing a user to reengage with the application. To generate the engagement model, an approach has been developed which incorporates features analysis of the application and application users. Users may be grouped based on similar features that are used to generate machine learning engagement models. The output of an engagement model may be a prediction on whether a user will continue to engage with an application. The prediction may be provided to a reengagement model which may output prompts to help increase user engagement with the application. The prompts may be based on an understanding of application users and their preferences. Des aspects de la présente divulgation concernent la génération d'un modèle d'interaction pour prédire des actions qui peuvent avoir une probabilité élevée de maintenir l'interaction de l'utilisateur dans une application ou d'amener un utilisateur à interagir à nouveau avec l'application. Pour générer le modèle de mise en prise, une approche a été développée qui incorpore une analyse de caractéristiques de l'application et des utilisateurs d'application. Des utilisateurs peuvent être groupés sur la base de caractéristiques similaires qui sont utilisées pour générer des modèles d'interaction d'apprentissage machine. La sortie d'un modèle d'interaction peut être une prédiction selon laquelle un utilisateur continue à interagir avec une application. La prédiction peut être fournie à un modèle de remise en interaction qui peut envoyer des invites pour aider à augmenter l'interaction de l'utilisateur avec l'application. Les invites peuvent être basées sur une compréhension des utilisateurs d'application et de leurs préférences.