Recomendação de aplicativos móveis com base em informações demográficas e de dispositivos

Abstract

Nos últimos anos tem-se percebido um grande aumento no número de pessoas com acesso a dispositivo móveis. Com isso, o número de aplicativos para esses dispositivos tem crescido de tal forma que usuários precisam escolher entre aqueles que melhor os atendem. Porém, essa escolha não é uma tarefa trivial, visto o número cada vez maior de aplicativos se propondo a realizar a mesma função. Da mesma forma, as empresas por trás de tais aplicativos encontram dificuldades em atrair usuários atra- vés de campanhas comuns de marketing. Uma possível solução para este problema é a utilização de sistemas de recomendação, onde é possível avaliar a similaridade en- tre perfis de usuários. Entretanto, muitas vezes tais sistemas levam em consideração perfis de usuários que são construídos apenas com seus interesses, ou necessitam da utilização de dados sensíveis (e.g., logs de chamadas e de mensagens de texto). Apesar disso, a instalação de um aplicativo pode envolver outros fatores além do interesse intrínseco de cada usuário, como por exemplo a capacidade técnica do dispositivo móvel utilizado (e.g., memória, processamento), e as informações demográficas de sua área de residência. Assim, o trabalho desenvolvido nesta pesquisa investigou a motivação para instalação, e o impacto do uso de informações demográficas e de dispositivos na recomendação de aplicativos móveis. Para isso, foi criado um perfil de usuário que utiliza somente dados facilmente obtidos (i.e., aplicativos instalados, localização aproximada e o modelo do dispositivo móvel) para ser enriquecido com outras informações de contexto do usuário. Além disso, o uso de tal perfil de usuário foi avaliado com base em três abordagens de recomendação: Latent Dirichlet Allocation (LDA), Cadeias de Markov (MTM) e Filtro Colaborativo. Os resultados gerais mos- traram uma maior eficácia com o uso da abordagem LDA, utilizando informação da renda média da região do usuário, atingindo aproximadamente 64% de melhora em precisão e 27.91% em revocação. Palavras-chave: Recomendação de Aplicativos. Dados Demográficos. Enriquecimento de Dados.

Nowadays the number of people with access to mobile devices has been increasing significantly. Thus, users have to choose among a high number of apps, those that better serve them. However, this is not a trivial task, as we have seen an increasing number of apps proposing to do the same functions. In the same way, companies are facing difficulties to attract users through a usual marketing campaign. A possible solution for this problem is the use of recommendation systems, where it is possible to compare the similarities of user profiles. Meanwhile, these systems often consider only users’ preferences to create a profile, or request sensitive data (e.g., call and mes- sage logs). However, to install an app may involve other factors like the capacity of the mobile device (e.g., memory and processing power) and the demographic infor- mation of the user’s living area. So, this research investigated the users’ motivation of installment and the impact of using demographic and handset information on app recommendation. To do that, we used this information to enrich the user profile that uses only easy-to-obtain data (i.e., installed apps, approximate location, and handset model). Besides, this profile was evaluated based on three different recommending approaches: Latent Dirichlet Allocation (LDA), Markov Chain (MTM), and Collabora- tive Filtering. The general results reveal that the LDA approach achieved the highest efficacy when added information about the user’s region mean wage, in terms of pre- cision (approximately 64%) and recall (approximately 27.91%). Keywords: App Recommendation. Demographic Information. Data Enrichment.