論文の概要: Unveiling Competition Dynamics in Mobile App Markets through User Reviews
- arxiv url: http://arxiv.org/abs/2312.01981v3
- Date: Fri, 7 Jun 2024 06:39:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-10 20:36:48.851268
- Title: Unveiling Competition Dynamics in Mobile App Markets through User Reviews
- Title（参考訳）: ユーザレビューによるモバイルアプリ市場競争のダイナミクスの解明
- Authors: Quim Motger, Xavier Franch, Vincenzo Gervasi, Jordi Marco,
- Abstract要約: モバイルアプリ市場分析を支援するための,新しい自動手法を提案する。
提案手法は,新たに公開されたユーザレビューに基づいて,定量的なメトリクスとイベント検出技術を活用する。
本研究の結果から,選択された市場セグメント内の関連事象の検出に関する実証的証拠が得られた。
- 参考スコア（独自算出の注目度）: 3.745456537037604
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User reviews published in mobile app repositories are essential for understanding user satisfaction and engagement within a specific market segment. Manual analysis of reviews is impractical due to the large data volume, and automated analysis faces challenges like data synthesis and reporting. This complicates the task for app providers in identifying patterns and significant events, especially in assessing the influence of competitor apps. Furthermore, review-based research is mostly limited to a single app or a single app provider, excluding potential competition analysis. Consequently, there is an open research challenge in leveraging user reviews to support cross-app analysis within a specific market segment. Following a case-study research method in the microblogging app market, we introduce an automatic, novel approach to support mobile app market analysis. Our approach leverages quantitative metrics and event detection techniques based on newly published user reviews. Significant events are proactively identified and summarized by comparing metric deviations with historical baseline indicators within the lifecycle of a mobile app. Results from our case study show empirical evidence of the detection of relevant events within the selected market segment, including software- or release-based events, contextual events and the emergence of new competitors.
- Abstract（参考訳）: モバイルアプリリポジトリに公開されたユーザレビューは、特定の市場セグメントにおけるユーザの満足度とエンゲージメントを理解するために不可欠である。
レビューのマニュアル分析は膨大なデータ量のために現実的ではなく、自動分析はデータ合成やレポートといった課題に直面している。
これにより、アプリケーションプロバイダがパターンや重要なイベントを識別する作業、特に競合アプリの影響を評価する作業が複雑になる。
さらに、レビューベースの調査は、潜在的な競合分析を除いて、主に1つのアプリまたは1つのアプリプロバイダに限られている。
その結果、特定の市場セグメント内でのクロスアプリ分析をサポートするために、ユーザレビューを活用する上で、オープンな研究課題が存在する。
マイクロブログアプリ市場におけるケーススタディ研究の手法に倣って,モバイルアプリ市場分析を支援する新しい手法を提案する。
提案手法は,新たに公開されたユーザレビューに基づいて,定量的なメトリクスとイベント検出技術を活用する。
モバイルアプリのライフサイクル内で、メトリック偏差と過去のベースラインインジケータを比較して、重要なイベントを積極的に識別し、要約する。
本研究の結果から,ソフトウェアやリリースベースのイベント,コンテキストイベント,新たな競争相手の出現など,選択された市場セグメント内の関連事象の検出に関する実証的証拠が得られた。
関連論文リスト
- Estimation of the User Contribution Rate by Leveraging Time Sequence in
Pairwise Matching function-point between Users Feedback and App Updating Log [3.750389260169302]
本稿では,アプリ更新ログとユーザレビューに存在する時間的相関認識に基づく定量的分析手法を提案する。
このスキームの主な考え方は、有効なユーザレビューをユーザ要件として、アプリの更新ログを開発者対応として検討することだ。
これらのアプリの機能のうち16.6%-43.2%は、オンラインの人気ユーザー要求の推進と関係があることが判明した。
論文 参考訳（メタデータ） (2023-11-26T03:52:45Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - DataPerf: Benchmarks for Data-Centric AI Development [81.03754002516862]
DataPerfは、MLデータセットとデータ中心アルゴリズムを評価するための、コミュニティ主導のベンチマークスイートである。
私たちは、この反復的な開発をサポートするために、複数の課題を抱えたオープンなオンラインプラットフォームを提供しています。
ベンチマーク、オンライン評価プラットフォーム、ベースライン実装はオープンソースである。
論文 参考訳（メタデータ） (2022-07-20T17:47:54Z) - Sentiment Analysis of Users' Reviews on COVID-19 Contact Tracing Apps
with a Benchmark Dataset [6.592595861973966]
接触追跡は、新型コロナウイルスの感染率を制御する戦いで世界的に採用されています。
スマートフォンやウェアラブルデバイスなどのデジタル技術のおかげで、COVID-19患者の連絡先を簡単に追跡し、ウイルスへの潜在的な曝露について知らせることができます。
興味深いモバイルアプリケーションもいくつか開発されている。
しかしながら、これらのアプリケーションの動作メカニズムやパフォーマンスに対する懸念はますます高まっている。
本研究では,クラウドソーシングによる手動アノテーションから始めるパイプラインを提案し,ユーザのレビュー自動感情分析のためのaiモデルの開発とトレーニングについて考察する。
論文 参考訳（メタデータ） (2021-03-01T18:43:10Z) - OSOUM Framework for Trading Data Research [79.0383470835073]
私たちは、私たちの知る限り、最初のオープンソースのシミュレーションプラットフォームであるOpen SOUrce Market Simulator(OSOUM)を提供して、トレーディング市場、特にデータ市場を分析します。
我々は、購入に利用可能なさまざまなデータセットを所有する売り手と、購入に有効な適切なデータセットを検索する買い手という2つのタイプのエージェントからなる、特定のデータ市場モデルを記述し、実装する。
データ市場を扱うための商用フレームワークはすでに存在していますが、購入者および販売者の両方が(データ)市場に参加することの可能な振る舞いをシミュレートするための、自由で広範なエンドツーエンドの研究ツールを提供しています。
論文 参考訳（メタデータ） (2021-02-18T09:20:26Z) - User Response Prediction in Online Advertising [11.954966895950163]
オンライン広告および関連レコメンダアプリケーションにおけるユーザ応答予測の包括的レビューを提供する。
私たちの本質的な目標は、オンライン広告プラットフォーム、ステークホルダ、データ可用性、およびユーザー応答予測の典型的な方法の徹底的な理解を提供することです。
論文 参考訳（メタデータ） (2021-01-07T03:00:44Z) - Towards Mass Adoption of Contact Tracing Apps -- Learning from Users'
Preferences to Improve App Design [3.187723878624947]
市場調査手法とコンジョイント分析を用いて,接触追跡アプリのユーザ嗜好について検討する。
欧州の連絡先追跡アプリのプライバシー保護設計を確認した。
目標整合性機能の追加は、大量導入を促進する上で重要な役割を果たすと結論付けている。
論文 参考訳（メタデータ） (2020-11-24T19:08:09Z) - Emerging App Issue Identification via Online Joint Sentiment-Topic
Tracing [66.57888248681303]
本稿では,MERITという新しい問題検出手法を提案する。
AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。
Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
論文 参考訳（メタデータ） (2020-08-23T06:34:05Z) - Mining Implicit Relevance Feedback from User Behavior for Web Question
Answering [92.45607094299181]
本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。
提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。
実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
論文 参考訳（メタデータ） (2020-06-13T07:02:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。