Het leven kan zwaar zijn voor ontwikkelaars van mobiele apps.

Na het maken van een app waarmee gebruikers een hotelkamer kunnen boeken of loyaliteitspunten kunnen inwisselen, ze moeten uitzoeken hoe goed de app werkt - en hoe deze zich verhoudt tot concurrenten. Wanneer een klant een verontwaardigde online recensie schrijft waarin staat:"Ik kan niet naar rechts scrollen!" en geeft de app maar één ster, ontwikkelaars moeten het probleem oplossen, en snel.

Maar precies aangeven waarom gebruikers ontevreden zijn, gebaseerd op enkele duizenden korte online beoordelingen, is arbeidsintensief, tijdrovend en duur, en vereist meerdere stappen. En de inzet is hoog. Mobiele apps die klanten een slechte ervaring bezorgen, kunnen het merk van het bedrijf schaden, vervreemden beloont klanten en verhoogt het aantal overlopen naar concurrenten.

Een statisticus van Cornell en zijn collega's hebben een snellere manier gevonden voor ontwikkelaars om mobiele apps te verbeteren, met een nieuwe text-mining-methode die klantrecensies in één stap verzamelt en analyseert.

"Het idee was kun je een methode bedenken die alle beoordelingen doorkijkt, en zeggen dat dit de onderwerpen zijn waar mensen ontevreden over zijn en dat dit misschien is waar een ontwikkelaar zich op zou moeten concentreren, " zei Shawn Mankad, assistent-professor operaties, technologie en informatiebeheer aan de Samuel Curtis Johnson Graduate School of Management.

Het idee kan belangrijke implicaties hebben voor mobiele handel, die naar verwachting in 2020 $ 250 miljard zal bedragen. Door de toenemende prevalentie van smartphones, mobiele handel is al een aanzienlijke invloed gaan uitoefenen op alle vormen van economische activiteit, volgens Mankad en zijn collega's.

Mankad is hoofdauteur van "Single Stage Prediction with Embedded Topic Modeling of Online Reviews for Mobile App Management, " die zal verschijnen in een aankomend nummer van de Annalen van toegepaste statistiek . De co-auteurs van Mankad zijn Cornell-promovendus Shengli Hu en Anandasivam Gopal van de Universiteit van Maryland.

Het papier is een van de vele die Mankad heeft geschreven met een bedrag van $ 525, 000 subsidie ​​van de National Science Foundation. Het oorspronkelijke doel was om nieuwe statistische instrumenten te creëren om de stabiliteit van het financiële systeem te bewaken.

In de laatste studie, Mankad en zijn collega's pasten die tools toe op het probleem van mobiele apps.

Bij tekstmining, een gebruikelijke manier om teksten weer te geven, is door een enorme matrix te construeren om bij te houden welke woorden in welke online recensie voorkomen. "Het wordt een heel brede matrix. En je hebt zoveel kolommen dat je ze op de een of andere manier moet verkleinen, "Zei Mankad. "Dus daar passen we de methode toe."

Het model, in werkelijkheid, neemt een gewogen gemiddelde van woorden die voorkomen in online reviews. Elk van die gewogen gemiddelden vertegenwoordigt een onderwerp van discussie. De methode biedt niet alleen richtlijnen voor de prestaties van een enkele app, maar vergelijkt deze ook met concurrerende apps in de loop van de tijd om functies en consumentenvertrouwen te benchmarken.

"Het idee is dat je de tekst neemt, je neemt de beoordelingen, en het geeft alleen deze dashboards weer die u kunt bekijken, ' zei Mankad.

Ze pasten hun aanpak toe op zowel gesimuleerde gegevens als meer dan 104, 000 mobiele beoordelingen van 162 versies van apps van drie van de populairste online reisbureaus in de Verenigde Staten:Expedia, Kajak en TripAdvisor. Het waren er meer dan 1, 000 beoordelingen per app per jaar.

Mankad en zijn collega's ontdekten dat hun tekstminingmodel beter presteerde dan de standaardmethoden bij het voorspellen van de nauwkeurigheid van zowel echte beoordelingen als gesimuleerde gegevens. En ze ontdekten dat de methode bedrijven kan helpen om de voor- en nadelen af ​​te wegen van hoe vaak ze nieuwe versies van hun apps uitbrengen.

"Bij tekstmining, er is een super populaire klasse van methoden op basis van Bayesiaanse modellering. Het veld kan dogmatisch worden over welke techniek te gebruiken, " zei Mankad. "In deze krant, we doen iets anders door een matrixfactorisatiemethode te proberen. Naar mij, het is oké om een ​​nieuwe methode te proberen als je denkt dat het in bepaalde situaties een voordeel kan hebben."