Személyre szabott érdeklődési ajánlásokkal ellátott alkalmazás fejlesztése

Felhasználói Ajánló online megbízásként

A Felhasználói Ajánló akkor hasznos, ha egy oldal vagy alkalmazás nem ugyanazt mutatja mindenkinek, hanem a felhasználó érdeklődése alapján javasol tartalmat, terméket, szolgáltatást vagy következő lépést. Magánügyfélként ehhez olyan távoli szakember kell, aki érti az adatokat, a felület működését és a józan határokat. A Qjob.hu oldalán ilyen feladatra is kereshető önálló magánszakember, nem céges csapat. A munka teljesen távolról végezhető, ha az igények, a meglévő anyagok és a hozzáférések rendezettek.

Én azt látom, hogy sok megbízó először csak egy okosabb ajánló blokkot szeretne. Később derül ki, hogy ehhez adatgyűjtés, rendezett kategóriák, visszajelzési lehetőség és tesztelés is kell. Nem baj, ha a feladat kicsiben indul. Sőt, szerintem a kisebb első változat gyakran biztonságosabb. A lényeg az, hogy a javaslat ne véletlen legyen, hanem érthető szabály vagy mérhető felhasználói viselkedés alapján működjön.

Egy ilyen megoldás nem csak webáruházban lehet értelmes. Hasznos lehet tanulófelületen, alkotói oldalon, apróhirdetéses alkalmazásban, közösségi térben vagy saját tartalomtárban is. A cél mindig azonos. A látogató kevesebb kereséssel jusson el ahhoz, ami valószínűleg érdekli.

Felhasználói ajánló rendszer célja

A felhasználói ajánló rendszer célja az, hogy a felület személyesebbnek hasson, de ne legyen zavaró vagy átláthatatlan. Egy egyszerű szabályalapú megoldás már sokat segíthet. Például a rendszer hasonló témájú cikkeket, gyakran nézett termékeket vagy korábban mentett elemekhez közeli ajánlatokat mutat. Bonyolultabb esetben az ajánlás kattintásokból, keresésekből, kedvelésekből, vásárlásokból vagy elutasításokból tanul.

Tapasztalatom szerint a magánügyfeleknek nem mindig kell gépi tanulás az első körben. Sokszor elég egy jól felépített kategóriarendszer, néhány súlyozott szabály és tiszta megjelenítés. Ezzel már csökkenhet a keresgélés, és a látogató nem üres oldalakat lát. Az ajánlórendszer akkor jó, ha csendben segít. Nem veszi át a döntést, csak jobb sorrendben mutatja a lehetőségeket.

Fontos, hogy a cél az elején pontos legyen. Más a feladat, ha több eladást szeretnél. Más, ha a felhasználó több tartalmat olvasson. Megint más, ha egy közösségi felületen hasonló érdeklődésű embereket kell közelebb hozni egymáshoz. A szakember csak akkor tud jó megoldást tervezni, ha a siker mérése is világos.

Ajánló rendszer adatai

Az ajánló rendszer minősége nagy részben az adatoktól függ. Kell tudni, milyen elemek közül ajánl a rendszer, milyen mezők vannak ezekhez rendelve, és milyen viselkedési jelek gyűjthetők. Ilyen jel lehet a megtekintés, mentés, kedvelés, vásárlás, kosárba helyezés, keresés vagy elutasítás. Nem minden adat egyformán fontos. Egy véletlen kattintás kevesebbet ér, mint egy mentett vagy ismételten megnyitott elem.

Sokan ott hibáznak, hogy a fejlesztést az ajánló doboz kinézetével kezdik. Pedig előbb az adatokat kell rendbe tenni. Ha a termékeknek nincs egységes kategóriája, ha a tartalmak címe zavaros, vagy ha a felhasználói műveletek nem mérhetők, akkor a végeredmény gyenge lesz. Szép blokk készülhet, de rosszat fog javasolni.

Volt olyan eset, amikor egy ügyfél saját tananyagos felülethez kért személyre szabott ajánlást. Elsőre csak annyi látszott, hogy legyenek kapcsolódó leckék. A munka közben derült ki, hogy a leckék nem voltak szintek szerint jelölve, a témák neve eltért, és nem volt adat arról, mit végzett el a tanuló. A javítás nem a látvánnyal kezdődött, hanem az adatok rendezésével. Utána az ajánlás már sokkal életszerűbb lett.

Felhasználói Ajánló ára

A Felhasználói Ajánló ára attól függ, hogy egyszerű szabályokra, meglévő bővítmény beállítására, egyedi modulra vagy tanuló megoldásra van szükség. A túl olcsó munka ezen a területen gyakran gyengébb minőséget jelent, mert kimarad az adattisztítás, a próba és a hibás ajánlások ellenőrzése. Nem a legdrágább ajánlat a biztos választás. De gyanús, ha valaki adatfelmérés nélkül ad végleges árat.

Szerintem az ár akkor értelmezhető, ha az ajánlatban külön szerepel az adatfelmérés, a megjelenítés, a működési szabály és a javítások köre. Egy magánügyfélnek nem elég egy összeg. Tudnia kell, mit kap kézhez, mennyi próba fér bele, és mi számít új igénynek.

Ajánló fejlesztő kiválasztása

Az ajánló fejlesztő kiválasztásánál a legfontosabb kérdés nem az, hogy hány eszközt sorol fel. Inkább az számít, hogyan gondolkodik a feladatról. Jó jel, ha rákérdez a célra, a felhasználói műveletekre, az adatok mennyiségére, a hibás ajánlások kezelésére és arra, hogyan nézzen ki az első működő változat. Aki azonnal bonyolult rendszert javasol, de nem kérdez adatokról, az kockázatos választás.

A munkaminta hasznos, de nem kell tökéletesen azonos témájúnak lennie. Elég, ha látszik, hogy a fejlesztő készített már szűrést, rangsorolást, keresőt, ajánlási logikát vagy adatvezérelt felületet. Az alkalmazásfejlesztő akkor tud jól dolgozni, ha egyszerűen magyarázza el a lehetőségeket. A magánügyfélnek nem kell minden technikai részletet eldöntenie. Viszont joga van érteni, miért azt a megoldást kapja.

Én azt tartom biztonságosnak, ha a szakember először kisebb próbát javasol. Ez lehet néhány kategória, egy ajánló blokk vagy egy adatrészlet kipróbálása. Így hamar kiderül, hogy az elképzelés működik-e, mielőtt nagyobb összeg menne el a teljes rendszerre.

Felhasználói ajánló távoli munkamenete

A felhasználói ajánló távoli munkamenete írásos feladatleírással indul. Ebben szerepeljen, milyen felülethez készül a megoldás, mit kell ajánlani, milyen adat áll rendelkezésre, milyen eredményt vársz, és milyen határidő elfogadható. A kommunikáció lehet üzenetben, hívásban vagy megosztott dokumentumban. A fontos döntések maradjanak visszakereshetők.

A munka általában felméréssel kezdődik. Ezután jön az adatok rendezése, a logika megtervezése, majd a megjelenítés. Ha van meglévő oldal, a hozzáféréseket óvatosan kell átadni. Érdemes külön próbakörnyezetet használni, hogy az új ajánlás ne rontsa el az élő felületet. A fejlesztő itt nem csak kódot ír. Ellenőrzi, hogy a javaslatok valóban kapcsolódnak-e a felhasználó érdeklődéséhez.

A határidő a bonyolultságtól függ. Egy egyszerű szabályalapú blokk pár nap alatt elkészülhet, ha minden anyag megvan. Egy tanuló ajánlási megoldás több hét is lehet, mert adatot kell ellenőrizni, próbát kell futtatni, majd finomítani kell a találatokat. A távoli munka akkor gördülékeny, ha a megbízó gyorsan válaszol a kérdésekre, és nem változtatja meg naponta a fő célt.

Ajánló rendszer hibái

Az ajánló rendszer gyakori hibája a túl nagy elvárás kevés adat mellett. Ha csak néhány felhasználó és kevés művelet van, akkor nem lehet pontos személyre szabást várni. Ilyenkor jobb szabályalapú kezdéssel indulni, majd később tanuló elemeket hozzáadni. Ez nem visszalépés. Inkább józan sorrend.

Másik gond a zavaró ajánlás. Ha a felület túl sok javaslatot mutat, a látogató nem dönt gyorsabban, hanem elveszik. A minőség itt nem a mennyiség. Jobb három valóban közeli elem, mint tíz véletlennek tűnő találat. Szerintem a használható ajánlás rövid, érthető és nem nyomulós.

Gyakori hiba az is, hogy nincs visszajelzési lehetőség. Ha a felhasználó nem tudja jelezni, hogy valami nem érdekli, a rendszer újra és újra hasonló rossz javaslatot adhat. Ez rontja a bizalmat. A jó megoldás nem csak ajánl, hanem figyel a visszautasításra is. A személyre szabott ajánlás akkor lesz erősebb, ha a hibákból is tanul.

Ajánló eredmény átadása

Az ajánló eredmény átadásánál nem elég annyi, hogy a blokk látszik az oldalon. Kell rövid leírás arról, milyen adatokból dolgozik, milyen szabály alapján választ, hol módosíthatók a kategóriák, és hogyan ellenőrizhető a működés. Ha a magánügyfél csak egy kész részletet kap magyarázat nélkül, később nehezen tud javítást kérni vagy új tartalmat hozzáadni.

Az átadás része legyen a próba is. Nézni kell új felhasználót, visszatérő felhasználót, kevés adattal rendelkező helyzetet és hibás adatot. Ha ezekre nincs válasz, a Felhasználói Ajánló csak szép ötlet marad, nem stabil funkció. A javítások számát előre érdemes rögzíteni. Más egy szövegcsere, más egy új adatmező, és más egy teljesen új ajánlási elv.

Végül a jó eredmény nem attól lesz értékes, hogy bonyolultnak tűnik. Attól lesz jó, hogy a felhasználó gyorsabban talál hasznos dolgot, a megrendelő érti a működését, és a szakember átadja a szükséges tudást. Itt ez a gyakorlati haszon számít. Nem a hangzatos elnevezés.