Page 49 - 《软件学报》2020年第11期

陆璇 等:数据驱动的移动应用用户接受度建模与预测 3365

app-market-centered ecosystem. From the view of software analytics, with techniques such as machine learning and data mining, valuable
information could be extracted from data including operation logs, user behavior sequence, etc. to help developers make decisions. This
article first demonstrates the necessity and feasibility of building a comprehensive model of user acceptance indicators for mobile apps
from a data-driven perspective, and provides basic indicators from three dimensions of user evaluation, operation, and usage. Furthermore,
with large-scale datasets, specific indicators are given in three user acceptance prediction tasks, and features from different stages of the
software cycle of mobile apps are extracted. With collaborative filtering, regression models, and probability models, the predictability of
user acceptance indicators is verified, and the insight of the prediction results in the mobile app development process is provided.
Key words: user acceptance; app market; mobile app; software analytics; data driven

随着计算机软件的运行环境从单机环境发展到互联网环境,软件的发布模式也发生了重要改变.近年来,随
着移动互联网的兴起和智能终端设备的大量普及,应用市场模式逐渐成为主要的软件发布模式之一.2019 年第
一季度,苹果 App Store 应用市场的应用数量达到 220 万,谷歌 Google Play 应用市场的应用数量则超过了 250
万.与此同时,应用市场模式 [1−4] 以及这一模式下的移动应用开发也成为学术界的研究热点,甚至已经成为软件
工程领域各大学术会议中的重要主题.在应用市场模式下,逐渐形成了包括应用市场、应用开发者和用户这 3
类主要角色的生态系统.其中,应用市场作为应用的分发平台,支持开发者提交、管理应用,并提供统计数据、反
馈信息等服务;支持用户下载应用,同时提供评价和反馈的渠道.在这一生态系统中,不同角色的活动和交互产
生了覆盖软件生命周期多个阶段的丰富数据,包括移动应用的安装包、元信息、开发者信息、用户行为数据等.
相对于传统软件,在应用市场模式下,移动应用的更新迭代周期明显缩短,用户反馈更快,最终用户和开发
者之间的联系更加紧密和直接.为了应对激烈的市场竞争,同时满足动态演变的用户需求,移动应用开发者必须
以快速迭代的方式不断更新应用,修复错误缺陷,完善应用质量,提升用户体验.因此,如何正确和综合地理解用
户对应用的接受程度,即用户接受度,是应用市场模式下软件开发需要考量的重要因素.换言之,对用户接受度
的考量,能够为移动应用的开发提供相对具体的指导.例如,通过分析用户评论,可以更好地定位并修复软件中
[5]
的错误 ;通过量化不同设备型号用户卸载应用的情况,可以帮助开发者优先关注应用在特定设备上的适配性
[6]
问题 .开发者以用户为导向进行应用的需求分析、设计实现和发布,以更有针对性、更为高效地实现用户期望
的功能和效果.
在应用市场模式下,如何帮助开发者更好地以用户为导向改进应用,是本文关注的问题.近年来兴起的软件
解析学(software analytics) [7,8] 即是针对软件生命周期中产生的大量的、各种类型的数据,运用机器学习、数据
[9]
挖掘、信息可视化以及大规模数据处理等技术,以数据驱动的方式帮助开发者提取有用信息,做出正确决策 .
基于软件解析学的思想,以移动应用市场生态系统中的大量数据为出发点,可以为移动应用开发者提供改进应
用的有效洞察.
用户接受度可以表示用户为满足特定需求接受或使用一个应用的程度.作为移动应用评价指标,用户接受
度与传统软件的相关指标存在一定的联系.例如,传统软件的可信性问题关注软件是否安全稳定、能否成功运
行并给用户提供预期的服务,包括用户(主体)和软件(客体)两个角度 [10] .其中,主体角度的定义侧重用户主观感
受,强调用户对软件行为的信任、是否符合用户的期望.从满足用户需求的角度看,用户对移动应用的接受度是
软件可信性的重要方面.在应用市场模式下,用户接受度的来源数据维度更为丰富,度量和分析大量应用的用户
接受度,也为理解移动应用生态下的软件可信性提供了新的视角.
现有研究中,对用户接受度的度量主要依赖于用户评分与评论等相对主观的数据,而对用户操作、交互行
为等相对客观的因素考虑不足,导致度量不够翔实和充分,因而难以对应用进行更具针对性的改进.而移动应用
市场生态系统中存在的用户评分、评论、管理操作、交互行为等多个维度的数据,都能够体现用户接受度的不
同方面.因此,为了更全面地理解用户接受度,从而帮助开发者更好地改进应用,有必要在解决具体的应用改进
问题之前,综合考虑应用市场中的各类与用户相关的数据,并进行抽象、分类和建模,建立综合的用户接受度指
标模型.在此基础上,本文选取应用开发不同阶段的典型问题,包括需求分析阶段的目标用户群体预测问题、设
计开发阶段的用户规模预测问题和版本发布阶段的更新效果预测问题,进行用户接受度指标的提取.从移动应