<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
		>
<channel>
	<title>《优化相关内容推荐》的评论</title>
	<atom:link href="http://webdataanalysis.net/personal-view/optimize-related-content/feed/" rel="self" type="application/rss+xml" />
	<link>http://webdataanalysis.net/personal-view/optimize-related-content/</link>
	<description>通过网站分析与数据分析实现网站优化</description>
	<lastBuildDate>Tue, 21 Apr 2015 08:18:18 +0000</lastBuildDate>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.5.1</generator>
	<item>
		<title>作者：怎样提升网站用户满意度_读懂_钛媒体网</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-957</link>
		<dc:creator>怎样提升网站用户满意度_读懂_钛媒体网</dc:creator>
		<pubDate>Mon, 25 Nov 2013 00:42:50 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-957</guid>
		<description><![CDATA[[...] 提升用户满意度，我们可能需要做很多事情，从全局到细节，需要处处为用户的体验和感受着想。既然我们已经验证用户的任务完成度对用户满意度会产生显著影响，那么我们可以先从提升用户的任务完成度开始。这里可以参考我之前写的关于如何让用户更容易地找到需要的信息的4篇文章——优化网站信息架构，优化网站内部搜索，优化网站导航设计，优化相关内容推荐。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 提升用户满意度，我们可能需要做很多事情，从全局到细节，需要处处为用户的体验和感受着想。既然我们已经验证用户的任务完成度对用户满意度会产生显著影响，那么我们可以先从提升用户的任务完成度开始。这里可以参考我之前写的关于如何让用户更容易地找到需要的信息的4篇文章——优化网站信息架构，优化网站内部搜索，优化网站导航设计，优化相关内容推荐。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：用户需要什么数据？ &#124; 钛媒体网</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-956</link>
		<dc:creator>用户需要什么数据？ &#124; 钛媒体网</dc:creator>
		<pubDate>Thu, 26 Sep 2013 02:29:25 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-956</guid>
		<description><![CDATA[[...] 如果你的网站不单是简单的几个页面，而是一个庞大复杂的系统，其中提供了丰富的功能和应用，那么我们还需要做一类分析，就是各功能点的分析。之前在“让用户更容易地找到需要的信息”专题中分析过几类网站中常见的功能：站内搜索、导航设计和内容推荐，这些功能点我们都可以使用特殊的方法获取数据、设置特殊的指标去分析他们的实现效果。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 如果你的网站不单是简单的几个页面，而是一个庞大复杂的系统，其中提供了丰富的功能和应用，那么我们还需要做一类分析，就是各功能点的分析。之前在“让用户更容易地找到需要的信息”专题中分析过几类网站中常见的功能：站内搜索、导航设计和内容推荐，这些功能点我们都可以使用特殊的方法获取数据、设置特殊的指标去分析他们的实现效果。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：使用者需要什麼資料？ - Game2遊戲&#124;互聯網網誌-領先的正體中文互聯網/遊戲資訊網誌！ - 領先的正體中文互聯網/遊戲資訊網誌！</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-955</link>
		<dc:creator>使用者需要什麼資料？ - Game2遊戲&#124;互聯網網誌-領先的正體中文互聯網/遊戲資訊網誌！ - 領先的正體中文互聯網/遊戲資訊網誌！</dc:creator>
		<pubDate>Tue, 21 Aug 2012 05:01:56 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-955</guid>
		<description><![CDATA[[...] 如果你的網站不單是簡單的幾個頁面，而是一個龐大復雜的系統，其中提供了豐富的功能和應用，那麼我們還需要做一類分析，就是各功能點的分析。之前在“讓用戶更容易地找到需要的信息”專題中分析過幾類網站中常見的功能：站內搜索、導航設計和內容推薦，這些功能點我們都可以使用特殊的方法獲取數據、設置特殊的指標去分析他們的實現效果。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 如果你的網站不單是簡單的幾個頁面，而是一個龐大復雜的系統，其中提供了豐富的功能和應用，那麼我們還需要做一類分析，就是各功能點的分析。之前在“讓用戶更容易地找到需要的信息”專題中分析過幾類網站中常見的功能：站內搜索、導航設計和內容推薦，這些功能點我們都可以使用特殊的方法獲取數據、設置特殊的指標去分析他們的實現效果。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：了解网站页面的点击情况 &#124; 行走在互联网路上</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-954</link>
		<dc:creator>了解网站页面的点击情况 &#124; 行走在互联网路上</dc:creator>
		<pubDate>Wed, 20 Jun 2012 15:50:44 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-954</guid>
		<description><![CDATA[[...] 　　每个页面有了点击分布情况的统计，这样对于页面各个模块或列表的效果评估就变得简单很多，正如我之前的文章——优化相关内容推荐介绍的是使用“Navigation Summary”来评估相关内容推荐模块的点击效果，这里就可以尝试使用In-Page Analytics来分析数据表现： [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 　　每个页面有了点击分布情况的统计，这样对于页面各个模块或列表的效果评估就变得简单很多，正如我之前的文章——优化相关内容推荐介绍的是使用“Navigation Summary”来评估相关内容推荐模块的点击效果，这里就可以尝试使用In-Page Analytics来分析数据表现： [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：了解网站页面的点击情况 &#124; 知而不乎</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-953</link>
		<dc:creator>了解网站页面的点击情况 &#124; 知而不乎</dc:creator>
		<pubDate>Thu, 10 May 2012 09:52:38 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-953</guid>
		<description><![CDATA[[...] 　　每个页面有了点击分布情况的统计，这样对于页面各个模块或列表的效果评估就变得简单很多，正如我之前的文章——优化相关内容推荐介绍的是使用“Navigation Summary”来评估相关内容推荐模块的点击效果，这里就可以尝试使用In-Page Analytics来分析数据表现： [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 　　每个页面有了点击分布情况的统计，这样对于页面各个模块或列表的效果评估就变得简单很多，正如我之前的文章——优化相关内容推荐介绍的是使用“Navigation Summary”来评估相关内容推荐模块的点击效果，这里就可以尝试使用In-Page Analytics来分析数据表现： [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：joegh</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-952</link>
		<dc:creator>joegh</dc:creator>
		<pubDate>Fri, 20 Jan 2012 13:25:21 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-952</guid>
		<description><![CDATA[@&lt;a href=&quot;http://webdataanalysis.net/personal-view/optimize-related-content/comment-page-1/#comment-8383&quot; target=&quot;_blank&quot; rel=&quot;nofollow&quot;&gt;阿毛&lt;/a&gt;: 网站内容推荐的模块一般是算法实现的，如果推荐的内容相对固定，不会频繁自动刷新，抽样做分析是可以的，当然最好也不要人工一个个去看，基于抽样的内容统计上下游页面是推荐内容的概率或占比。更加有效地办法是推荐模块的所有内容链接都加上一个特定参数，这样就更容易进行区分了。]]></description>
		<content:encoded><![CDATA[<p>@<a href="http://webdataanalysis.net/personal-view/optimize-related-content/comment-page-1/#comment-8383" target="_blank" rel="nofollow">阿毛</a>: 网站内容推荐的模块一般是算法实现的，如果推荐的内容相对固定，不会频繁自动刷新，抽样做分析是可以的，当然最好也不要人工一个个去看，基于抽样的内容统计上下游页面是推荐内容的概率或占比。更加有效地办法是推荐模块的所有内容链接都加上一个特定参数，这样就更容易进行区分了。</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：阿毛</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-951</link>
		<dc:creator>阿毛</dc:creator>
		<pubDate>Fri, 20 Jan 2012 03:14:17 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-951</guid>
		<description><![CDATA[@joegh 你好，这个功能是对于某个页面的上下游的分析，那么对于海量的内容页的网站也是抽查某几个内容页的上下游来做分析吗？如果这样，怎么样能判断内容的相关性做的好坏呢？]]></description>
		<content:encoded><![CDATA[<p>@joegh 你好，这个功能是对于某个页面的上下游的分析，那么对于海量的内容页的网站也是抽查某几个内容页的上下游来做分析吗？如果这样，怎么样能判断内容的相关性做的好坏呢？</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：行走在互联网路上——UE之旅 &#187; 基于KNN的相关内容推荐</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-950</link>
		<dc:creator>行走在互联网路上——UE之旅 &#187; 基于KNN的相关内容推荐</dc:creator>
		<pubDate>Wed, 14 Dec 2011 14:38:12 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-950</guid>
		<description><![CDATA[[...] 　　好了，所有的分析流程介绍完了，好像跟前一篇的距离和相似度度量完全没有关系，其实距离和相似度度量是KNN的基础算法，因为KNN的个体相似度或邻近的距离都会选择距离度量和相似度度量中的某种方法进行计算，但这里考虑到了现实的数据情况和应用环境，并不是KNN就一定要硬套欧氏距离，其实换一种简单的方法可能反而更加适合整个模型，而且模型的最终效果可能会更理想。所以一切的数据挖掘算法的选择和使用都是基于数据模型的有效性和输出结果的效果来决定的，并不是简单的算法效果就一定不好，而高级复杂的算法一定更加有效。对了，如果你已经做了相关内容推荐，那么优化相关内容推荐这篇文章里面介绍的一些方法将是检验推荐效果的一个很好的参考。   　&#187; 本文采用  BY-NC-SA 协议，转载请注明来源：网站数据分析 &#187; 《基于KNN的相关内容推荐》 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 　　好了，所有的分析流程介绍完了，好像跟前一篇的距离和相似度度量完全没有关系，其实距离和相似度度量是KNN的基础算法，因为KNN的个体相似度或邻近的距离都会选择距离度量和相似度度量中的某种方法进行计算，但这里考虑到了现实的数据情况和应用环境，并不是KNN就一定要硬套欧氏距离，其实换一种简单的方法可能反而更加适合整个模型，而且模型的最终效果可能会更理想。所以一切的数据挖掘算法的选择和使用都是基于数据模型的有效性和输出结果的效果来决定的，并不是简单的算法效果就一定不好，而高级复杂的算法一定更加有效。对了，如果你已经做了相关内容推荐，那么优化相关内容推荐这篇文章里面介绍的一些方法将是检验推荐效果的一个很好的参考。   　&raquo; 本文采用  BY-NC-SA 协议，转载请注明来源：网站数据分析 &raquo; 《基于KNN的相关内容推荐》 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：基于KNN的相关内容推荐 - 网事-tech400互联网行业动态资讯/互联网产品分析资讯</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-949</link>
		<dc:creator>基于KNN的相关内容推荐 - 网事-tech400互联网行业动态资讯/互联网产品分析资讯</dc:creator>
		<pubDate>Sat, 10 Dec 2011 15:27:28 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-949</guid>
		<description><![CDATA[[...] 好了，所有的分析流程介绍完了，好像跟前一篇的距离和相似度度量完全没有关系，其实距离和相似度度量是KNN的基础算法，因为KNN的个体相似度或邻近的距离都会选择距离度量和相似度度量中的某种方法进行计算，但这里考虑到了现实的数据情况和应用环境，并不是KNN就一定要硬套欧氏距离，其实换一种简单的方法可能反而更加适合整个模型，而且模型的最终效果可能会更理想。所以一切的数据挖掘算法的选择和使用都是基于数据模型的有效性和输出结果的效果来决定的，并不是简单的算法效果就一定不好，而高级复杂的算法一定更加有效。对了，如果你已经做了相关内容推荐，那么优化相关内容推荐这篇文章里面介绍的一些方法将是检验推荐效果的一个很好的参考。 [...]]]></description>
		<content:encoded><![CDATA[<p>[...] 好了，所有的分析流程介绍完了，好像跟前一篇的距离和相似度度量完全没有关系，其实距离和相似度度量是KNN的基础算法，因为KNN的个体相似度或邻近的距离都会选择距离度量和相似度度量中的某种方法进行计算，但这里考虑到了现实的数据情况和应用环境，并不是KNN就一定要硬套欧氏距离，其实换一种简单的方法可能反而更加适合整个模型，而且模型的最终效果可能会更理想。所以一切的数据挖掘算法的选择和使用都是基于数据模型的有效性和输出结果的效果来决定的，并不是简单的算法效果就一定不好，而高级复杂的算法一定更加有效。对了，如果你已经做了相关内容推荐，那么优化相关内容推荐这篇文章里面介绍的一些方法将是检验推荐效果的一个很好的参考。 [...]</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：anran</title>
		<link>http://webdataanalysis.net/personal-view/optimize-related-content/#comment-948</link>
		<dc:creator>anran</dc:creator>
		<pubDate>Sat, 27 Aug 2011 01:53:04 +0000</pubDate>
		<guid isPermaLink="false">http://webdataanalysis.net/?p=693#comment-948</guid>
		<description><![CDATA[@&lt;a href=&quot;http://webdataanalysis.net/personal-view/optimize-related-content/comment-page-1/#comment-5182&quot; target=&quot;_blank&quot; rel=&quot;nofollow&quot;&gt;joegh&lt;/a&gt;: 谢谢，已经找到了。您的博客写得很好，很用心，希望继续分享更多的东西]]></description>
		<content:encoded><![CDATA[<p>@<a href="http://webdataanalysis.net/personal-view/optimize-related-content/comment-page-1/#comment-5182" target="_blank" rel="nofollow">joegh</a>: 谢谢，已经找到了。您的博客写得很好，很用心，希望继续分享更多的东西</p>
]]></content:encoded>
	</item>
</channel>
</rss>

<!-- Dynamic page generated in 0.481 seconds. -->
<!-- Cached page generated by WP-Super-Cache on 2025-07-24 07:06:26 -->
