REVISTA DE INGENIERIA DYNA

Palabras clave:

User experience model, opinion mining, Kernel-Naïve Bayes Classification, MCMC, markov chain monte carlo, Google Analytics data, Modelo de experiencia de usuario, minería de opinión, función bayesiana, MCMC, datos de Google Analytics

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

El marketing online se basa en la tecnología digital, incluyendo el marketing de comercio electrónico, la automatización de contenidos, el marketing de medios sociales y el marketing directo por correo electrónico proporciona tecnología avanzada en el sistema de marketing digital. La experiencia del usuario es una de las estrategias comunes para el éxito del producto. El trabajo de investigación anterior proporciona la mejora de la experiencia del usuario en el marketing ordinario. El trabajo de investigación propuesto evalúa los principales aspectos del análisis de la experiencia del usuario a partir de los datos del sitio web. El proceso de extracción se centra en la interfaz de Google Analytics a través de las respectivas tiendas web. Google Analytics ayuda a entender los grupos de componentes de comportamiento de la lucha del usuario. Se presentan teorías de perspectivas acumulativas en las que la participación del usuario se percibe desde la perspectiva del procedimiento de estrategia de dos imágenes de modelos diferentes. Investigar los estados afectivos en la evaluación del conjunto de datos de la experiencia del usuario a través de las características afectivas involucradas en el diseño de la experiencia del usuario. Además, estudiamos la cuenta de múltiples conjuntos de datos de incertidumbres y mejoramos una base de datos jerárquica Probabilidad previa y Probabilidad posterior. Presentamos una técnica avanzada de Monte Carlo con cadena de Markov para la evaluación de características de menos de cuatro estados afectivos mediante el uso de métodos de procesamiento de imágenes. Un resultado concluye los impactos mediante la asignación de sus parámetros en la función de experiencia de usuario percibida. Concentrándose en la tendencia central de los datos, se pueden construir modelos de experiencia de usuario idiosincrásicos en el proceso de estimación.
Palabras clave: Modelo de experiencia de usuario; minería de opinión; función bayesiana; MCMC; datos de Google Analytics;