如何结合用户的兴趣和能力进行更好的众测分配

如何结合用户的兴趣和能力进行更好的众测分配

>>问题摘要

很多人已经非常熟悉众包的概念。当前已有一些基于众包概念的测试平台（众测），平台中的用户在行业、兴趣、经验等各方面差异很大。有些众测任务并不适合所有的人参与，或者有些项目具有一些知识背景的人参加更有优势，效率更高，效果更好。例如，我们通过众测平台发布一个图片标注的任务，让用户帮助标注海量的互联网图片的内容，这时候由于不同的用户有不同的知识背景、兴趣爱好，因此他们标注的不同图片的准确性和效率都是不一样的。比如对于一些中药材的图片，如果选择中医职业的用户来标注，那么标注的准确率就会高很多，并且一般来说他们对中药材的图片也比较感兴趣，标注效率也比较高。因此，如果能够分析用户的兴趣和能力，众包任务分发时考虑用户的能力和兴趣，就可以有效利用用户的兴趣和专长，提高测试任务的准确率和执行效率，进而极大提升众测平台的生产力。

 

>> 问题背景

众包是一种通过大众的力量来完成任务的模式。“众测”就是一种众包平台，通过这个平台分发测试任务给用户，并且用户在完成任务之后能够得到一定的回报。但是，由于众测上的用户知识背景不一样、测试经验不一样、测试水平存在差异、个人兴趣也有很大的不同，并不是所有的项目都适合所有的人测试，不同的人测试的效率和准确率存在差异。

例如上面“问题摘要”中举的“中药材”图片的例子，不同的用户测试的效率和准确率不同，如果将这种任务分配给一个对“中药材”图片不感兴趣或者不了解的用户，那么用户在标注的过程中困难较大，会降低用户的成就感甚至会使得用户对平台的任务产生厌烦而离开。

 

>> 当前的研究和技术现状

根据用户的行为、注册资料、历史参与项目等数据分析用户的兴趣和强项，实际上来说就是一个机器学习和分类的过程。对于机器学习和分类业界有很多算法，例如K-means、决策树、向量机等等。这些方法都可以参考和借鉴。业界一般的做法就是根据众包平台的业务特点建立合理的学习和分类模型，例如应该分成哪些类、哪些指标决定一个用户分到哪个类，影响的程度有多大等等，进行量化建模，然后通过标注数据进行学习，最后对平台上所有用户数据按照学习出来的模型进行分类。

 

>> 技术关键点

通过用户行为、历史记录、浏览过的网站信息记录、过往参与众测项目情况，分析建立用户的兴趣模型和擅长领域。

 

>> 实现后的价值

通过将平台用户根据不同的兴趣和强项进行分类，使得不同的项目能够根据项目特点分配给合适的用户，从而提高用户做项目的准确率和效率，提高众测平台的生产力。