The growing use of mobile applications (apps) presents a scenario in the Mobile Software Ecosystem (MSECO) with users who are increasingly demanding and attentive to new needs. These users interact on the social web through app evaluations they perform daily, and consequently produce large amounts of data, often unused. In this context, the difference in knowing information from app users' evaluations (apps reviews) supports the needs of the target audience of these applications. This work presents exploratory and initial research for extracting information from the most frequently used app reviews in different categories extracted from the Google Play app store. The objective is to know and analyze information from this type of data repository to support new knowledge about the interaction of users with regard to the service offered through the app. In this work, we analyzed 88,130 reviews applications for the extraction of representative data and capable of presenting topics related to the service offered through the app in the context of this work. The results obtained show that there is evidence of information to be extracted and considered to better meet the users' needs.
A crescente utilização das funcionalidades oferecidas por meio das aplicações móveis
(apps) vem despertando a atenção em atrair usuários. Tal preocupação, é ainda maior
em se tratando de empresas que oferecem seus serviços por meio das apps. Os
dispositivos móveis ganharam popularidade por causa de sua portabilidade, acessibilidade e
consciência local. Simultaneamente, a crescente demanda por vários tipos de
aplicativos móveis em execução em diferentes dispositivos levou a um aumento
correspondente em desenvolvedores móveis e competitivos mercados de aplicativos para
dispositivos móveis [
Neste contexto, em se tratando de Ecossistema de Software Móvel (MSECO) essa
responsabilidade é ainda maior. Pois, os ecossistemas de software estão se tornando um
modelo comum para o desenvolvimento de software em que diferentes atores cooperam
em torno de uma plataforma compartilhada. O compartilhamento dos muitos artefatos
e práticas que ocorre entre os envolvidos nos permite entender as relações existente no
ecossistema [
Diante deste cenário, esta é uma questão que tem chamado a atenção dos envolvidos no processo de fornecimento de serviços por meio das apps. Por sua vez, a interação web social estabelecida por meio das avaliações das apps (apps reviews) entre os usuários permite conhecer acerca do uso dos serviços oferecidos por meio das apps. Deste modo, a ascensão e disponibilidade de dados na web estabelece perfeita conexão entre a necessidade de novas informações e novos estudos em busca de soluções para esse problema.
Neste artigo, consideramos as apps como meio para oferta dos serviços oferecidos
pelas empresas ao seu público-alvo, conforme suas categorias de classificação. Neste
contexto, as apps reviews podem refletir necessidades dos usuários e oportunidade de
melhorais do serviço oferecido em relação aos concorrentes. Dado que, atualmente as
aplicações são capazes de auxiliar o usuário em diversas atividades como, por exemplo,
traçar rotas e localizar endereços [
Sendo assim, investigamos a app store da Google Play como repositório da web social para a extração e conhecimento de informações relacionadas aos serviços oferecidos por empresas. Este trabalho tem como objetivo, conhecer e analisar informações deste tipo de repositório de dados para apoiar em novos conhecimentos acerca da interação dos usuários em relação aos serviços oferecidos por meio das apps. A questão investigada é:
Questão de Pesquisa: As informações extraídas das apps reviews podem apoiar no entendimento das necessidades em relação aos serviços oferecidos pelas empresas por meio das apps no contexto de MSECO?
A questão de pesquisa foi investigada por meio da mineração e análise de dados disponíveis da web, voltada para coleta de dados disponíveis na app store. Diante disto, obtivemos as primeiras impressões acerca de dados representativos e capazes de caracterizar aspectos relacionados ao contexto desta pesquisa.
Este artigo está estruturado conforme segue: Na próxima Seção apresentamos o background que traz os conceitos necessários para o entendimento desta pesquisa. Na Seção 3 tratamos dos materiais e métodos utilizados para a extração dos termos frequentes e relevantes para o contexto deste trabalho, bem como a metodologia utilizada. A Seção 4 expõe os resultados alcançados e também resposta para a questão de pesquisa. Na Seção 5 tratamos das Limitações e Trabalhos Futuros. Por fim, mostramos as considerações finais na Seção 6 deste trabalho. 2
Background Nesta Seção apresentamos conceitos importantes para o entendimento deste trabalho.
As aplicações móveis, também conhecidas como apps, são atualmente itens essenciais
para o cotidiano das pessoas, são programas que se pode baixar das lojas de aplicações
móveis e instalar em dispositivos móveis. Nos últimos anos, observamos a rápida
evolução dos dispositivos móveis em termos de hardware, sistemas operacionais e, como
consequência disso, as crescentes listas de recursos que os usuários das apps exigem
[
A popularização da utilização de apps transforma o dia a dia de seus usuários, pois
atividades simples do cotidiano atualmente são potencializadas com o auxílio de
diferentes apps. No mesmo ritmo de utilização desses aplicativos, surgem novas
necessidades de melhorias ou adaptação, que são reportadas às empresas por meio das
avaliações de seus usuários [
Diante disto, estamos diante de tecnologia desenvolvida para apoiar a web social que
baseiam-se em aplicações que possibilitam a comunicação, a interação e a colaboração
em massa [
Neste sentido, as apps reviews direcionam o desenvolvimento dos projetos deste tipo de aplicação voltada para a oferta de serviços, dado que os usuários expõem suas necessidades em relação a facilidade ou não do uso. Além disso, a experiência dos usuários que são reveladas a partir dessas informações apresentam evidências importantes para se conhecer acerca dos serviços oferecidos por meio das apps. 2.2
Atualmente, a temática sobre Ecossistemas de Software (ECOS) tem sido objeto de
vários estudos, a literatura apresenta estudos a partir de diferentes perspectivas. Em se
tratando de Negócios [
A partir desta concepção, estamos diante de um tipo de ECOS que surge das
interações entre atores em torno de uma plataforma de tecnologia comum focada em produtos
e serviços de software [
Sendo assim, no contexto da interação web social, é importante impulsionar a
discussão da comunidade acerca das informações produzidas pelos usuários das apps, por
ser este também um elemento que compõe o ECOS, visto que em contexto da definição
mais ampla, a plataforma a partir da visão de aplicativos de ECOSs é um caso especial
[
Nesta Seção, apresentamos a coleção de dados utilizados e também as fases de processamento do conteúdo das apps reviews. 3.1
A coleção de dados utilizada neste trabalho é composta pelas apps reviews de cinco apps das seguintes categorias: Comunicação, Comida e Bebidas, Jogos, Negócios e Mapas e Navegação. A seleção foi realizada a partir do ranking das aplicações, selecionamos as mais utilizadas conforme o ranking na loja da Google Play. Diante desta classificação, entendemos que essas apps podem apoiar no conhecimento de dados capazes de gerar evidências no contexto da pesquisa. Dado que são apps que estão no ranking das mais baixadas dessa app store, ou seja, são as mais populares.
Na Tabela 1 apresentamos: (i) uma identificação para cada categoria selecionada (coluna Id), (ii) categorias das apps selecionadas (coluna categoria) e (iii) quantidade de apps reviews extraídas e analisadas para cada categoria (coluna quantidade de reviews).
Considerando que as apps selecionadas para esse estudo são de categorias diferentes, entendemos que existe certo grau de diversidade de dados. Portanto, tal característica contribui na direção para construção de novos conhecimentos em relação as avaliações do serviço fornecido por meio de apps no contexto de MSECO.
A extração e preparação da base deste trabalho utiliza técnicas mineração de dados,
devido ao grande volume e características da base de dados web em questão. Dado que,
tal forma de extração em grandes bases permite a descoberta de possíveis associações
existentes entre os dados, podendo assim ser adotada uma de suas técnicas dentre
classificação, agrupamento (clusterização) ou mesmo detecção de desvios dos dados
extraídos [
Para realizarmos a mineração e processamento dos dados em busca de conhecer informações no contexto deste trabalho, seguimos os seguintes passos:
Passo 1: Extração das apps reviews disponíveis na Google Play, construindo assim
coleção de 88.130 apps review. Optamos por trabalha com a plataforma Android, pois
nos últimos anos, a loja de aplicativos e o mercado de Android experimentaram um
crescimento significativo em termos de números de aplicativos [
Passo 2: Após a execução do passo 1, iniciamos a execução do processo de limpeza da base de dados. Nesta fase, removemos automaticamente as stop words da coleção. Nesse contexto, stop words são palavras que não contribuem ou não apresentam claramente características que nos permita compreender qualquer informação em relação ao contexto deste trabalho. Além disso, que não seja representativo para o escopo da pesquisa, e.g., o nome da app ou mesmo a palavra app.
Passo 3: Depois do processo realizado no passo 2, passamos a realizar a fase de extração de termos mais discriminantes relacionados a usabilidade das app analisadas. Para isso, foi realizado cálculo da frequência da ocorrência dos termos na coleção, ou seja, é nessa fase que passamos a conhecer o peso (score) dos termos mais citados nas apps reviews pelos usuários. Uma vez selecionado esses termos que representam os aspectos, verificamos em quais reviews cada um deles ocorreu, ou seja, para cada aspecto temos o grupo de reviews em que ele aparece. Para cada grupo de reviews somase as avaliações e ao final tira-se a média pelo número de reviews que ocorreu cada aspecto.
Passo 4: Concluído o passo 3, consideramos como dados discriminantes os que
apresentaram pesos diferente de dois, ou seja, que aparecem na coleção mais de duas
vezes. Para isso, utilizamos trigramas [
Nesta Seção, apresentamos análise dos resultados alcançados em resposta à questão de pesquisa investigada.
Buscando a resposta para nossa questão de pesquisa, apresentamos as Tabelas a seguir para demonstrar os termos mais frequentes que foram extraídos das apps review por categoria, ordenamos com base na coluna Média da Avalição para facilitar melhor visualização. Apresentamos na coluna TermosFrequentes um trigrama dos termos mais relevantes para cada aspecto retornado, e com base nesse trigrama a coluna AspectosAvaliados apresenta uma interpretação, feita de forma manual, do aspecto que foi retornado, ou seja, qual o aspecto representado por essas três palavras retornadas em cada aspecto. Por fim a coluna MédiaAvaliação mostra a média de pontuação dos termos avaliados pelos usuários.
Além disso, com base nesta média, podemos inferir a polaridade das avaliações realizadas pelos usuários em relação a cada aspecto avaliado, considerando os seguintes intervalos de avaliação: (i) de 1 a 2,5, é considerado avaliação como negativa, (ii) entre 2,5 e 3,5 é considerada avaliação neutra e (iii) de 3,5 para 5, avaliação positiva. Vale ressaltar que a escolha desses intervalos foi realizada apenas considerando a nota que o usuário deu ao produto para cada review, portanto não foi analisado o conteúdo escrito nos reviews. Além disso, essa divisão foi tomada com base no conhecimento comum que se tem em relação as avaliações em geral, considerando que um usuário que avalia um aspecto de um produto com nota menor que 2,5 entende-se que esse usuário não está muito satisfeito com esse produto/serviço, e portanto consideramos uma avaliação negativa. Da mesma forma, se esse usuário avalia um produto com nota igual ou superior a 3,5 entende-se que esse usuário está satisfeito em relação ao produto que está avaliando e portanto consideramos uma avaliação positiva.
A Tabela 2 mostra a categoria Comida e Bebida, nesta observamos que 90% das apps review relaciona o aspecto Service e que 10% estão relacionadas ao uso da aplicação. Por exemplo, os tópicos restaurant payment service, no phone request, fast delivery restaurants e service food missing apresentam a MédiaAvaliação que variam entre negativo e neutro. Esses aspectos estão diretamente relacionados a avaliação do Serviço oferecido pela empresa, que nesse contexto poderá ser a desenvolvedora da aplicação móvel ou apenas ser empresa fornecedora dos serviços por meio da app utilizada. Os tópicos best service hungry, never problems practically, food order service, practical easy service and great service fast apresentam avaliações sobre aspectos relacionados ao uso e serviços com média de avaliação entre 4.0 a 5.0, ou seja, podemos perceber que estes aspectos estão avaliados positivamente pelo usuário. Em resumo percebemos com as avaliações desses aspectos que o usuário apresenta necessidade relacionadas a qualidade do serviço oferecido pela empresa e usabilidade da app.
Seguindo a mesma organização anterior, na Tabela 3 apresentamos os resultados dos aspectos e suas respectivas médias de avaliação dos termos para a categoria Negócios. Novamente os dois aspectos retornados de acordado com os tópicos mais frequentes foram, predominantemente, serviço e uso. Entretanto, diferente da categoria Comidas e Bebidas apresentada na Tabela 2, as médias das avaliações das reviews que contém cada aspecto para essa app foram muito baixas (todos os resultados foram negativos), caracterizando insatisfação dos usuários em relação às operações e serviços prestados por meio desta app, mostrando desta forma que a empresa que oferece este serviço de negócio deve tomar ações corretivas para melhorar o seu desempenho no ecossistema no qual está inserida.
Apresentamos na Tabela 4, os termos mais frequentes da categoria Comunicação, que apresentam aspectos relacionados aos serviços oferecidos pela empresa e uso da app. A coluna MediaAvaliação demonstra que 20% de revisão do usuário foi negativa para os aspectos do Serviço. Por outro lado, 80% da revisão do usuário foi positiva; podemos ver que a classificação média era de 4,0 para 5,0 para revisões relacionadas ao uso e a interface é comum.
Considerando o contexto de serviço oferecido por meio da app, os aspectos avaliados da Tabela 5 permite avaliar o serviço prestado pela empresa. Desse modo, podemos inferir que a qualidade dos serviços prestados pela empresa possui 90% de avaliações negativas. A partir desta análise, percebemos que a avaliação realizada pelo usuário está diretamente relacionada à avaliação indireta da empresa que fornece o serviço.
Em se tratando da categoria Jogos, a Tabela 6 apresenta que 60% das revisões dos usuários são positivas e os aspectos estão diretamente relacionados com a revisão do aplicativo do usuário. A média das avaliações dos termos frequentes mostram o sentimento positivo em relação ao uso da app, mostrando que o usuário se sente confortável durante o uso e a interação com o aplicativo. Os termos frequentes apresentados nesta Tabela mostram que a Média das Avaliações está entre 4.44 a 5.0. Diante disto, podemos perceber que estes aspectos estão sendo avaliados positivamente pelos usuários da app. Em resumo, observamos a partir destas avaliações que estes usuários apresentaram necessidades em relação ao uso desta app.
De modo geral, os termos mais frequentes que a pesquisa nos permitiu conhecer tratam dos serviços oferecidos e utilizados por meio das apps. Neste cenário, percebemos que as avaliações em relação aos serviços oferecidos são frequentes. Desse modo, podemos concluir que as informações obtidas a partir das apps reviews podem apoiar nas decisões empresariais para melhor atender as expectativas dos usuários que utilizam os serviços oferecidos por meio das apps. 5
Como base nos materiais e métodos utilizados nesta pesquisa, apontamos como limitações do trabalho a quantidade de apps selecionadas para extração das reviews, bem como o tamanho da base analisada. Além disso, a classificação empírica dos aspectos a partir da observação dos termos mais frequentes na coleção de dados utilizada.
Diante disto, temos como trabalhos futuros a concepção de base de dados mais representativas por categoria de apps, para melhor análise e classificação dos aspectos relacionados à interação web social, produzidas a partir das reviews publicadas. Além disso, investigaremos quais informações contidas nas reviews nos permitirá conhecer a satisfação, insatisfação, necessidades ou outros aspectos relacionados aos serviços oferecidos pelas empresas por meio das apps, no intuito de melhor conhecer o públicoalvo para adoção de estratégia e ações empresariais. 6
Diante dos resultados apresentados, concluímos que conhecer o conteúdo das apps reviews apoia a construção de conhecimento a partir das percepções dos usuários. Além disso, permite a obtenção de informações para apoiar no melhor atendimento das expectativas dos usuários de serviços oferecidos por meio das apps.
Nesse contexto, apesar da crescente demanda de usuários que buscam os dispositivos
móveis, devido às vantagens de acesso às informações em qualquer lugar e a qualquer
momento [
Portanto, conhecer essas avaliações é uma excelente maneira em busca de melhorias ou criação de novos produtos e/ou serviços afim de atender e superar as expectativas dos usuários. Além disso, permite construir base de conhecimento valiosa em relação a interação web social construídas a partir das apps reviews em se tratando do cenário de MSECO.
Outra informação importante que passamos a conhecer é em relação ao uso das apps,
neste contexto, os termos em relação ao uso são bastantes frequentes e apresentam
avaliações significativas. Diante disso, é importante considerar que todos estes aspectos
irão determinar o grau de uso da app. Além disso, o contexto da implementação é
igualmente importante para conhecer o público-alvo que está tentando alcançar, e entender
seu comportamento no ambiente móvel [
Por tratar-se de pesquisa exploratória e inicial, onde o contexto de MSECO traz um conjunto de oportunidades importantes para a pesquisa da comunidade de Interação Humano Computador (IHC). Inferimos que o resultado da pesquisa é a combinação de dados de uma pesquisa na literatura (método secundário) e as informações mineradas a partir das apps reviews que permitem o conhecimento inicial deste cenário.