Universidad Latinoamericana de Ciencia y Tecnología. Facultad de Ingeniería. Escuela de Ingeniería Informática

Transcripción

1 Universidad Latinoamericana de Ciencia y Tecnología Facultad de Ingeniería Escuela de Ingeniería Informática Trabajo final para optar por el grado de Licenciatura en Ingeniería de Sistemas con Énfasis en Desarrollo de Software Tema: Minería Web como una herramienta para el mercadeo y publicidad Estudiante: Daniel Steven Mejía Mora Cédula: Profesor: Lic. Miguel Pérez Montero I Cuatrimestre 2008

2 Índice: Introducción... 4 El uso de Minería Web en la publicidad y mercadeo... 5 Definición de Minería de Datos:... 6 Procesos Principales de la Minería Web... 7 Definir el Problema... 7 Preparar los datos... 7 Explorar los datos... 8 Generar modelo... 8 Explorar y validar los modelos... 9 Clasificación de la Minería Web Minería de Utilización Web Log de acceso en Servidores Web: Proxies Cookies Minería de Contenido Web Extracción de contenido Web Minería de Estructura Web Análisis de la Red Social Características necesarias de las herramientas de minería Web Escalabilidad Precisión: Formatos: Soluciones: Procesamientos: Conectividad: Importación / exportación: Rendimiento: Eficacia: Conclusión Bibliografía

3 Resumen Ejecutivo El artículo muestra la importancia de la minería Web, que puede analizar grandes cantidades de datos automáticamente en busca de modelos nuevos o patrones que puedan ayudar a las empresas en la toma de decisiones orientadas en la gestión del cliente, mejor conocido como CRM (Customer Relationship Management). El objetivo de este artículo es presentar la minería Web como una herramienta para cualquier tipo de empresa que tenga su sitio Web, y desea aumentar sus números de visitas o ventas de productos o servicios. Este artículo presenta las principales etapas a desarrollar en un proyecto de minería Web, que van desde el planteamiento del problema hasta el análisis de resultados. Para un mejor entendimiento de la minería Web se clasifica en tres tipos que abarcan actualmente todos los datos que pueden generar la Internet, que son: minería utilización Web, de contenido Web y estructura Web. Este artículo muestra los tipos de minería Web, así también los principales algoritmos de cada uno, que utilizan los datos que se obtienen por medio de la Red. También Las características que debe poseer todo software que se utilice para realizar algún proceso relacionado a la minería Web. Abstract The article show the importance of the web mining, that can analyze automatically big amount of data in search of new patrons or model, that can help the business in the moment of take decision, with the objective of CRM or better know (Customer Relation ship Management). The objective of this article is to present web mining as a tool for any company that has its website, and need to increase their numbers of visitors and sales of products or services. This article shows the main steps in a project for develop web mining that go from approach the problem to the analysis of results. For a better understanding of the web mining is classified into three types which currently cover all the data that can generate Internet are: Web usage mining, Web structure mining and Web contend mining. This article shows the types of Web mining, and also the main algorithms of everyone, using the data obtained through the Web. Also the main features required by all software used in any proceedings of web mining. 3

4 Introducción Hoy, la cantidad de páginas Web que existen en la red Internet, han aumentado rápidamente, como así también se han incrementado los servicios que ofrecen éstas. Consecuente a este incremento de páginas Web, también ha incrementado la competencia en atraer la mayor cantidad de compradores potenciales o clientes que adquieran algún servicio. Muchas páginas Web han concentrado su atención en lo usuarios que ingresan por medio de los exploradores o Browser, y tratan de comprender el uso que le está dando el usuario al sitio Web. Para facilitar este proceso de análisis se usa la Minería Web, que consiste en usar los métodos y técnicas de la minería de datos, para buscar patrones interesantes de los usuarios que ingresen en las páginas Web. La minería Web difiere de la minería de datos, en que la información de la red no está estructurada en bases de datos. En la Internet la información se encuentra en direcciones IP, navegadores, texto, imagen, meta datos, multimedia, galletas (cookies), etc. Un buen modelo de minería Web trae consigo una serie de ventajas que pueden se aprovechadas, como es el análisis de la calidad del sitio Web como en su contenido y enlaces, medir la fidelidad del usuario al sitio Web, generar un aumento en las visitas y mejorar la publicidad del sitio personalizando los anuncios de acuerdo al perfil del usuario. La mayor parte de la información que se usa en la minería Web se obtiene por medio de los usuarios que visitan el sitio Web, siendo una herramienta invaluable para el análisis del perfil del usuario. Este artículo pretende ser una guía de introducción a la minería de datos con énfasis en la minería Web y las ventajas que se obtienen al aplicarla en el sitio Web. Así también una guía en las características esenciales que deben tener las herramientas para el desarrollo de la misma. 4

5 El uso de Minería Web en la publicidad y mercadeo La publicidad y mercadeo son los elementos esenciales que necesita todo sitio Web para poder subsistir. Si nadie conoce el sitio Web o no vende los productos o servicios que ofrece, el sitio Web está destinado a desaparecer. Las compañías usaban todo tipo de medio para conseguir que sus productos o servicios sean adquiridos por los usuarios, desde publicidad masiva en Internet, publicidad en los medios de comunicación y promociones. Con la puesta en marcha de las nuevas estrategias empresariales como la Gestión de Clientes, conocida por sus siglas en inglés como CRM (Customer Relationship Management). Que busca conocer mejor el modo de vida y gustos del cliente, las empresas buscan en obtener la mayor cantidad de información posible de los clientes. Al aplicar el CRM se busca una serie de objetivos que son: Incrementar las ventas tanto por incremento de ventas a clientes actuales como por ventas cruzadas Maximizar la información del cliente Identificar nuevas oportunidades de negocio Identificar los clientes potenciales que mayor beneficio generen para la empresa Analizar fidelidad de los clientes. Muchas empresas que tienen sus sitios Web se han visto con la necesidad de buscar una manera de analizar toda la información venida de los datos obtenidos del usuario. La minería Web ha sido la solución para conseguir los patrones o modelos desconocidos desde los datos obtenidos de los usuarios. El desarrollo de un proyecto de minería Web lleva una serie de etapas que se explican más adelante, para poder ser realizada con éxito en la empresa. Con los resultados de la minería Web bien orientados puede ser de gran utilidad a la hora de la toma de decisiones o bien los beneficios que conllevan al desarrollo de un proyecto de minería Web. Una empresa que ha podido implementar con éxito una minería Web ha sido Amazon.com, que ha podido identificar las preferencias de los usuarios, a tal nivel que puede hacer recomendaciones personalizadas a sus clientes. ArticulodeNegocio.com (2008) se refirió al éxito de Amazon.com de la siguiente manera: Actualmente los clientes están más informados, tienen más opciones, pueden comparar y pueden elegir, por lo cual, ahora no se trata de cambiar los patrones de comportamiento de los clientes potenciales, sino de adaptarse a ellos y agregar valor. 5

6 Definición de Minería de Datos: Todos los sistemas generan datos, ya sean transacciones bancarias, compras por Internet, datos de encuestas, etc. Todos estos datos contienen información valiosa que puede usarse de diferentes formas, como predicciones de eventos o para conocer mejor al cliente. Los datos generados por los usuarios en la Internet crecen constantemente. Para un humano sería un proceso largo analizar y extraer la información útil para el negocio a tal cantidad de información en un tiempo razonable, para lo cual se creó la minería de datos que puede hacer este proceso de manera automática. La minería de datos se puede definir como un conjunto de métodos, técnicas y tecnologías, que nos permite explorar grandes cantidades de datos, con el objetivo de buscar patrones y tendencias que se pueden recopilar en un modelo, que se pueda analizar y comprender para la toma de decisiones, como por ejemplo, los siguientes casos que propone Microsoft TechNet: Predecir las ventas de un producto en un periodo. Dirigir correos a un grupo de clientes que han comprador productos similares. Aconsejar u ofrecer al cliente productos similares a los que compra o busca. Determinar los productos que se pueden vender juntos. Dividir o segmentar los clientes en grupos de acuerdo a las características definidas por el negocio. Analizar las preferencias de los usuarios. Detección de fuga de clientes. Detección de fraudes. Se denomina Minería Web el uso de las técnicas, tecnología y modelos de la minería de datos, con el propósito de buscar patrones interesantes en la estructura, contenido y la utilización de los sitios Web que le da el usuario. En la red existe información no estructurada, es heterogénea y que se incrementa de una manera constante. Con la información que dejan los usuarios en la Web, se pueden descubrir características interesantes, como ejemplo, las direcciones IP, que identifican la ubicación del usuario. Estos datos pueden ser valiosos para el área de mercadeo o publicidad, para descubrir el tipo de clientes, los intereses de éstos, las rutas que han digitado para llegar a la Web deseada, etc. 6

7 Procesos Principales de la Minería Web Para ejecutar un proyecto de minería Web, se pueden aplicar las etapas generales de la minería de datos, pero varía en herramientas y los modelos a escoger. El proceso de la minería consta generalmente de cinco etapas que son: 1. Definir el Problema 2. Preparar los Datos 3. Explorar los Datos 4. Generar Modelos 5. Explorar y validar los modelos La minería Web se puede ejecutar con los mismos procesos que la minería de datos, pero siempre orientado a la parte Web, con sus propios algoritmos y análisis de datos. Así también con herramientas desarrolladas especialmente para ese tipo de análisis. Definir el Problema El primer paso del problema es determinar claramente el problema, esto incluye analizar los requisitos empresariales, definir el ámbito del problema, precisar como se va a medir el modelo y el objetivo final del proyecto. Microsoft TechNet da una serie de preguntas que pueden ayudar en esta etapa para guiarse en la definición del problema: Qué está buscando? Qué tipo de relaciones está buscando? Qué es lo que quiere predecir? Cómo se relacionan las columnas? En la minería Web existe una serie de objetivos comunes que son los más buscados por los sitios Web como son la publicidad, personalizar las páginas Web, crear sitos que muestren los productos que frecuentemente compran juntos, clasificar artículos automáticamente y clasificar o categorizar al visitante de acuerdo a algún criterio de la compañía. Preparar los datos Para alcanzar los objetivos planteados en la sección anterior en una minería de datos, se deben escoger los datos que se necesitan. Estos datos se pueden encontrar esparcidos en diferentes bases de datos, o pueden ser demasiados registros que pueden perjudicar el tiempo de ejecución de la minería. Por lo que se recomienda escoger una muestra de datos. Que sean datos tanto positivos como negativos. Al ser una minería Web, no todos los datos se encuentran almacenados en una base de datos. Ya que mucha información se puede hallar en archivos planos, en 7

8 formato Html, en cookies (galletas) que se encuentran navegadores de los usuarios, etc. almacenados en los Gondar (2000) sugiere una serie de preguntas importantes que se hacen al momento de preparar los datos: Son adecuados los datos para alcanzar los objetivos deseados? Existen datos comunes de la base de datos con los datos de la red? Serán los mismos datos antes y después del análisis? Son consistentes los datos entre sí? Qué tipo datos se dispone además de la base de datos? Al realizar la preparación de los datos hay que tomar en cuenta que alguna información comprometa la seguridad o la intimidad del usuario, consecuentemente habrá información requerida para el perfil del usuario que no esté disponible. Hay que estar preparado para el tratamiento de definiciones de inconsistentes y la mezcla de datos provenientes de diferentes fuentes. El objetivo de esta etapa es conocer los datos, ya que éstos son los responsables finales de que los resultados sean los que se buscaba. Si se preparan o se escogen los incorrectos o los no necesarios se tendrá un fracaso en la ejecución de la minería de datos. Explorar los datos Esta es la etapa de la minería de datos en que se exploran los datos preparados de la etapa anterior. La finalidad de este proceso es buscar que los datos escogidos no tengan inconsistencias. Para un adecuado análisis de datos se deben considerar las siguientes recomendaciones de Microsoft que son: Calcular los valores mínimos y máximos Calcular la media y la desviación estándar Examinar la distribución de datos. Una vez concluido, se puede evaluar si los datos son los requeridos o se necesitan más para conseguir los resultados deseados. Generar modelo Es la etapa en que se genera el modelo de minería Web, para conseguir los objetivos planteados en la primera etapa. Gondar (2000) hizo una serie de cuestionamientos que se deben tomar en consideración al entrar en esta etapa del desarrollo de minería Web: 8

9 Cuál es el formato deseado de la solución, árbol de decisión, reglas, gráfico, mapa? Cuál es la meta que se quiere, clasificación, regresión, predicción, segmentación? Cómo se distribuirá el conocimiento obtenido a través del proceso Minería de Datos? Qué necesita en verdad la gerencia, análisis, aumentar ventas, estudios, publicidad? Qué necesita que haga el proceso de minería de datos? Qué tipo de minería realizar para Web? En esta etapa del proyecto se selecciona el tipo de minería Web que se desea usar, dependiendo de los objetivos y metas que concretaron en la etapa de determinación se escoge o escogen el tipo de minería Web que mejor cumpla con los objetivos buscados Actualmente existen tres tipos de minería Web que se analizan más adelante que son: 1. Minería de Utilización 2. Minería de Contenido 3. Minería de Estructura Estos tres tipos de minerías Web, pueden usarse para diferentes objetivos y usos, ya que cada uno toma los datos de diferentes fuentes de información, generando patrones o modelos desconocidos con los datos. A la par de la selección del tipo de minería Web también se selecciona la mejor opción de herramientas, que pueden ser de gran utilidad o ahorro de tiempo, para cualquier proyecto de minería Web. Explorar y validar los modelos Esta etapa de proceso consiste en validar el modelo y su eficacia. El modelo debe cumplir con los objetivos planteados en la etapa inicial. No se debe implementar un modelo en la etapa de producción si no se prueban los resultados obtenidos, también hay que considerar si se generaron varios modelos, experimentar cual de todos es el que mejor resultados obtiene. El paso final consiste en implementar el modelo en el negocio, implica la incorporación de los hallazgos a las prácticas del negocio de la empresa, esfuerzos de mercadeo y planificación de la estrategia. 9

10 Clasificación de la Minería Web La minería Web se puede clasificar en las siguientes tres categorías (ver ilustración #1): Minería de Utilización de la Web (Web Usage Mining) Minería de Contenido Web (Web Content Mining) Minería de Estructura Web (Web Structure Mining) Ilustración: #1. Categorías de la minería Web Fuente: tomado de 10

11 Minería de Utilización Web Consiste en descubrir interesantes o desconocidos patrones en el uso que le da el usuario a los sitios Web. Para este tipo de búsqueda se utilizan los datos que generan los usuarios cada vez que ingresa a una página. La Minería de Utilización Web tiene dos objetivos fundamentales que son (ver ilustración #2): 1. Extraer patrones generales de uso para mejorar el acceso a los usuarios. 2. Obtener perfiles de los usuarios para dar una atención personalizada, Ilustración #2 Objetivos fundamentales de la minería Web Fuente: tomado de Los siguientes datos son los más utilizados en este tipo de minería Web: Log de acceso en Servidores Proxies Cookies Log de acceso en Servidores Web: Cada vez que un usuario ingresa a una página Web, ese ingreso queda almacenado en el Log del servidor, sin necesidad que el usuario deba digitar alguna información adicional, como se ve en la ilustración #3, un Log de servidores Web (dependiendo del servidor Web, el Log puede contener más datos o menos datos de lo mostrado en la ilustración #3). Ilustración #3 Ejemplo de un Log de servidor Web Fuente: tomado de El Log del servidor Web es el elemento más fundamental para medir el acceso. Con la información que se encuentra se puede aplicar algoritmos como el A priori, por la gran cantidad de datos que hay que ordenar, agrupar y analizar. 11

12 Algoritmo A priori Es un algoritmo que está basado en el principio de monotonicidad, que define que si un elemento i es frecuente, consecuentemente todo el subconjunto i también lo es. El problema que resuelve el algoritmo Apriori es encontrar todos los conjuntos de enlaces o URL encima de un umbral, lo denominaremos grupo grandes de ítems y usa estos grupos grandes de ítems para generar las reglas de asociación. Sigue los siguientes procesos que se repiten varias veces: 1. En la primera pasada se inicia desde enlaces individuales o URL individuales, se obtienen el primer grupo grande de ítems. Se definimos dos como umbral, el enlace debe aparecer como mínimo dos veces en diferentes sesiones. 2. En cada paso partimos del grupo grande de ítems, que resultó del paso anterior. 3. Creamos un nuevo conjunto de grupos a partir de todas las combinaciones validas. Son válidas si los enlaces son de la misma sesión, le denominamos candidatos. 4. Nos quedamos con los candidatos que cumplen el soporte e iniciamos otra vez. Con la información generada en la sesión, se puede descubrir el grado de interés que pueden tener los usuarios en varios temas, esencial para ubicar la publicidad, así también medir la posibilidad y la cantidad de los usuarios que verán los anuncios. Proxies En la actualidad muchos usuarios utilizan programas o servidores, para que éstos realicen acciones en nombre de ellos, igual que el Log de Servidores Web, éstos tienen también un Log, que permite ejecutar las mismas técnicas aplicadas de minería Web. Igual que el anterior, busca extraer los patrones de acceso que sigue un usuario a través del Proxy. Cookies Son textos que se pueden guardar en los navegadores de los usuarios, que ingresan a la página Web. Puede usarse desde personalizar la página Web, a almacenar la frecuencia con que los usuarios visitan la página Web, etc. 12

13 Minería de Contenido Web Es extraer la información útil o desconocida, teniendo como fuente de información el contenido de las páginas Web, ya sea éste, texto, HTML, imágenes, videos, resultados de buscadores, etc. En otras palabras todo elemento Web que se encuentre en las páginas y buscar los patrones de los resultados de los motores de búsquedas (ver ilustración #4). Ilustración #4 Componentes Web Más Usados Fuente: tomado de Los datos en páginas Web son importantes, porque representan información como hospedaje, lista de productos, correos electrónicos de usuarios de un foro, etc. Con estos datos se le puede dar valor agregado como comparativas de precios entre tiendas online, meta buscadores, etc. Este campo de la minería Web, conforme avanza la tecnología e Internet, se amplía, dado que aumentan los diferentes tipos de componentes que puedan contener las páginas Extracción de contenido Web Todas las páginas Web tienen una estructura basada en HTML, que puede leer cualquier navegador. Con sistemas basados en reglas de búsqueda, se puede leer toda una página HTML y buscar un objeto específico para su uso posterior. La técnica que aplican los sistemas encargados en extraer información, tiene los siguientes procesos: Se tiene la siguiente página Web (ilustración #5) a la que se quiere extraer los datos de los productos que están vendiendo, para poder hacer una lista de productos por tienda. 13

14 Ilustración #5 Página Web de una Tienda Online Fuente: tomado de Identifica las regiones que contienen los datos que nos interesan para nuestro propósito, en este caso son los productos, descripciones, precios y las imágenes de los productos y todo lo demás se ignora (ver ilustración #6). Ilustración #6 Las regiones y datos que se desean extraer. Fuente: tomado de 14

15 El sistema extraerá todos los datos necesarios de la página Web, y creará una tabla como se muestra en la ilustración #7. Ilustración #7 Tabla de resultados de la extracción Web. Fuente: tomado de Con la obtención de los datos, se puede mostrar la información ya procesada al usuario interesado (ver ilustración #8), en este caso es una lista de los productos que posee la tienda. Ilustración #8 Páginas Web creada con los datos extraídos. Fuente: tomado de 15

16 La extracción de datos de páginas Web se puede aplicar en casos como la comparación de precios entre tiendas. Muchas de las técnicas de extracción de datos han evolucionado a causa del correo basura, que aplican este tipo de sistemas en busca de correos que aparezcan en las páginas Web. Minería de Estructura Web Consiste en analizar los enlaces de las página Web, para obtener información de cómo está estructurada, con el objetivo de descubrir un modelo que nos permita clasificar o agrupar documentos. Este tipo de minería actualmente clasifica los enlaces como estático y dinámico, como se muestra en la ilustración #10. Ilustración #10 Clasificación de los enlaces Fuente: tomado de Análisis de la Red Social Es el área que estudia las relaciones de las entidades sociales (que son las personas en una organización) y las relaciones que tengan. Las relaciones se pueden representar por medio de una red, donde las relaciones son mostradas por medio de un enlace. El análisis de la red social es utilizado en Web, porque la Web está constituida como una sociedad virtual, donde cada página Web es una persona y los enlaces son las relaciones que tienen con otras páginas Web. Muchos de los resultados de la red social se pueden aplicar en la Web. El uso de este tipo de análisis es el elemento principal del éxito de los buscadores como o Existen diferentes tipos de procesos que se usan para este tipo de análisis. Estos tipos de análisis tienen como objetivo darle un grado a un actor en una red social. Centralidad Los actores más importantes tienen enlaces con otros actores de manera extensiva. En la sociedad se muestra la centralidad por medio de la cantidad de contactos que tiene una persona. Las personas con más contactos son más importantes que las personas con menos contactos. Como se muestra en la ilustración #11, el nodo i, es el que tiene más enlaces, por consiguiente es el nodo principal, en este caso sería la página Web con más enlaces hacia fuera y enlaces que hacen referencia a ella desde fuera. 16

17 Ilustración #11 Red Social con análisis de Centralidad Fuente: tomado de Web Data Mining Co-Citación Es usado para medir la similitud entre documentos, de acuerdo a las enlaces de las páginas Web. Como se muestra en la ilustración #12, si las páginas Web i y j son citadas por k, eso indica que la página i y j tienen alguna relación, si i y j son citados por muchas páginas Web, significa que tienen una fuerte relación o similitud, mientras más páginas, las citen más fuerte será la relación. Ilustración #12 Co Citación entre i y j por k Fuente: tomado de Web Data Mining PageRank Usa un algoritmo para darle un valor numérico o indicador a las páginas Web, de acuerdo con los votos que haya recibido, fue desarrollado por Larry Page y Sergey Brin, quienes son los fundadores de Google. El PageRank hace en esencia lo siguiente: interpreta un hipervínculo de una página X a página Y como un voto, de la página X a la página Y. En el algoritmo también influye el indicador que tenga la página Web que emite el voto, haciendo que el voto de una página Web con mayor voto valga más, que el voto de una página Web que tenga menos votos. 17

18 Hypertext Induced Tepic Search (HITS) Cuando un usuario ejecuta una consulta, HITS expande la lista de las páginas más revelantes, creando dos grupos de tipos de páginas Web que son Authority Ranking y Hub Ranking. Authority Ranking son las páginas con muchos hipervínculos que apuntan a ellas, la idea es que son páginas en autoridad sobre un tema, y consecuentemente muchas personas confían en el hipervínculo (ver ilustración #13). Ilustración #13 Ejemplo de un Authority Ranking Fuente: tomado de Web Data Mining Hub Ranking son las páginas con muchos hipervínculos que apuntan a otras páginas que son autoridad en algún tema, cuando un usuario entra a este tipo de páginas encuentra muchos enlaces que apuntan a otras páginas que son autoridad en algún tema (ver ilustración #14). Ilustración #14 Ejemplo de un Hub Ranking Fuente: tomado de Web Data Mining La idea principal de HITS es que un Hub apunta muchas páginas que son Authority, y un Authority es apuntado por muchos Hub. Éstos generando un aumento en el reforzamiento de las relaciones (ver ilustración #15). Ilustración #15 Relaciones entre Hubs y Authorities Fuente: tomado de Web Data Mining 18

19 Características necesarias de las herramientas de minería Web La escogencia de una herramienta Web en la etapa de generación del modelo o resultados, es muy importante, ya que nos puede ayudar en la obtención de los resultados más rápidos o exactos. Se necesitan considerar varias características necesarias para evaluar o considerar en el momento de escoger una herramienta de la Minería Web. Por ser un área amplia, pueden existir una infinidad de programas que pueden facilitar el desarrollo de la minería Web. Gondar (2000) da varias características que se deben tomar en consideración en el momento de seleccionar una herramienta para cualquier proceso de la minería Web: Escalabilidad A medida que un sitio Web y fichero Log se van haciendo mayores, las herramientas tienen que responder adecuadamente a este proceso. Ya que conforme aumentan los datos también lo hacen los patrones que se quieren encontrar en un sitio Web. Si a un sistema le falta la capacidad de incrementarse ya sea en hardware o procesos, ante este aumento de datos, la minería de datos se verá ralentizada y eventualmente los objetivos no se podrán conseguir. Precisión: Es considerar el grado de error de las respuestas incorrectas, para algunas aplicaciones es importante si el sistema respondió por ausencia de datos o por error en los datos. Formatos: La herramienta además de buscar los patrones, debe también proporcionar una fácil interacción con los datos y resultados. Los resultados pueden ser desde un árbol de decisión, hasta un gráfico tipo estadístico. Tiene que ser un formato que pueda ser interpretado fácilmente por los usuarios. Soluciones: La herramienta de minería Web debe ayudar a entender los resultados de sus análisis mediante la provisión de algún tipo de reporte, como tasas de error y tasa de predicción. Procesamientos: Una clave esencial en escoger herramienta está en que tenga la capacidad de manejar los datos tal como se les presentan. Gondar (2000) propone una serie de tareas que toda herramienta debe realizar en el procesamiento de datos: 19

20 Limpieza de datos Selección de los datos Descripción de los datos Transformación de los datos Proporcionar una serie de informes descriptivos de los datos Conectividad: Algunas herramientas necesitan que los datos se extraigan de alguna base de datos o usando base de datos paralelas. Se puede sacar provecho aprovechando las características del sistema gestor de base de datos, como es el SQL Server 2005 de Microsoft que tiene una gama de productos para la minería de datos. Importación / exportación: La herramienta además de integrarse con otros sistemas para importar datos, también debe tener la capacidad para exportar datos en diferentes formatos, como lo son reportes, hojas Excel, base de datos, archivo plano, etc. Todo esto para que el usuario pueda analizar los resultados. Rendimiento: El enorme volumen de transacciones que soporta un sitio Web no debería ser un factor o aspecto a considerar. Se debería considerar el costo en la evaluación del rendimiento global de la herramienta. Algo relacionado con estos criterios es el aspecto de las limitaciones de los datos, si la herramienta limita el tipo de variable que es capaz de procesar. Eficacia: Es la parte más difícil en el momento de decidir por una herramienta, cada herramienta debe ser evaluada con datos de prueba, y dependiendo del nivel de complejidad y eficacia, debe pensarse y considerarse. 20

21 Conclusión La minería Web es una herramienta eficaz para una buena estrategia de negocio con metas orientadas a los clientes o usuarios de un sitio Web. El mejor ejemplo de una empresa con una excelente gestión de clientes ha sido Amazon.com, que ha aprovechado cada dato que el usuario deja en el momento de navegar en el sitio. Toda empresa que tenga su sitio Web y desee aumentar la cantidad de visitas de parte de los usuarios o la cantidad de venta de productos o servicios, tiene en la minería Web un instrumento esencial para lograr esos objetivos. También la minería Web se puede usar en diferentes tipos de sitios Web que no sean comerciales o que busquen diferentes tipos de objetivos. La implementación de un proyecto de minería Web debe hacerse ordenadamente por etapas, no se puede saltar o excluir alguna etapa, ya que puede provocar que los resultados finales no sean los deseados o que tengan alguna inconsistencia en los resultados. La minería Web al clasificarse en diferentes tipos puede facilitar la escogencia de los datos que se necesitan para el proyecto. Existen muchos datos que se pueden escoger de la información que trae el explorador del usuario, los datos que ingresa el mismo usuario en los formularios que llena o los links que visita. Para tener éxito en este tipo de proyecto de minería se necesita que se trabaje con todos los departamentos, ya que el desarrollo de la minería Web depende de muchos datos que pueden mal interpretarse o tener doble sentido, llegando a que los resultados sean inconsistentes o no sean los que se querían. 21

22 Bibliografía Artículos de Negocio (2008). Caso de Éxito: Amazon. Recuperado el 10 de Marzo De 2008, de Baeza R. (2008). Minería en Sitios Web. Recuperado el 23 de febrero de 2008, De Botia J. (2008). Introducción a la Minería de Uso Web. Recuperado el 7 de febrero de 2008, de Christensen D. (2008). Seven Ways to Mine Your Data with Cookies. Recuperado El 8 de Febrero de 2008, de Dehaes V. (2003). Web mining en el diseño de sitios web. Recuperado el 31 de Enero 2008, de Dursteler J. (2006). Minería Web. Recuperado el 1 de febrero de 2008, de Estadístico.com. Artículos de estadística: CRM, Data Mining, Investigación de Mercados. Recuperado el 3 de febrero de 2008, de Eruditionhome (2008). Data Mining Tutorials, Resources. Recuperado el 1 de Febrero de 2008, de Greening D. (2006).Data Mining on the Web. Recuperado el 31 de enero del 2008, De Gondar J. (2000). 10 Fases del Webmining. Recuperado el 18 de febrero de 2008, de Hernández J. (2003). Curso Análisis y Extracción de Conocimiento en sistema de información Datawerehouse y Datamining, Recuperado el 13 de Febrero de 2008, de Liu B. (2007). Web Data Mining. Springer Berlin Heidelberg New York: Springer. Liu B. (2005). Web Content Mining. Recuperado el 8 de febrero de 2008 de, 22

23 Markov Z. y Larose D. (2007). Data Mining The Web uncovering patterns in Web Content, Structure and Usage. New Jersey: John Wiley & Sons, Inc. Microsoft TechNet (2007). Trabajar con minería de datos. Recuperado el 2 de Febrero de 2008, de Mi PageRank, Qué es el PageRank?, Recuperado el 13 de febrero de 2008 de, Molina L. (2002). Data mining: torturando los datos hasta que confiesen. Recuperado el 7 de febrero de 2008, de Rivera R. (2006). Minería de Datos. Para qué nos sirve en una publicación Digital? Recuperado el 1 de febrero de 2008, de &Itemid=51 Sinnexus (2007). Datamining (Minería de Datos). Recuperado el 2 de febrero de 2008, de Toledano J. (2006). Minería de Datos. Recuperado el 1 de febrero de 2008 de Wikipedia (2008). Web mining. Recuperado el 3 de febrero de 2008, de Wikipedia (2008). CRM. Recuperado el 09 de marzo de 2008, de 23