APLICACIONES DE WEB MINING AL ANÁLISIS DEL COMPORTAMIENTO DE LOS USUARIOS EN SITIOS WEB CULTURALES

Transcripción

1 APLICACIONES DE WEB MINING AL ANÁLISIS DEL COMPORTAMIENTO DE LOS USUARIOS EN SITIOS WEB CULTURALES * Esther Hochsztain Raúl Ramírez Andrómaca Tasistro Carolina Asuaga Facultad de Ciencias Económicas y Administración Universidad de la República, Uruguay

2 Introducción Evaluar qué tan efectivo es su sitio web resulta imprescindible para las organizaciones. Usualmente se analiza solamente los datos referidos al número de páginas consultadas y la cantidad de visitantes en el sitio web,, así como en qué partes del sitio web el usuario clickea,, cuándo elige incluir un producto en el carro de compras, comprar un ítem, u otras acciones de compra, eventos de registro, vista de productos, acciones de pago, etc. Sin embargo, lo anterior brinda una visión muy básica y se necesitan aplicaciones más avanzadas para estudiar características adicionales. CULTURALES 2

3 Comportamiento de los usuarios en sitios web El análisis del comportamiento de los usuarios del sitio web de organizaciones culturales presenta aspectos novedosos. El vínculo entre cultura e Internet es cada vez más estrecho. El mundo de la creación, producción, distribución y consumo cultural encara nuevos desafíos, y a su vez se prepara para retos aún hoy desconocidos. CULTURALES 3

4 Introducción: Conceptos Básicos Un sesionador web (Web Sessioner) ) resulta de fundamental importancia en Web Usage Mining, que consiste en la aplicación de técnicas de Data Mining para la identificación de patrones de uso de un sitio web. Existen muy pocas implementaciones de sesionadores web,, debido a que es un área muy reciente y a la complejidad de su propuesta. CULTURALES 4

5 Introducción: Conceptos Básicos Una sesión de usuario está formada por un conjunto de objetos consultados por un mismo usuario durante una misma visita a un sitio web. Existen diversos métodos para la identificación de usuarios, en esta propuesta se usa la pareja dirección IP y el agente desde donde se realiza la solicitud. Este procedimiento presenta como ventaja que siempre está disponible ible y no se necesita tecnología adicional. Una vez identificado el usuario deben distinguirse las diferentes s sesiones de usuario. Esto se realiza agrupando las peticiones de sesiones utilizando heurísticas orientadas al tiempo o a la navegación. Es fundamental contar con un buen método de identificación de crawlers, ya que pueden distorsionar todo el estudio que se haga del uso de un sitio web. CULTURALES 5

6 Antecedentes: Áreas de Investigación 1) Cultura e Internet 2) Web Log Mining CULTURALES 6

7 1) Cultura e Internet Tecnología y Cultura, Antecedentes: Imprenta de Gutenberg, radio, cine, televisión Tecnología y Cultura, Internet: : El sitio web de una organización cultural proporciona una herramienta fundamental para cumplir con dos de sus objetivos básicos: difundir y democratizar la cultura. CULTURALES 7

8 Cultura y TIC s Se está iniciando una nueva fase del capitalismo cultural. Antes se generaba riqueza sobre bienes tangibles, pero en el futuro la riqueza se generará esencialmente a través de la producción simbólica. Una fuerte revolución tecnológica reduce (o elimina) a los intermediarios entre creadores y consumidores culturales. CULTURALES 8

9 Cultura y TIC s La caída de la intermediación, implica romper barreras y democratizar el acceso a la creación. Ejemplos: autoedición de libros y su comercialización a través de Internet difusión de música, teatro, cine, etc. CULTURALES 9

10 Cultura y TIC s El futuro organigrama integrará la producción y consumo cultura Modelo hígado carácter multifuncional filtra, articula, depura y decanta las relaciones entre creación, producción y consumo. CULTURALES 10

11 1) Elección del caso de estudio: Teatro Solís Principal referente de la cultura montevideana. Propicia una fuerte demanda social. CULTURALES 11

12 1) Elección caso de estudio: Teatro Solís El sitio web del Teatro Solís: proporciona información sobre los horarios y tarifas de las distintas actividades, permite que el público visite virtualmente las instalaciones del teatro, posibilita el acceso a su valiosa colección documental; presenta un programa para docentes en el marco de los distintos programas escolares. CULTURALES 12

13 2) Web Log Mining Conocer la forma en que los usuarios de una organización utilizan la web es clave para comprender si se está brindando el servicio que se requiere, si los productos o servicios son fácilmente encontrados y, en definitiva, hasta qué punto se cumple con el objetivo que la organización pretende lograr por medio de su presencia en la web. Uno de los métodos habituales para conseguir este conocimiento es el análisis de logfiles,, un sendero útil pero no exento de problemas. CULTURALES 13

14 Comportamiento de los usuarios El análisis del comportamiento de los usuarios del sitio web de una organización cultural resulta fundamental. Brinda información para prever los gustos del consumidor cultural e identificar los principales factores que determinan la demanda tiene un gran valor desde el punto de vista económico. CULTURALES 14

15 2) Web Log Mining La estructura de un logfile es extremadamente simple. Cada vez que alguien descarga un elemento de la web, como por ejemplo una página o una imagen, el servidor escribe una línea en el archivo histórico o logfile. Los enfoques de las investigaciones actuales realizadas en Web Usage Mining son muy variados, pero la mayoría se centran en las sesiones. CULTURALES 15

16 Diagrama de flujo Captura de datos Construcción de Web house Análisis y Evaluación de patrones Preprocesamiento de datos Integración de datos Cubos OLAP, Algoritmos de Data Mining, reportes CULTURALES 16

17 El proyecto abarca Técnicas para analizar logs de un servidor web cultural Integrar el análisis de datos del sitio web y los objetivos de la organización Reunir datos on-line y off-line Combinar datos web con bases de datos de la organización CULTURALES 17

18 Técnicas para analizar logs de un servidor web cultural Identificar sesiones Eliminar sesiones de robots (crawlers( crawlers) Necesidad de adaptar las técnicas tradicionales. Reorientar el concepto de objetivos de negocio CULTURALES 18

19 Generación de sesiones Las principales formas de identificar sesiones se basan en los siguientes aspectos: IP + Agente Identificadores de sesiones embebidos Registro Cookie Agente de Software CULTURALES 19

20 Identificación de crawlers Un crawler es un programa que realiza búsquedas en la web, por tanto deben distinguirse los usuarios "humanos" de los usuarios crawlers. Los crawlers trabajan de una forma metódica y automatizada, creando así una base de datos donde va guardando los resultados de sus búsquedas consecutivas, para posteriormente poder analizar dicha información y realizar tareas como la indexación y búsquedas más eficientes en la web (técnicas usadas por ejemplo por motores de búsqueda como Google, Yahoo, etc.). El comportamiento de un crawler es cíclico, realiza búsquedas en profundidad, accediendo internamente a los links que se le dan y así sucesivamente dentro de los links que va encontrando a su paso. CULTURALES 20

21 El sessionizer sessionizer implementado posee las siguientes características: timeout parametrizable elimina software robots ( (crawlers) asigna un identificador a cada sesión genera datos de resumen del proceso de sesionalización CULTURALES 21

22 Paquete RWebSessionizer DATOS PREPROCESAMIENTO IDENTIFICACIÓN DE CRAWLERS INGRESO DE TIMEOUT DETERMINACIÓN DE SESIONES DETERMINACIÓN DE MEDIDAS DE RESUMEN CULTURALES 22

23 Aplicación al caso de estudio: Teatro Solís Cantidad de días: 1 mes Cantidad de líneas : Timeout: : 5 minutos Cantidad de sesiones (eliminados crawlers): 5248 El promedio de bytes por sesión es: 8722 Duración promedio de la sesión: 2,28 CULTURALES 23

24 Aplicación al caso de estudio: Teatro Solís CULTURALES 24

25 EGUNDOS BYTES PÁGINAS 400 CULTURALES 25

26 N = 182 SEGUNDOS CULTURALES 26

27 N = 182 BYTES CULTURALES 27

28 N = 182 PÁGINAS CULTURALES 28

29 SEGUNDOS BYTES PÁGINAS CULTURALES 29

30 Conclusiones Se cuenta con una primera versión del paquete RWebSessionizer. Contar con este paquete es un primer paso para comprobar si el sitio web del Teatro Solís está cumpliendo con los objetivos previstos. Con los resultados preliminares se pudo apreciar que la página principal está cumpliendo el objetivo de brindar los datos necesarios para la mayoría de los usuarios. CULTURALES 30

31 Conclusiones El teatro Solís es patrimonio de todos los Uruguayos. Una correcta gestión de su sitio web,, en el que además de promover y difundir los diversos espectáculos artísticos, se propicie la cohesión social, así como la generación y reafirmación de valores simbólicos compartidos, es un tema no menor tanto en los objetivos del Teatro como en el beneficio de la sociedad toda. CULTURALES 31

32 Trabajos futuros Incorporar el módulo de análisis de sesiones, en base a datos de resumen y una galería de gráficos. Establecer un método de consulta interactivo. Establecer una interfaz de usuario gráfica, que facilite el uso del paquete. CULTURALES 32