05 Profilazione
degli utenti e concetti collegati
- Clickstream analysis
- È l’analisi della serie registrata di clic del mouse, ovvero di
scelte di navigazione effettuate dagli utenti di un sito. Costituisce uno
degli elementi fondamentali del processo di profilazione
degli utenti.
- Data mart
- È un database contenente dati raccolti in vista di un uso specifico.
Può essere un sottoinsieme di un data warehouse,
ma, rispetto al carattere generico di quest’ultimo, l’accento - in un data
mart - è posto sulla capacità di venire incontro alle esigenze di
particolari gruppi di utenti in termini di dati raccolti, presentazione delle
informazioni, semplicità d’uso.
- Data mining
- È l’esame complessivo dei dati raccolti sull’attività dei propri
utenti/clienti, tendente a trovare nei loro comportamenti correlazioni
significative da un punto di vista commerciale. Costituisce pertanto una
parte del complesso procedimento di profilazione
degli utenti. I risultati a cui può giungere l’attività di data mining sono
molteplici:
-
associazioni – due eventi si verificano spesso insieme (ad
esempio chi compra delle scarpe tende ad acquistare anche dei calzini);
- sequenze – due eventi successivi sembrano legati da una
relazione di causa-effetto (chi compra un mouse su Internet, tempo dopo acquista
anche un tappetino);
- classificazioni – il riconoscimento di un ordine in una serie
di eventi, con la conseguente riorganizzazione dei dati in proprio possesso;
- raggruppamenti – la ricerca e la presentazione di gruppi di
fatti non precedentemente noti;
- previsioni – lo studio della probabile evoluzione futura
della propria attività in base alle risultanze dei dati raccolti.
- Data warehouse
- Si definisce così la base dati centrale di un’azienda o di un suo settore
di attività. È il serbatoio in cui confluiscono, spesso da numerose e
differenti fonti, tutti i dati grezzi suscettibili di future elaborazioni. La
massa di dati in esso contenuta rimane poco significativa, ai fini ad esempio
della pianificazione commerciale dell’attività, finché questo insieme “bruto”
di dati non viene filtrato ed analizzato da apposite applicazioni, per mezzo
di una specifica attività di data mining.
- OLAP, online analytical processing
- Si tratta di applicazioni che, agendo su una base dati preesistente,
consentono agli analisti di estrarre e correlare i dati in modo da generare
una grande varietà di punti di vista e di associazioni. L’attività di
data
mining, descritta al punto precedente di questo glossario, è resa possibile
appunto da applicazioni di tipo OLAP, le quali conservano i propri dati in
database multidimensionali, così detti per distinguerli dai più comuni
database relazionali. Mentre questi ultimi possono essere descritti come
strutture bidimensionali, cioè piatte, nelle quali l’organizzazione delle
informazioni sta nello schema di righe e colonne delle tabelle che li
compongono, i database multidimensionali vanno associati piuttosto
all’immagine di un solido, tipicamente un cubo, che simboleggia il fatto che
ogni tipo di informazione presente in simili database può divenire il perno,
ovvero la dimensione di riferimento, per una serie di associazioni con altri
dati.
- Profiling (profilazione)
- È l’attività per mezzo della quale una serie complessa di dati relativi ad
utenti/clienti viene elaborata da specifici programmi – come ad esempio
l’Observation Management Server del notissimo Vignette – per generare alla fine la
segmentazione della propria utenza in gruppi omogenei di comportamento. I dati
che possono essere presi in considerazione per la profilazione sono
molteplici. Tra questi citiamo:
-
la serie delle scelte di navigazione effettuate sul sito in esame dagli utenti
unici identificati;
- la dichiarazione esplicita di preferenze e interessi ottenuta tramite
procedure di registrazione o sondaggi;
- la raccolta di dati demografici;
- la risposta degli utenti identificati a promozioni o a contenuti particolari.
I sistemi di profilazione più avanzati mettono a disposizione del settore
commerciale di un’azienda la possibilità di segmentare in gruppi la propria
utenza sia manualmente, scegliendo i parametri da prendere in considerazione,
sia automaticamente, in base alle capacità native del software utilizzato. In
entrambi i casi, il valore aggiunto è dato dalle molteplici correlazioni che è
possibile istituire tra i dati raccolti, al fine di ricavarne informazioni
commercialmente utili. Ecco a titolo esemplificativo alcune di queste
correlazioni:
-
Content affinities (affinità di contenuto) – gli insiemi di contenuti che
tendono ad essere visti insieme dagli utenti del sito esaminato;
- Content effectiveness (efficacia dei contenuti) – per i siti di commercio
in Rete, i contenuti che tendono ad essere visti in sessioni-utente che si
concludono con un acquisto;
- Product affinities (affinità di prodotto) – sempre per i siti di commercio
in Rete, l’elenco dei prodotti che sono più spesso acquistati insieme.
- Profiling esplicito
- Si ottiene per mezzo di un’apposita procedura di registrazione, che
implica l’invio tramite un modulo di dati personali da parte dell’utente. I dati
inviati, archiviati in un' apposita base dati, forniranno una serie di parametri
utili a segmentare in gruppi omogenei la totalità degli utenti registrati.
- Profiling implicito
- È il tracciamento del comportamento di utenti anonimi nel corso delle loro
visite ad un sito. Il tracciamento può avvenire sia tramite
IP sia tramite cookie. L’insieme delle scelte di navigazione effettuate alimenta una
base dati,
da cui appositi programmi possono estrarre associazioni e correlazioni, in
grado di segmentare la totalità degli utenti tracciati in gruppi omogenei.
Leggi
Metodi per la rilevazione dei dati di traffico
Vai al
sommario
Scrivi a
info@diodati.org
Aggiornato Wednesday, 11-Sep-2002 10:56:24 CEST
inizio
pagina
