Minería Web
| ||||
Minería web. Herramienta para los navegadores web, trata de descubrir patrones interesante en la estructura, el contenido y la utilización de los sitios web.
Sumario
Uso
Se usa para el estudio de varios aspectos esenciales de un sitio y ayuda a descubrir tendencias y relaciones en el comportamiento de los usuarios que sirven como pistas para, mejorar la usabilidad de un sitio. Usa herramientas que utiliza los datos que deja un usuario cuando accede a un sitio como direcciones IP, cookies, datos del navegador, etcétera. Estas herramientas de minería web analizan y realizan estadísticas sobre esos datos.
Tipos
Los accesos totales por dominio, horarios de accesos más frecuentes y visitas por día, entre otros datos, son registrados por herramientas estadísticas que complementan todo el proceso de análisis de la minería web. Los tipos de minería web definidos que existen son:
Técnicas empleadas
Entre las técnicas utilizadas se encuentran:
- Agrupamiento y clasificación: Las técnicas de agrupamiento o clustering distribuyen comportamientos de individuos similares en grupos homogéneos, es decir, dos elementos con características similares pertenecerán al mismo grupo y las características de un grupo (definidas por el elemento prototipo o ideal) serán diferentes a las de otro grupo. En dependencia de la información almacenada en los ficheros Log, es posible detectar grupos de usuarios como:
- Aquellos que visitan gran cantidad de páginas con un tiempo de estancia similar en todas ellas.
- Los que visitan un número pequeño de páginas en sesiones cortas.
- Los que visitan un número pequeño-mediano de páginas con tiempo variable en cada una de ellas.
Una vez descubiertos los prototipos o perfiles de cada grupo, se pueden utilizar las características de cada uno de ellos para realizar la clasificación. En la minería de uso Web, las técnicas de clasificación permiten desarrollar un perfil para clientes/usuarios que acceden a ficheros particulares del servidor, en función de sus patrones de acceso. El agrupamiento de clientes/usuarios puede facilitar el desarrollo de estrategias de mercado futuras, tanto en línea como fuera de línea. Por ejemplo, envío de correos automáticos a aquellos clientes/usuarios que se encuentren en cierto grupo, reasignación dinámica de servidor para un cliente, tal vez menos sobrecargado, para darle un mejor servicio o la presentación de contenidos específicos según el tipo de cliente.
- Reglas de asociación: Las reglas de asociación permiten determinar patrones en los conjuntos de datos en los que ocurren transacciones de datos. Con esta técnica, pueden encontrarse relaciones sin que exista intervención alguna por parte de algún operador. El descubrimiento de estas reglas ayuda a las organizaciones dedicadas al e-commerce a definir estrategias de mercado efectivas. El aprendizaje de reglas de asociación se divide normalmente en dos fases:
- Extracción de los conjuntos de ítems que cumplen con la cobertura requerida a partir de los datos.
- Generación de las reglas a partir de estos documentos.
- Secuencias frecuentes: La minería de secuencias permite descubrir el tiempo de las secuencias ordenadas de URLs que han seguido los usuarios y predecir los futuros. En general, en las bases de datos de transacciones están disponibles los datos en un período de tiempo y se dispone de la fecha en que se realizó la transacción. El descubrimiento de patrones de secuencia (sequential patterns) en el Log puede utilizarse para predecir las futuras visitas y así poder organizar mejor los accesos y publicidades para determinados períodos de tiempo.
