WikiDer > Щелкните путь

Click path

А щелкните путь или же поток кликов это последовательность гиперссылки один или несколько посетителей сайта следуют за данным сайтом в порядке их просмотра.[1] Путь клика посетителя может начинаться внутри веб-сайта или с отдельной третья сторона веб-сайт, часто поисковый движок страница результатов, и она продолжается как последовательность последовательных веб-страниц, посещаемых пользователем.[2] Пути кликов получают данные о звонках и могут сопоставлять их с источниками рекламы, ключевые словаи / или ссылающиеся домены для сбора данных.[3]

Анализ посещаемости полезен для анализа веб-активности,[4] тестирование программного обеспечения, исследование рынка и анализ производительности сотрудников.

Хранение информации

Во время навигации по Всемирная паутина, "пользовательский агент" (веб-браузер) делает запросы к другому компьютеру, известному как веб сервер, каждый раз, когда пользователь выбирает гиперссылка. Большинство веб-серверов хранят информацию о последовательности ссылок, которые пользователь "щелкает через"при посещении веб-сайтов, на которых они размещены лог-файлы в интересах оператора сайта. Интересующая информация может варьироваться и может включать в себя: загруженную информацию, ранее посещенную веб-страницу, веб-страницу, посещенную впоследствии, продолжительность времени, проведенного на странице, и т. Д. Эта информация наиболее полезна, когда клиент / пользователь идентифицирован, что может быть сделано путем регистрации на веб-сайте. или записать сопоставление через клиентский интернет-провайдер (Интернет-провайдер).[5] Хранение также может происходить в маршрутизатор, Прокси сервер или же рекламный сервер.

Анализ данных

Сбор данных,[6] колоночная СУБД, и интегрированный OLAP системы могут использоваться вместе с потоками кликов, чтобы лучше записывать и анализировать эти данные.

Конфиденциальность

Использование данных о посещаемости может повысить Конфиденциальность проблемы, тем более что некоторые Интернет-провайдеры прибегают к продаже данных о потоках кликов пользователей как способ увеличения доходов. Эти данные приобретают 10–12 компаний, обычно по цене около 0,40 доллара в месяц за пользователя.[7] Хотя эта практика не может напрямую идентифицировать отдельных пользователей, часто можно косвенно идентифицировать конкретных пользователей, например, Скандал с поисковыми данными AOL. Большинство потребителей не знают об этой практике и о том, что она может поставить под угрозу их конфиденциальность. Кроме того, немногие интернет-провайдеры публично признают эту практику.[8]

Как мир Онлайн шоппинг растет, становится все легче эксплуатировать частную жизнь людей. Есть много случаев адрес электронной почты, телефонные номера, а также другую личную информацию, которая была незаконно украдена у покупателей, клиентов и многих других для использования третьими сторонами. Эти третьи стороны могут варьироваться от рекламодателей до хакеры. Есть потребители, которые на самом деле извлекают выгоду из этого, получая более адресную рекламу и сделки, но большинство из них страдают от отсутствия конфиденциальности. По мере роста мира технологий потребители все больше и больше рискуют потерять конфиденциальность.[9]

Приложения

Потоки кликов можно использовать, чтобы позволить пользователю увидеть, где он был, и позволить ему легко вернуться на страницу, которую он уже посещал, - функция, которая уже встроена в большинство браузеров. Clickstream может отображать конкретное время и позицию, когда люди просматривали и закрывали веб-сайт, все веб-страницы, которые они просматривали, продолжительность, которую они провели на каждой странице, а также может отображать, какие страницы просматриваются наиболее часто. Существует много информации, которую необходимо проанализировать, люди могут проверять поток посещений вместе с другой статистической информацией, такой как: продолжительность посещения, поисковые слова, интернет-провайдер, страны, исследователи и т. Д. Этот процесс позволяет людям глубоко узнать своих посетителей.[10]

Веб-мастера могут получить представление о том, что делают посетители на их сайте, используя поток кликов.[11] Эти данные сами по себе являются «нейтральными» в том смысле, что нейтрален любой набор данных. Данные могут использоваться в различных сценариях, один из которых - маркетинг. Кроме того, любой веб-мастер, исследователь, блогер или человек, у которого есть веб-сайт, может узнать, как улучшить свой сайт.

Растущий электронная коммерция промышленность сделала необходимым приспособиться к нуждам и предпочтениям потребителей.[12] Данные о пути перехода можно использовать для персонализации предложений продуктов. Используя предыдущие данные о пути кликов, веб-сайты могут предсказать, какие продукты пользователь, скорее всего, купит. Данные о пути кликов могут содержать информацию о целях, интересах и знаниях пользователя и, следовательно, могут использоваться для прогнозирования их будущих действий и решений. Используя статистические модели, веб-сайты потенциально могут увеличить свою операционную прибыль за счет оптимизации результатов на основе того, что пользователь, скорее всего, купит.[13]

Анализ данных клиентов, посещающих веб-сайт компании, может быть важным для сохранения конкурентоспособности. Этот анализ может быть использован для создания двух выводов для компании, первый из которых представляет собой анализ потока кликов пользователя при использовании веб-сайта для выявления моделей использования, что, в свою очередь, дает более глубокое понимание поведения клиентов. Такое использование анализа создает профиль пользователя, который помогает понять, какие типы людей посещают веб-сайт компании. Как обсуждалось в Van den Poel & Buckinx (2005), анализ потока посещений можно использовать для прогнозирования того, совершит ли клиент покупку на веб-сайте электронной коммерции. Анализ посещаемости также можно использовать для повышения удовлетворенности клиентов веб-сайтом и самой компанией. Это может дать бизнес-преимущество и использоваться для оценки эффективности рекламы на веб-странице или сайте.[14]

Мнения

Исследователи, стоящие за анализом пути кликов, отмечают, что «аналитический метод пути оценивает систему уравнений, которые определяют все возможные причинные связи между набором переменных». Дальнейшие пути кликов позволяют исследователям разбивать корреляции среди переменных на прямые или косвенные и ложные компоненты. Наконец, анализ пути кликов «помогает исследователям распутать сложные взаимосвязи между переменными и определить наиболее важные пути, участвующие в прогнозировании результата». Но даже с этими преимуществами метод по-прежнему подвергается критике из-за большой погрешности. Модель должна предполагать, что каждая переменная является «точным проявлением лежащих в ее основе теоретических концепций и в разумных пределах не содержит измеримых ошибок». Еще одна «жертва гипотетической модели состоит в том, что путь должен течь в одном направлении (без петель обратной связи или двунаправленной причинности), иначе модель не может быть решена с помощью обычных методов регрессии наименьших квадратов». Наконец, поскольку модели основаны на корреляциях, анализ путей «не может продемонстрировать причинность или направление причинных эффектов». Из-за этих ограничений многие считают, что анализ пути кликов - пустая трата времени, денег и ресурсов.[15]

Подразумеваемое

Большинство веб-сайтов хранят данные о посетителях сайта по пути перехода. Информация обычно используется для улучшения веб-сайта и предоставления персонализированного и более релевантного контента.[16] Кроме того, результаты данных могут быть использованы дизайнером не только для просмотра, улучшения или изменения дизайна своего веб-сайта, но также могут использоваться для моделирования поведения пользователя при просмотре.[17] В онлайн-мире электронной коммерции информация, собираемая с помощью пути кликов, позволяет рекламодателям создавать личные профили и использовать их для индивидуального нацеливания на потребителей гораздо эффективнее, чем когда-либо прежде; в результате рекламодатели создают более релевантную рекламу и эффективно тратят рекламные деньги.[18] Между тем, попадание в чужие руки данных о путях кликов представляет серьезную угрозу личной конфиденциальности.[19]

Несанкционированный сбор данных о посещениях считается шпионское ПО. Тем не менее, авторизованный сбор данных о потоках посещений поступает от организаций, которые используют панели выбора для проведения маркетинговых исследований с участием участников панели, которые соглашаются делиться своими данными о потоках посещений с другими компаниями, загружая и устанавливая специализированные агенты сбора потоков.

Вызовы

Количество путей, по которым пользователь может потенциально пойти, значительно увеличивается в зависимости от количества страницы на этом конкретном веб-сайте. Многие инструменты для определения анализа пути слишком линейны и не учитывают сложность использования Интернета. В большинстве случаев наиболее распространенным путем следуют менее 5% пользователей. Однако, даже если все пользователи использовали один и тот же путь, по-прежнему нет способа определить, какая страница имеет наибольшее влияние на определение поведения. Даже в более линейных формах анализа пути, когда они могут увидеть, где большинство клиентов уходят с веб-сайта, вопрос «почему?» фактор по-прежнему упущен. Основная проблема анализа пути заключается в том, что он пытается регулировать и заставлять пользователи следовать определенному пути, когда на самом деле пользователи очень разные и имеют специфические предпочтение и мнения.[20]

Смотрите также

Рекомендации

  1. ^ «Глоссарий». opentracker. Получено 12 марта 2014.
  2. ^ Филимонов, Юра. "Показать четкий путь клика".
  3. ^ "Как это устроено". ClickPath. Кто звонит, Inc.
  4. ^ WW Мо, PS Фейдер (2004), "Учет меняющегося поведения посещений в данных о посещаемости" Журнал интерактивного маркетинга (2004)
  5. ^ «Управление потоком кликов». Изучите Сеть. Архивировано из оригинал 13 марта 2014 г.. Получено 12 марта 2014.
  6. ^ Насрауи, Ольфа; Кардона, Сезар; Рохас, Карлос; Гонсалес, Фабио (2003). «Извлечение развивающихся профилей пользователей в данных потока посещений NoisyWeb с помощью масштабируемого алгоритма кластеризации иммунной системы». Proc. семинара KDD по веб-майнингу как предпосылка к ... CiteSeerX 10.1.1.58.9558.
  7. ^ "Conpete CEO: интернет-провайдеры продают потоки кликов за 5 долларов в месяц". В поисках альфы. 2007-03-13. Получено 2011-09-15.
  8. ^ Сингел, Райан (2007-04-06). «Некоторые интернет-провайдеры по-прежнему уклоняются от запросов на сохранение данных, помогите 27B ОПЯТЬ 411 | Уровень угрозы | Wired.com». Blog.wired.com. Получено 2011-09-15.
  9. ^ «Защита данных; покупки в Интернете, конфиденциальность, защита данных и стороннее отслеживание». NewsRx. 23 апреля 2011 г.. Получено 12 марта 2014.
  10. ^ «Анализ посещаемости или пути кликов - Opentracker». Opentracker. 2017-10-11.
  11. ^ i-Hsien Ting; Kimble, C .; Куденко, Д. (2005). «UBB Mining: обнаружение неожиданного поведения при просмотре в данных потока посещений для улучшения дизайна веб-сайта» (PDF). Международная конференция IEEE / WIC / ACM 2005 года по веб-аналитике (WI'05). С. 179–185. Дои:10.1109 / WI.2005.153. ISBN 978-0-7695-2415-3. S2CID 1388782.
  12. ^ Менасальвас, Эрнестина; Миллан, Пенья; Хаджимихаэль, Марбан (26 мая 2004 г.). «Подсессии: детальный подход к анализу пути нажатия». Международный журнал интеллектуальных. 19 (7): 619–637. Дои:10.1002 / внутр.20014.
  13. ^ Монтгомери, Алан; Шибо Ли; Каннан Шринивасан; Джон К. Лихти (осень 2004 г.). «Моделирование онлайн-просмотра и анализа пути с использованием данных Clickstream». Маркетинговая наука. 23 (4): 579–595. Дои:10.1287 / mksc.1040.0073.
  14. ^ Патрали Чаттерджи, Донна Л. Хоффман и Томас П. Новак (2003 г.) "Моделирование потока кликов: последствия для рекламы в Интернете", Маркетинговая наука22 (4), (Осень, 2003 г.), 520-541
  15. ^ Льерас, Кристи (2005). «Анализ пути». Энциклопедия социальных измерений. 3. С. 25–30. Дои:10.1016 / b0-12-369398-5 / 00483-7. ISBN 9780123693983. Отсутствует или пусто | название = (помощь)
  16. ^ «Управление потоком кликов». Изучите Сеть. Архивировано из оригинал 13 марта 2014 г.. Получено 12 марта 2014.
  17. ^ Тинг, И-Сянь; Кимбл, Куденко (2005). «UBB Mining: обнаружение неожиданного поведения при просмотре в данных потока посещений для улучшения дизайна веб-сайта». Международная конференция по Web Intelligence: 179–185.
  18. ^ «Защита данных; покупки в Интернете, конфиденциальность, защита данных и стороннее отслеживание». NewsRx. 23 апреля 2011 г.. Получено 12 марта 2014.
  19. ^ «Управление потоком кликов». Изучите Сеть. Архивировано из оригинал 13 марта 2014 г.. Получено 12 марта 2014.
  20. ^ Кошик, Авинаш (26.05.2006). "Анализ пути: хорошее использование времени?". Получено 12 марта 2014.