Реферат на тему «Розробка комп'ютеризованої підсистеми організації структури комерційних веб-сайтів»
- Мета і завдання даного дослідження
- Актуальність теми
- Передбачувана наукова новизна
- Передбачувана практична цінність
- Огляд досліджень і розробок по темі
- Постановка завдання дослідження
- Опис моделей збору інформації
- Застосування нейронних мереж для аналізу шляхів переходу користувачів комерційних веб-сайтів
- Висновок
- Список літератури
Мета роботи: розробити комп'ютеризовану підсистему організації структури комерційних веб-сайтів застосовуючи інтелектуальні методи класифікації.
Завдання роботи:
- забезпечити універсальне впровадження у вже існуючий комерційний веб-сайт;
- виявити і зібрати необхідні статистичні дані про роботу комерційного веб-сайту;
- організувати зберігання отриманих статистичних даних;
- застосувати інтелектуальні методи для аналізу отриманих статистичних даних.
На сьогоднішній день електронні продажі це одна з галузей бізнесу в Україні та країнах СНД, які швидко розвиваються. Протягом останніх 5 років український ринок електронних продажів показував щорічне зростання на рівні 50% -60% незалежно від перманентних економічних коливань. При цьому ринок має великий потенціал. В України ємність цього ринку становить не більше $ 400 - $ 500 млн., тоді як у Німеччині усі - $ 36 млрд. Крім цього на ринку існує багато перспективних ніш, які або сильно фрагментовані, або практично не зайняті [1].
Основоположною платформою для роботи у сфері електронних продажів служать комерційні веб-сайти, що безпосередньо свідчить про тісні взаємовідносини комп'ютерної науки і даного виду бізнесу. Зростання інтернет-користувачів, збільшення впливу соціальних мереж та інших інтерактивних онлайн платформ, динамічний розвиток систем електронних платежів, перехід веб-сервісів від технологічної платформи Web 1.0 до Web 2.0, дозволило електронній торгівлі зробити не тільки великий стрибок, але показати свій майбутній потенціал.
Як і раніше, електронні продажі зустрічаються з безліччю проблем, деякі з яких роблять цю галузь більш специфічної, ніж інші галузі торгівлі. Прикладом тому може послужити інтернет-маркетинг. Інтернет-маркетинг - це практика використання всіх аспектів традиційного маркетингу в інтернеті, яка чіпляє основні елементи такі як: ціна, продукт, місце продажу та просування [2].
Основна мета інтернет-маркетингу - це отримання максимального економічного ефекту від потенційної аудиторії комерційного веб-сайту. Основними перевагами інтернет-маркетингу вважаються: інтерактивність, можливість максимально точного визначення цільової аудиторії сайту, можливість постклік-аналізу. Вони ведуть до максимального підвищення таких показників, як:
- конверсія сайту (співвідношення кількості покупців, до кількості відвідувачів, виражене у відсотках);
- показник окупності інвестицій (Return of Investments) - відношення одержаного прибутку до вкладених коштів [3].
Створення автоматизованої системи для збору інформації про відвідувачів комерційних веб-сайтів, і її подальший аналіз дозволили у майбутньому підвищити ефективність маркетингових рішень.
Створення комп'ютеризованої підсистеми організації структури комерційних веб-сайтів, має на увазі вивчення та розробку моделей збору інформації про клієнтів комерційних веб-сайтів, а так само подальший аналіз і практичне застосування методів інтелектуальної обробки отриманих даних.
Побудова моделей інтелектуального аналізу даних, ґрунтується не тільки на створенні математичного апарату, але і на розгляді і виборі маркетингових методів для підвищення ефективності комерційних веб-сайтів.
У сфері електронної комерції підприємці часто зустрічаються з проблемою інтеграції аналітичних систем у діяльність комерційного веб-сайту, так як більшість подібних систем орієнтовано на взаємодію з менш динамічними, традиційними системами продажу. Підсистема, яка створюється, зводить до мінімуму виникнення таких проблем.
Застосовуючи розроблену модель збору даних і відповідні методи їх аналізу, розробники комерційних веб-сайтів дозволять менеджерам інтернет-магазинів ефективніше управляти структурою веб-сайту та асортиментом, уникаючи хворобливого просідання ринку збуту в умовах реальної економіки.
На даний момент компанії Google і Yandex просувають на ринку свої програмні продукти (Google Analytics і Яндекс.Метрика), використовуючи технології, які лежать в основі підсистеми, що розробляться у цій магістерській роботі. Однак, функціональність цих продуктів обмежується збором, зберіганням і відображенням інформації, сам же процес аналізу лягає на плечі розробників або власників комерційних веб-сайтів.
Інформаційна аналітична система Google Analytics - це безкоштовний сервіс, що надається компанією Google і є інструментом веб-аналітики. Google Analytics показує, яким чином відвідувачі знаходять на сайт і користуються ним, в результаті можна визначити:
- грамотність дизайну сайту;
- необхідні зміни, щоб більше число відвідувачів сайту ставало клієнтами;
- наскільки успішно працюють ключові слова, банери і маркетингові кампанії;
- кількісні показники, такі, як дохід, середня вартість замовлення, курс перерахунку валют у час електронної комерції.
Сервіс має наступні розділи:
Map Overlay (макет карти) - допомагає зрозуміти, як оптимальним чином провести акції, орієнтовані на певний географічний регіон;
Internal Site Search (Пошук по сайту) дозволяє відслідковувати, яким чином відвідувачі користуються функцією пошуку на вашому сайті;
Benchmarking (порівняльний аналіз) показує, відстають параметри використання сайту або випереджають відповідні параметри вашого вертикального ринку;
Funnel Visualization (візуалізація продажів) дозволяє оптимізувати процедуру купівлі та алгоритм переходу між сторінками [6].
Яндекс.Метрика - інструмент для оцінки відвідуваності сайтів, аналізу поведінки відвідувачів та ефективності рекламних зусиль. Яндекс.Метрика надає інструменти для аналізу залученої аудиторії в різних розрізах для виявлення найбільш ефективних засобів реклами [7].
Традиційні методи для збору маркетингових даних це пряма розсилка пошти клієнтам, телефонні інтерв'ю, цілеспрямовані групові обговорення і тому подібне. Клієнти прямо повинні відповідати подобається чи не подобається їм той чи інший продукт, які поліпшення вони хотіли б бачити, а які ні. Хоча ці методи і забезпечують високу якість одержуваних даних, вони вимагають набагато більших витрат часу і коштів. Швидкий розвиток інтернету створює можливості для прямого он-лайн маркетингового дослідження. Існує кілька методологій такого маркетингового дослідження. Традиційними є інтернет голосування, рейтинги продуктів, огляди і т.д. Інший шлях, це аналіз даних статистики трафіку комерційних веб-сайтів. Основний фокус такого аналізу направлений на призначені для користувача шляху переходу між сторінками комерційного веб-сервісу - «потік кліків» (clickstreams). Аналізуючи ці потоки, менеджери з маркетингу можуть вжити відповідних заходів і знайти правильні рішення для збільшення маркетингової ефективності веб-сайту [4].
У такому випадку, інформація про користувача потоках кліків і даних про те, яким шляхом ці користувачі потрапили на сайт, є важливою складовою у підвищенні ефективності інтернет-маркетингу. Існує дві загальні моделі відстеження шляхів відвідувачів веб-сайтів:
- Server Side Tracking System (SSTS). Це система, яка відслідковує шляхи переходів відвідувачів з веб-сторінок і базуються на стороні сервера (рисунок 1).
- Client Side Tracking System (CSTS), більш відома як Real Time Tracking system. Аналогічна система, яка грунтується на відстеженні користувальницьких шляхів на основі кукі-файлів відвідувача (рисунок 2).
Моделі, які базується на стороні користувача, мають помітні переваги по відношенню до моделей, які знаходяться на сервері. По-перше, інформація збирається в реальному часі, маркетолог може робити маркетингові рішення в той же момент часу, коли відвідувач переглядає сторінки сайту.
По-друге, це більш «акуратний» метод, тому що відвідувачі визначаються шляхом привласнення ним спеціального унікального ID. Тоді як в серверних моделях, відвідувач визначається за IP адресою свого комп'ютера, який не завжди може бути унікальним, якщо відвідувач знаходиться за фаєрволом або проксі-сервером. По-третє, системи розташовані на стороні клієнта збирають дані безпосередньо в базу даних, тобто програмісту не потрібно додатково проводити аналіз лог-файлів сервера, що скорочує витрати технічних ресурсів і часу.
Виходячи з цього, для підсистеми, що розробляється, була обрана модель, побудована на стороні клієнта.
Розглянемо більш детально механізм роботи обраної моделі. Так для отримання інформації про клієнта використовується технологія AJAX. Спеціально розроблений код JavaScript впроваджується на кожну цікаву для маркетолога html-сторінку комерційного веб-сайту. Після чого, переходячи між сторінками комерційного веб-сайту, клієнт, непомітно для себе, передає інформацію на сервер збору статистичних даних, де інформація заноситься до бази даних та аналізується. У таблиці 1 представлені дані комерційного веб-сайту, які здатна відстежити така система.
Необхідно відзначити, що власникові комерційного веб-сайту вигідно використовувати технологію AJAX, тому що навантаження на сервер комерційного сайту не збільшується. З іншого боку, використання цієї технології передбачає обов'язкову наявність підтримки JavaScript браузером клієнта.
Виділимо наступні показники, які можуть бути проаналізовані або поліпшені, завдяки зібраним даними:
- прогнозування відвідуваності;
- ефективність веб-сайту. Дизайн, навігація, швидкість, операції;
- коефіцієнт окупності інвестицій;
- маркетингова стратегія по залученню нових користувачів і по збереженню старих;
- Пошукова оптимізація сайту (SEO);
- бізнес стратегія (лінія продуктів, оновлення ПЗ, знижки) [5].
Таблиця 1 - Групи статистичних даних веб-сайту, які відстежуються
| Групи даних | Категорії |
|---|---|
| Кольорові гами і дозвіл екрану | Веб-дизайн |
| Сторінки входу / виходу | Функціональність веб-сайту (навігація) |
| шляхи переходів користувачів між сторінками | Функціональність веб-сайту (навігація) |
| Інформація про відвідувачів сайту | Функціональність веб-сайту (навігація), дизайн |
| ОС клієнтський машин | Програмне забезпечення |
| Розташування відвідувачів. Домени, IP-адреси | Маркетинг, цільова аудиторія за країною |
| Мова відвідувача | Маркетинг, цільова аудиторія з мови. |
| Відвідувачі по місяцях, днях, роках. Тенденції. | Прогнозування. Інвестиції. Продукти. Маркетинг. |
| Відвідувачі за ключовими словами і пошукових систем. | SEO маркетинг. |
| Відвідувачі за напрямками | Маркетингова стратегія. |
| Відвідувачі з урахуванням знижок. Статистика знижок. | Бізнес стратегія. Ціноутворення. Маркетинг. |
| Повернулися відвідувачі, клієнти. | Бізнес стратегія. |
| Транзакції (передплати, купівлі та ін.) | Бізнес стратегія. Маркетингова стратегія. |
Існує багато областей і різних аспектів комерційних веб-сайтів, де застосування інтелектуальних методів могли б вирішити завдання або виявити проблеми цих веб-сайтів, використовуючи їх статистику.
Як згадувалося до цього це міг би бути дизайн сайту, ціна на продукти, удосконалення ПЗ та інш. У моїй роботі нейронні мережі застосовуються для розвинення моделі маркетингової стратегії, а саме для визначення які маркетингові методи, є найбільш ефективними і привертають більше всього потенційних клієнтів на веб-сайт. Нейронні мережі, як одне з можливих рішень, були обрані через їх ефективність при вирішенні нелінійних задач. Оскільки потоки кліків (clickstreams) при розгляді мають велику нелінійність через непередбачуваність поведінки відвідувачів веб-сайту [8].
Зазвичай шляхи переходів мають досить різні характеристики відносно один одного. Однак деякі шаблони все таки можна виділити. Нейронні мережі можуть бути корисними при виділенні таких шаблонів і категоризації відвідувачів [9]. Математично шлях переходу відвідувачів міг би бути визначений таким набором значень:
[(Pi, ti, 1) (Pi, ti, 2), ..., (Pi, ti, n)], де i = 1 .. n – це кількість кліків у потоці, які відвідувач створює поки відвідує різні сторінки P за різний час t. Візуально такий шлях переходів може бути представлений як зображення шаблону (рисунок 3).
Коли користувач переходить по посиланнях сайту, які містять реєстраційні форми або кошик з товарами, то такий користувач може бути ідентифікований як потенційний покупець, або як дуже зацікавлений у нашому сервісі клієнт [10]. Моя мета знайти та ідентифікувати шаблон, який характеризує такого користувача. Кінцевим пунктом дослідження є визначення, який з маркетингових методів для поточного веб-сайту працює більш ефективно.
Специфіка аналізу електронних продажів обумовлена можливістю досить легкого доступу до інформації, яку важко отримати у звичайних умовах торгівлі, а саме, повністю простежити поведінку клієнтів, а також досить точно перетворити якісні показники в кількісні.
Проаналізувавши існуючі моделі збору інформації про клієнтів комерційних веб-сайтів, була вибрана модель, яка базується на стороні клієнта. Збір отриманих за допомогою даної моделі даних, і відповідний їх аналіз за допомогою нейронних мереж, дає можливість менеджерам комерційного сайту ефективніше управляти структурою веб-сайту та асортиментом, уникаючи просідання ринку збуту в умовах реальної економіки.
- «Онлайн торговля в Украине. Новые возможности для традиционных розничных сетей» С. Гурьев, Ф. Филлипс, А. Калиниченко [электронный ресурс]. - Режим доступа: http://www.appletonmayer.com/data/research/2010/1021/
- Электронная энциклопедия [электронный ресурс]. - Режим доступа: http://ru.wikipedia.org/wiki/Интернет-маркетинг
- Компания «Онвард» [электронный ресурс]. - Режим доступа: http://www.onwardspb.ru/faq/roi.html
- «Application of intelligent methods in commercial website marketing strategies development» Noreika Algirdas, ISSN 1392 - 124x Information technology and control, 2005, vol. 34, no. 2.
- «Организация сбора информации для повышения эффективности маркетинга коммерческих веб-сайтов» Шумаев К.К., Светличная В.А., Шумаева Е.А. - Інформаційні управляючі системи та комп'ютерний моніторинг (ІУС КМ-2011)/ Збірка матеріалів IІ всеукраїнської науково-технічної конференції студентів, аспірантів та молодих вчених (I том) – 11-13 квітня 2011 р., Донецьк, ДонНТУ – 2011, с. 294-297.
- ProNauku.com «Обзор Google Analytics» [электронный ресурс]. - Режим доступа: http://www.pronauku.com/obzor-google-analytics
- Яндекс.Помощь «Что такое метрика» [электронный ресурс]. - Режим доступа: http://help.yandex.ru/metrika/?id=1036908
- Yao J.,Teng N., Poh H.-L.,Tan C.L. . Forecasting and Analysis of Marketing Data Using Neural Networks. Journal Of Information Science And Engineering Vol.14, 1998, 843-862.
- Vellido A., Lisboa P.J.G., Meehan K. Characterizing and Segmenting the Online Customer Market Using Neural Networks. E-Commerce and Intelligent Methods Heidelberg, New York, Physica-Verl., 2002, 101-120.
- Prasad B. Intelligent Techniques For E-commerce. Journal of Electronic Commerce Research, Vol.4, No.2, 2003, 65 - 71.
Важливе зауваження!
При написанні даного автореферату магістерська робота ще не завершена. Остаточне завершення: грудень 2011. Повний текст роботи та матеріали за темою магістерської можуть бути отримані у автора або його керівника після вказаної дати.
↑ Вгору