Персонализация пользователей в WEB-приложении

Работая на платформе Microsoft SQL Server 7 и Windows 2000, эта система предлагает посетителям анализ демографических данных, поведения покупателей, эффективности рекламных мероприятий и производительности сайта. Компания VisualInsights подготовила версию eBizinsights XL, предназначенную для крупных коммерческих сайтов, и версию eBizinsights CS — для MicrosoftCommerceServer 2000. А компания NetGenesis намерена совместно с MicroStrategy разрабатывать платформу анализа Web и генерации отчетов, предназначенную для систем электронного бизнеса уровня предприятия. Инструменты персонализации сайта, которые внедряют российские интернет-магазины.

Инструменты: HucksterBot. Сначала сервис проводит анализ пользователей на сайте, обрабатывая демографические и поведенческие данные. Затем на основе полученной информации потенциальным клиентам делаются персональные предложения. Например, предоставляется специальная скидка на товары, которые пользователь уже смотрел. Главным отличием системы от стандартного функционала CMS-систем является то, что скидки на основе данных о конверсии можно установить только для тех сегментов пользователей, которые плохо покупают товары. Сами сегменты, а также скидки на отдельные товары и целые категории можно настроить в личном кабинете. Инструменты: RetailRocket, Crossss, REES46, TriggMine. Сервисы работают по привычной для всех систем персонализации сайтов схеме: собирают данные, обрабатывают их и затем изменяют контент сайта в зависимости от посетителя. Показывая пользователю товарные рекомендации (самые популярные в интернет-магазине товары, рекомендации поисковой системы, товары, похожие на просматриваемые и т. д.), данные сервисы поднимают продажи интернет-магазина за счет увеличения конверсии, повторных покупок, а также среднего чека. Персонализированные Email-рассылки. Сервисы персонализации сайтов проводят анализ посетителей и в зависимости от их поведения конвертируют их на следующий шаг воронки продаж с помощью персонализированных электронных писем. Письма отсылаются, если пользователи: — «бросают» корзину, — уходят с сайта, просто посмотрев некоторые товары, но не делая заказы, — что-то покупают и могут купить сопутствующие товары и т. д.

2.3. Стратегии персонализации веб-приложения.

Существует множество подходов к персонализации веб-приложения. Рассмотрим наиболее распространенные. Определение географии пользователя. Пусть клиент купит товар оффлайн. Для этого на сайте размещается карта, схема проезда и т. п. Для побуждения клиента к походу в магазин можно провести акцию или сообщить, что такой товар только в магазине и т. д. Для компаний, работающих на международном рынке, актуальна персонализация по языку посетителя — например, компания китайская, а покупатель из США: в этом случае персонализированный сайт автоматически переведет весь контент на английский язык. Для определения страны и города покупателя используют геоданные сети, адресацию серверов и доменов провайдера и т. д.Использование ключевых слов.

Ключевые слова подбираются по принципу SEO оптимизации сайта. Правильное определение ключевых слов и фраз позволяет персонализировать например контент сайта, клиент не только не теряется в во всем массиве информации, представленной на сайте, но и попадает на самую нужную для себя страницу. Создание и использование история покупок Для конкретного пользователя собирается информация о покупках, на основании которой определяется категория интересов, состоятельность (ценовой диапазон) пользователя и многое другое. Использование истории поиска При поиске пользователем определенного товара запоминается какой товар на какой странице и т. д., при последующем обращении система предлагает товар из той же категории с аналогичными характеристиками. Для успешной персонализации сайта рекомендуется сделать его более простым в использовании. Веб-персонализация сокращает количество кликов до конечного целевого действия. При анализе действия пользователей ищутся ответы на такие вопросы:

На каком этапе они тратят больше времени? Какие действия повторяются чаще других? Есть ли слишком долгие процессы? Сколько времени проходит с момента, как пользователь зашел на сайт и моментом, когда он нашел нужное? Сколько кликов это занимает? Товарные рекомендации на главной странице могут сократить время поиска нужного товара до секунды. Сокращаем поиски в каталоге, сложные фильтры и прочие препоны на пути к целевому действию. Просто подкладываем на первую страницу ссылки на искомые товары. Если собрали о пользователях качественные и подробные данные — рекомендации с большой вероятностью достигнут цели. Короче путь до искомого, меньше поисков по сайту, быстрее покупка. Нужно привлечь внимание пользователей к наиболее актуальным функциям. Если кому-то важна функция Х, когда он принимает решение, купить продукт или нет, то предлагать работу именно с этой функцией. Пусть, это функция сравнения товаров для одного и функция нахождения аналогов для другого. Удовлетворять потребность в функциях ничуть не менее важно, чем потребность в самом товаре. Желательно использовать данные полученные от регистрации пользователей и из их профилей — так можно отслеживать, кто какими функциями пользуется чаще. И персонализировать сайт, основываясь на этих данных. Персонализация опросов.

Лучший способ улучшить продукт или сервис — собрать и проанализировать обратную связь. Даже банальная рассылка анкет станет эффективнее, если будет персонализированной: с уникальными вопросами для каждого пользователя, которые подбираются на основе его поведения. Таким образом, можно рассмотреть алгоритм проведения персонализации веб-приложения:

В первую очередь провести глубокий анализ целевой аудитории. Именно анализ поведения пользователей делает персонализацию не только мощным средством для достижения доверия клиента, но и повышает конверсию за счет показа только интересного клиенту контента. Затем создать сайт, который будет персонализирован, протестировать его. Выбрать одну или несколько стратегий персонализации. Разработать или использовать уже готовую систему персонализации. Вывод ко второй главе.

Проанализированы процесс, связанные с персонализацией пользователей, определены методы персонализации. Проанализированы существующие зарубежные и отечественные системы формирующие данные для систем персонализации. Глава 3. Проектирование системы персонализации пользователя веб-ресурса.

3.1. Описание системы персонализации сайта и методов ее работы.

Одной из важнейших задач, стоящих перед владельцем сайта является повышение его конверсии. Конкуренция на рынке веб-коммерции повышает требования к веб-приложениям и их реакции на посетителя, о чем не раз писалось выше. Динамики страницы уже не достаточно, страница должна имитировать подобие интеллекта. Пользователи предъявляют к посещаемым страницам требования, что бы они их узнавали и реагировали на них. Найти нужный товар — этого уже мало.

Интернет развивается и посетитель, соответственно, развивает свои требования к веб-приложению, ассоциируя его с виртуальной реальностью, ожидая от сайта не только реакции на свои действия, но и предугадывания мыслей и желаний. Происходит одушевление веб-ресурсов и их очеловечивание. Отсутствие системы узнавания клиента его персонализации делает ресурс малоинтересным. Побороть такую ситуацию помогает система персонализации сайта. Система накапливает информацию после первого и всех последующих посещений, связанную как с самим посетителем, так и с действиями, которые им проводились. Следовательно, система персонализации предполагает наличие базы данных и использование системы управления базой данных. Для того, чтобы при каждом новом заходе пользователя на страницу, сайт подстраивается под его интересы и запросы, нужна подсистема анализа, которая по имеющимся данным из базы данных и шаблонов поведения формировала бы контент и внешний вид страницы как бы под каждого пользователя, а в действительно под определённый шаблон пользователей, эмулируя узнавание клиента. Для накопления информации в базе данных нужна подсистема сбора информации, а для создания персонализованной страницы нужна система формирования страницы. Страницы, прошедшая персонализацию, имеют приблизительно одинаковый дизайн, определяемый шаблоном, т. е. состоят из одинаковых блокови имеют общую структуру, но могут различаться как по цветовой гамме, так и по заполнению блоков.

Аналогично и с контентом: предложения, видимые пользователем, должны ориентироваться на него. Веб-ресурс эмулирует опытного продавца, которому известен клиент, он точно знает, что предложить, обращаются к пользователю, как к конкретной личности. Должна быть подсистема, которая будет формировать пакет предложений для клиента: товары, входящие в сферу его интересов, акции, которые могут заинтересовать именно его, если необходимо предоставить адреса или телефоны, то это будут данные, приближенные к нему географически. Персонализация предполагает интерактивность, клиент может захотеть уточнить характеристики товара, сравнить, узнать отзывы о товаре других покупателей. В этом случае нужна подсистема ответов на вопросы. Такая система может быть сформирована в виде FAQ, который предполагает вопросы данной категории клиентов, т. е. также персонализирован, либо в виде умной справки.

Но проще и эффективнее на основе персонализации сделать индивидуальной подсистему обратной связи с выходом на on-lineоператора.Прежде всего, персонализированный сайт производит анализ данных посетителей: откуда приходят, по каким ключевым словам, географические данные, что делали, когда и откуда ушли, что интересовало больше всего и т. д.После анализа при следующем посещении сайт будет предлагать то, что входит в сферу интересов посетителя. Следующий этап — определение сегментов аудитории. Необходимо понять, кто является основной массой посетителей, что их интересует, откуда они приходят. На основании анализа выстраиваются процесс персонализации и определение стратегии. Методы персонализации делятся на те, которые основываются на правилах, и на использующие алгоритмы. Таргетинг, в основе которого лежат правила, побуждает посетителей к решениям, ориентированным на определенные сегменты. Таргетинг на алгоритмах проводит мониторинг поведения посетителей и разрабатывает предиктивные (предсказываемые) модели поведения и вырабатывает для каждого посетителя подходящий контент.

Такой таргетинг позволяет машине учиться самостоятельно. Обе стратегии таргетинга ничуть не исключают совместного использования в условиях, когда они могут действовать независимо.

3.2. Проектирование системы.

Методология UML имела на начало только одного серьезного конкурента — методологию SADT, которая также использовалась в проектировании и разработке программного обеспечения, но имела несколько иную направленность, а именно — использовалась при проектировании и разработке информационных систем. Однако несколько позже возможности UML, в направлении четкого графического описания функций, потоков данных и процессов, позволили ее использование в бизнесе при анализе и проектировании информационных и бизнес систем. Таким образом, UML вытеснило SADT из бизнеса и сейчас нотации IDEF0, DFD и IDEF3 можно встретить только в вопросах разработки информационных систем. Следует отметить, что несмотря на свою универсальность и относительную простоту изучения и использования UML также постепенно вытесняется из моделирования и проектирование бизнес-систем.Сначала на его место претендовала методология ARIS со своей группой диаграмм, которые получили условное название дом ARIS. Однако основой данной методологии, наиболее информативной диаграммой является EPC диаграмма, которая практически копирует диаграммы активности UML. Сегодня наиболее распространенной среди бизнес-аналитиков является методология BPMN 2.

0. Но следует отметить, что в основе данной технологии лежат те же принципы и диаграммы UML, в частности диаграммы прецедентов, последовательности и активности. С другой стороны, потеря некоторых позиций в бизнес-аналитике не снимает актуальности с использовании UML при проектировании бизнес -систем. В любом случае знание данной методологии позволяет более быстро и глубоко разобраться с методологиями ARIS и более современной BPMN 2. В данной нотации была разработана структура системы персонализации (рис.

3.1)Рис.

3.1. Структура системы персонализации.

Выводы к третьей главе. Определена структура системы и построена ее модель.

Заключение

Проблемы с коммерцией вInternet-магазинах заставляет компании, занимающиеся электронным бизнесом, более внимательно отслеживать и анализировать поведение посетителей Web. Персонализацию можно рассматривать как будущее взаимоотношений между интернет ресурсом и клиентом. Процесс персонализации пользователя на сайте является многоаспектным и отношение к нему пользователей неоднозначное. Одним из решений данной проблемы является невидимая персонализация. Необходимо тщательно, но, по возможности, незаметно собирать информацию о вашей целевой аудитории. Затем аудиторию необходимо сегментировать и присвоить каждому сегменту определенную модель. Система персонализации веб-страниц позволяет кардинально изменить отношение сайта к своим посетителям. В результате не только пользователь будет «общаться» с веб-страницей, но и сам сайт будет обращаться к любому, попавшему на страницу, не как к части общей массы, а как к конкретному человеку, имеющему свои личные интересы — персонально. В процессе выполнения работы были изучены и проанализированы все виды персонализации пользователей на вебсайтах, определена структура системы персонализации, ее составляющие и спроектирована ее модель.Библиография.Якоб.

Нильсен. Personalization is Over-Rated (October 4, 1998) перевод: Александр

Качанов. [Электронный ресурс]. Режим доступа:

http://www.webmascon.com/topics/development/16a.aspВасюк Евгений. Персонализация сайта — что это такое?[Электронный ресурс]. Режим доступа:

http://blog.hucksterbot.ru/personalizaciya-sajta/Николаев О. В. Разработка программного модуля по реализации функции интеллектуальной обработки данных для системы 1С-Битрикс // Молодой ученый. -.

2016. — № 11. — С. 210−214.Коваленко О. С. Обзор проблем и перспектив анализа данных // Информатика, вычислительная техника и инженерное образование.

ТТИ ЮФУ, 2011 — № 5 (7). Воронцов К. В. Алгоритмы кластеризации и многомерного шкалирования.

Курс лекций. МГУ, 2007.

Персонализация. Что за блюдо и с чем едят?

https://spark.ru/startup/appvelox/blog/16 224/personalizatsiya-sajta-chto-za-blyudo-i-s-chem-ego-edyatБунин О. Персонализация сайтов. Мир Internet. — 2001. 12. — С. 66−69.

Гуменникова A.B. Адаптивные поисковые алгоритмы для решения сложных задач многокритериальной оптимизации. Диссертационная работа к.т.н.: Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева. Красноярск, 2006. — 132с. Общая теория статистики: статистическая методология в изучении коммерческой деятельности: Учебник / Под ред.

О.Э. Байтной, А. А. Спирина 5-е изд., доп. И перераб. — М. Ж Финансы и статистика, 2005.