Web Analytics: la statistica con

Web Analytics: la statistica con 1 2 3 Cos’è R: principali caratteristiche del programma IRIS: Un esempio di dataset Caso pratico di Web Analysis Importare file esterni .csv Caratteristiche database Elenco delle pagine di accesso per chiave Elenco delle chiavi: dettaglio frequenze La pagina più “vista” vs “visitata” Durata media delle visite per chiave Torta delle uscita per chiave con tempo inferiore ai due secondi

Cos’è R: principali caratteristiche del programma

IRIS: Un esempio di dataset

Caso pratico di Web Analysis

Importare file esterni .csv

Caratteristiche database

Elenco delle pagine di accesso per chiave

Elenco delle chiavi: dettaglio frequenze

La pagina più “vista” vs “visitata”

Durata media delle visite per chiave

Torta delle uscita per chiave con tempo inferiore ai due secondi

R : programma di statistica opensource Principali caratteristiche: È gratuito È una combinazione tra un linguaggio e un software Permette una flessibile gestione e manipolazione di dati Offre numerose varianti grafiche Può importare file da molti altri sofware (es. SPSS, SAS, STATA) Ha a disposizione una vasta manualistica di supporto Sito web: www.r-project.org Download: http: //cran . r-project . org/mirrors . html 1 3 2

R : programma di statistica opensource

Principali caratteristiche:

È gratuito

È una combinazione tra un linguaggio e un software

Permette una flessibile gestione e manipolazione di dati

Offre numerose varianti grafiche

Può importare file da molti altri sofware (es. SPSS, SAS, STATA)

Ha a disposizione una vasta manualistica di supporto

Sito web: www.r-project.org

Download: http: //cran . r-project . org/mirrors . html

Editor di testo Rappresentazione grafica Barra degli strumenti 1 3 2

IRIS : un esempio di dati IRIS: database contenente informazioni su 3 tipi di fiori (setosa, versicolor e virginica) 1) Richiamiamo il file 2 3 1

IRIS : un esempio di dati

IRIS: database contenente informazioni su 3 tipi di fiori (setosa, versicolor e virginica)

1) Richiamiamo il file

2) Visualizziamo le principali informazioni ( SUMMARY ) 3) Visualizziamo gli attributi del file ( ATTRIBUTES ) 2 3 1

4) Rappresentazioni grafiche > plot(iris, main=“plot(iris)”, col=“blue”) > help(plot) #richiama l’help di R per la funzione Plot 2 3 1

Caso pratico di Web Analysis Importiamo i file esterni in formato .csv Importiamo il primo file file1<-read.csv(&quot;C:\WebAnalytics\file1.csv&quot;,header=TRUE,sep=&quot;;&quot;) 3 1 2 a b c d e f g h

Caso pratico di Web Analysis

Importiamo i file esterni in formato .csv

Importiamo il primo file

file1<-read.csv(&quot;C:\WebAnalytics\file1.csv&quot;,header=TRUE,sep=&quot;;&quot;)

Importiamo il secondo file file2<-read.csv(&quot;C:\WebAnalytics\file2.csv&quot;,header=TRUE,sep=&quot;;&quot;) 3 1 2 a b c d e f g h

Importiamo il secondo file

file2<-read.csv(&quot;C:\WebAnalytics\file2.csv&quot;,header=TRUE,sep=&quot;;&quot;)

Uniamo i due file in un’unica tabella file3<-merge(file1, file2, by.x = &quot;ID_VISITA&quot;, by.y = &quot;ID_VISITA&quot;, all = TRUE) NOTA: Ogni ID viene ripetuto tante volte quante sono le pagine viste dall’utente. 3 1 2 a b c d e f g h

Uniamo i due file in un’unica tabella

file3<-merge(file1, file2, by.x = &quot;ID_VISITA&quot;, by.y = &quot;ID_VISITA&quot;, all = TRUE)

NOTA: Ogni ID viene ripetuto tante volte quante sono le pagine viste dall’utente.

Caratteristiche database summary(file3) 3 1 2 a b c d e f g h

Caratteristiche database

summary(file3)

Elenco delle pagine di accesso per chiave: dettaglio del numero di pagine sub<-subset(file1,file1[,3]!=c(&quot;&quot;)) #subset con gli accessi provenienti da motore di ricerca table(file1$MOTORE_DI_PROVENIENZA!=&quot;&quot;) #tab. frequenza per visualizzare il n° accessi da motore di ricerca FALSE TRUE 55 45 file3$DUP1<-duplicated(file3[,1]) # nuova variabile per identificare solo la prima pagina per ciascun accesso sub2<-subset(file3,file3$DUP1==FALSE&file3[,3]!=c(“”)) #dataset composto dai soli accessi provenienti da motore e identificazione della prima pagina sub_chiave<-subset(sub2,select=c(CHIAVE_VISITA,URL_PAGINA_VISITATA)) #nuovo dataset composto dalle sole variabili CHIAVE_VISITA e URL_PAGINA_VISITATA 3 1 2 a b c d e f g h

Elenco delle pagine di accesso per chiave:

dettaglio del numero di pagine

sub<-subset(file1,file1[,3]!=c(&quot;&quot;)) #subset con gli accessi provenienti da motore di ricerca

table(file1$MOTORE_DI_PROVENIENZA!=&quot;&quot;) #tab. frequenza per visualizzare il n° accessi da motore di ricerca

FALSE TRUE

55 45

file3$DUP1<-duplicated(file3[,1]) # nuova variabile per identificare solo la prima pagina per ciascun accesso

sub2<-subset(file3,file3$DUP1==FALSE&file3[,3]!=c(“”))

#dataset composto dai soli accessi provenienti da motore e identificazione della prima pagina

sub_chiave<-subset(sub2,select=c(CHIAVE_VISITA,URL_PAGINA_VISITATA))

#nuovo dataset composto dalle sole variabili CHIAVE_VISITA e URL_PAGINA_VISITATA

Elenco delle pagine di accesso per chiave: dettaglio del numero di pagine sub2$VP<- paste(sub_chiave$CHIAVE_VISITA,” — “, sub_chiave$ URL_PAGINA_VISITATA) #concatena le due variabili in un solo oggetto, separate dal “ –” cbind(sort(table(sub2$VP),decreasing=TRUE)) #tabella di frequenza per la nuova variabile aggregata 3 1 2 a b c d e f g h

Elenco delle pagine di accesso per chiave:

dettaglio del numero di pagine

sub2$VP<- paste(sub_chiave$CHIAVE_VISITA,” — “, sub_chiave$

URL_PAGINA_VISITATA)

#concatena le due variabili in un solo oggetto, separate dal “ –”

cbind(sort(table(sub2$VP),decreasing=TRUE))

#tabella di frequenza per la nuova variabile aggregata

Elenco delle pagine di accesso per chiave: dettaglio del numero di pagine 3 1 2 a b c d e f g h

Elenco delle pagine di accesso per chiave:

dettaglio del numero di pagine

Elenco Delle Chiavi Presenti Le chiavi più utilizzate: tabella #visualizziamo i dati all’interno di una tabella di frequenza cbind(summary( file1$CHIAVE_VISITA, maxsum=20)) cbind(sort(table( file3$CHIAVE_VISITA), decreasing = TRUE)) 3 1 2 nessuna chiave associata chiave con il più alto numero di accessi a b c d e f g h

Elenco Delle Chiavi Presenti

Le chiavi più utilizzate: tabella

#visualizziamo i dati all’interno

di una tabella di frequenza

cbind(summary(

file1$CHIAVE_VISITA,

maxsum=20))

cbind(sort(table(

file3$CHIAVE_VISITA),

decreasing = TRUE))

Le chiavi più utilizzate: grafico #torta per visualizzare la chiave con frequenza di accessi più alta pie(sort(table(file1$CHIAVE_ VISITA)[-1]),cex=0.6,col= rainbow(24), radius = 0.9) 3 1 2 a b c d e f g h

Le chiavi più utilizzate: grafico

#torta per visualizzare la chiave

con frequenza di accessi più alta

pie(sort(table(file1$CHIAVE_

VISITA)[-1]),cex=0.6,col=

rainbow(24), radius = 0.9)

La pagina più vista #tabella di frequenza per identificare le pagine più viste cbind(summary( file3$URL_PAGINA_VISITATA, maxsum=20)) cbind(sort(table(file3$ URL_PAGINA_VISITATA), decreasing = TRUE)) 3 1 2 a b c d e f g h

La pagina più vista

#tabella di frequenza per identificare

le pagine più viste

cbind(summary(

file3$URL_PAGINA_VISITATA,

maxsum=20))

cbind(sort(table(file3$

URL_PAGINA_VISITATA),

decreasing = TRUE))

La pagina più visitata #tabella di frequenza per identificare le pagine più visitate (se un ID visualizza più volte la stessa pagina, quest’ultima viene conteggiata una sola volta) file3$UNION<- paste( file3$URL_PAGINA_VISITATA, file3$ID_VISITA) file3$DUP<- duplicated(paste(file3$URL_PAGINA_ VISITATA,file3$ID_VISITA)) file3$DUP<- ifelse (file3[,10]==&quot;TRUE&quot;,1,0) cbind(sort(table(file3$URL_PAGINA_ VISITATA,file3$DUP)[,1], decreasing = TRUE)) 3 1 2 a b c d e f g h

La pagina più visitata

#tabella di frequenza per identificare

le pagine più visitate (se un ID visualizza

più volte la stessa pagina, quest’ultima

viene conteggiata una sola volta)

file3$UNION<- paste(

file3$URL_PAGINA_VISITATA,

file3$ID_VISITA)

file3$DUP<-

duplicated(paste(file3$URL_PAGINA_

VISITATA,file3$ID_VISITA))

file3$DUP<- ifelse

(file3[,10]==&quot;TRUE&quot;,1,0)

cbind(sort(table(file3$URL_PAGINA_

VISITATA,file3$DUP)[,1],

decreasing = TRUE))

Durata media delle visite #nuova variabile che calcola la differenza tra le date inserite file3$DIFF<-as.numeric(c(0,diff(strptime(file3$DATA_ORA_ ACCESSO, &quot;%Y%m%d:%H.%M.%S&quot;)))) #nuova variabile dicotomica (0-1) per identificare una sola volta l’ID file3$UNIF<-ifelse(file3$DUP1== FALSE ,1,0) #creiamo 2 dataset in cui aggreghiamo (1) la durata di navigazione per chiave e (2) il numero di ID per chiave fileAGGR1<-aggregate(file3$DIFF,list(file3$CHIAVE_VISITA),sum) fileAGGR2<-aggregate(file3$UNIF,list(file3$CHIAVE_VISITA),sum) #diamo i nomi alle varibili presenti nei 2 precedenti dataset colnames(fileAGGR1)<-c(“chiave”,”sum”) colnames(fileAGGR2)<-c(“chiave”,”count”) 3 1 2 a b c d e f g h

Durata media delle visite

#nuova variabile che calcola la differenza tra le date inserite

file3$DIFF<-as.numeric(c(0,diff(strptime(file3$DATA_ORA_

ACCESSO, &quot;%Y%m%d:%H.%M.%S&quot;))))

#nuova variabile dicotomica (0-1) per identificare una sola volta l’ID

file3$UNIF<-ifelse(file3$DUP1== FALSE ,1,0)

#creiamo 2 dataset in cui aggreghiamo (1) la durata di navigazione per chiave e (2) il numero di ID per chiave

fileAGGR1<-aggregate(file3$DIFF,list(file3$CHIAVE_VISITA),sum)

fileAGGR2<-aggregate(file3$UNIF,list(file3$CHIAVE_VISITA),sum)

#diamo i nomi alle varibili presenti nei 2 precedenti dataset

colnames(fileAGGR1)<-c(“chiave”,”sum”)

colnames(fileAGGR2)<-c(“chiave”,”count”)

Durata media delle visite #uniamo i due file in uno unico fileTOT<-merge(fileAGGR1, fileAGGR2,by.x=”chiave”, by.y=”chiave”) #nuova variabile che calcola la media fileTOT$mean<-format(as.numeric ((fileTOT[,2]/ fileTOT[,3])), digits=2) #visualizziamo la tabella print(fileTOT) 3 1 2 a b c d e f g h

Durata media delle visite

#uniamo i due file in uno unico

fileTOT<-merge(fileAGGR1,

fileAGGR2,by.x=”chiave”,

by.y=”chiave”)

#nuova variabile che calcola la media

fileTOT$mean<-format(as.numeric

((fileTOT[,2]/ fileTOT[,3])),

digits=2)

#visualizziamo la tabella

print(fileTOT)

Torta delle uscite per chiave con tempo inferiore ai due secondi #nuova var che calcola diff fileUSC<-subset(file3,file3$ DIFF==1&file3$CHIAVE_VISITA!=&quot;&quot;) #utilizziamo la funzione split pie(sort(table(fileUSC$CHIAVE_ VISITA 3 1 2 a b c d e f g h

Torta delle uscite per chiave con tempo inferiore

ai due secondi

#nuova var che calcola diff

fileUSC<-subset(file3,file3$

DIFF==1&file3$CHIAVE_VISITA!=&quot;&quot;)

#utilizziamo la funzione split

pie(sort(table(fileUSC$CHIAVE_

VISITA

Le visite fatte dal medesimo IP: quante e quali #nuova variabile di aggregazione: numero di ID per ciascun IP fileAGGR3<-aggregate(file3$UNIF,list(file3$IP_VISITA),sum) #creiamo un sottoinsieme di dati composto dai soli IP associati a più di un ID subIP<-subset(fileAGGR3,fileAGGR3[,2]!=1) #ordiniamo il file subIP subIP[order(subIP[,2],decreasing = TRUE),] 3 1 2 a b c d e f g h

Le visite fatte dal medesimo IP: quante e quali

#nuova variabile di aggregazione: numero di ID per ciascun IP

fileAGGR3<-aggregate(file3$UNIF,list(file3$IP_VISITA),sum)

#creiamo un sottoinsieme di dati composto dai soli IP associati a più di un ID

subIP<-subset(fileAGGR3,fileAGGR3[,2]!=1)

#ordiniamo il file subIP

subIP[order(subIP[,2],decreasing = TRUE),]

Le visite fatte dal medesimo IP: quante e quali #uniamo il nuovo sottoinsieme subIP con i dati presenti nel file3 fileRES<-merge(file3, subIP ,by.y=&quot;Group.1&quot;,by.x=&quot;IP_VISITA&quot;,all.y=TRUE,all.x=FALSE) #ordiniamo il file per le voci IP e ID fileRES[order(fileRES$IP_VISITA,fileRES$ID_VISITA),] 3 1 2 a b c d e f g h

Le visite fatte dal medesimo IP: quante e quali

#uniamo il nuovo sottoinsieme subIP con i dati presenti nel file3

fileRES<-merge(file3, subIP ,by.y=&quot;Group.1&quot;,by.x=&quot;IP_VISITA&quot;,all.y=TRUE,all.x=FALSE)

#ordiniamo il file per le voci IP e ID

fileRES[order(fileRES$IP_VISITA,fileRES$ID_VISITA),]

Profilo Angela Baldan Si occupa dell’analisi di dati di vendita per Lotto Sport Italia Spa Riferimenti: linkedin.com/in/angelabaldan [email_address] Gestione di una campagna PPC www.yoyoformazione.it

Grazie per l’attenzione www.yoyoformazione.it Web Analytics 27 settembre 2007 – pag: