SlideShare a Scribd company logo
AGENDA
•  Odkrywanie wzorców zachowań użytkowników www –
wprowadzenie.
•  Jakie dane są zbierane przez serwisy www? W jaki sposób?
•  Co o swoich użytkownikach wie serwis www?
•  Eksploracja danych. Jak pozyskać wiedzę z zebranych informacji?
•  Jak wykorzystać odkryte wzorce zachowań? Studium przypadku.
Ania, 33 lata
Mieszka w Krakowie.
Lubi włoską kuchnię.
Pasjonuje się fotografią.
PLIKI COOKIES
Identyfikują użytkownika po unikalnym id.
Zawierają podstawowe informacje o odwiedzającym:
•  Nowy/powracający
•  Czas spędzony na stronie.
•  Z jakiego źródła przyszedł (wyszukiwarka, reklama, e-mail, odesłanie).
DZIENNIKI SERWERÓW
Techniczny zapis informacji o ruchu sieciowym.
Zawierają dane o:
•  Adresie IP
•  Czasie wykonanej akcji
•  Lokalizacji zasobu na serwerze
•  Urządzeniu użytkownika
DANE Z APLIKACJI SIECIOWEJ
Akcje wykonywane przez użytkownika, podczas korzystania z aplikacji
sieciowej (strony www, sklepu, serwisu społecznościowego).
Zawierają informacje o:
•  Dokonanych zakupach.
•  Przesyłanej treści.
•  Subskrypcjach newslettera.
•  Rejestracji w serwisie.
SERWIS WWW
Strony internetowe zbierają podstawowe informacje o zachowaniu
użytkowników:
•  Typ użytkownika: nowy/powracający.
•  Źródło wejścia na stronę.
•  Czas spędzony na stronie.
•  Najpopularniejsze treści na stronie.
WYSZUKIWARKI INTERNETOWE
Wyszukiwarki zbierają podstawowe informacje :
•  Najpopularniejszych wyszukiwanych hasłach.
•  Najnowszych trendach w wyszukiwaniu.
•  Historii wyszukiwania użytkownika (opcjonalnie).
TENDENCJE AKTYWNOŚCI WIRUSA GRYPY
NAJPOPULARNIEJSZE WYSZUKIWANIA
SERWISY POCZTOWE
Serwisy pocztowe mają informacje o:
•  Osobach, z którymi najczęściej korespondujemy.
•  Tematyce wysyłanych wiadomości (słowa kluczowe).
SERWISY SPOŁECZNOŚCIOWE
W serwisie społecznościowym użytkownik udostępnia informacje o:
•  Imieniu i nazwisku, dacie urodzenia, miejscu zamieszkania.
•  Relacjach ze znajomymi, przynależności do grup.
•  Zainteresowaniach.
•  Miejscach, w których bywa (check-in).
SKLEPY INTERNETOWE
Sklep internetowy zna:
•  Zakupy dokonane przez użytkownika.
•  Preferencje zakupowe użytkownika.
•  Zainteresowania grupami produktów.
EKSPLORACJA DANYCH (DATA MINING)
Służy odkrywaniu ukrytych wzorców w ogromnych zbiorach danych.
EKSPLORACJA DANYCH (DATA MINING)
Jakie są korzyści z jej zastosowania?
•  Reklamy dopasowane do zainteresowań użytkownika.
•  Tworzenie nowych produktów i ofert.
•  Rozwój serwisu www.
•  Wykrywanie błędów i luk w aplikacji
oraz transakcji będących nadużyciami.
ANALIZA STATYSTYCZNA
Analiza statystyczna daje podstawowe informacje opisujące badane
zjawisko za pomocą mediany, średniej, rozkładów.

Średnia wartość zamówienia: 350 zł
Średnia liczba odwiedzin dokonaniem
zakupu: 3
REGUŁY ASOCJACYJNE
Za pomocą reguł asocjacyjnych można odkryć zależności
przyczynowo – skutkowe.

Kod rabatowy

Wyższa
wartość
zamówienia
GRUPOWANIE
Za pomocą grupowania analizujemy skupienia użytkowników wokół
danej cechy.
KLASYFIKACJA
Pozwala przyporządkować użytkownika, który spełnia określone
kryteria do wcześniej zdefiniowanych grup.
KLASYFIKACJA
Reklamy kierowane na zainteresowania.
Przykład:
Restauracja z kuchnią włoską w Krakowie.
Potencjalni klienci:
osoby lubiące włoską kuchnię,
mieszkające w Krakowie,
chodzące do restauracji.
ANALIZA KOSZYKA SKLEPOWEGO
Reguły asocjacyjne wykorzystywane w analizie koszyka sklepowego
pozwalają znaleźć produkty kupowane razem.

Michale, kupiłeś aparat cyfrowy.
Zobacz, co możesz jeszcze dokupić
ANALIZA KOSZYKA SKLEPOWEGO
GRUPOWANIE
Za pomocą grupowania znaleziono książki o podobnej tematyce,
którymi interesuje się użytkownik.
ZA POMOCĄ EKSPLORACJI DANYCH…
…można odkryć wzorce zachowań wśród użytkowników serwisu.
…można poznać zainteresowania użytkowników i ich preferencje
zakupowe.
…można lepiej dostosować stronę internetową do potrzeb
użytkownika.
…można wykorzystać wiedzę zawartą w ogromnych zbiorach
informacji, jakie posiada każdy serwis internetowy.
Michał Bryś
Analityk danych
Specjalista SEM
michalbrys.pl
kontakt@michalbrys.pl

More Related Content

Similar to Odkrywanie wzorców zachowań użytkowników Internetu.

Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
Netsprint
 
Retargetowanie sniezka
Retargetowanie sniezkaRetargetowanie sniezka
Retargetowanie sniezkalkapusniak
 
Dynamiczne i nowoczesne elementy e-sklepu
Dynamiczne i nowoczesne elementy e-sklepuDynamiczne i nowoczesne elementy e-sklepu
Dynamiczne i nowoczesne elementy e-sklepuGrupa Unity
 
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującymMożliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
Piotr Dębowski
 
Google Analytics: szybki start od @kubajeziorny na @gbgpoznan
Google Analytics: szybki start od @kubajeziorny na @gbgpoznanGoogle Analytics: szybki start od @kubajeziorny na @gbgpoznan
Google Analytics: szybki start od @kubajeziorny na @gbgpoznan
Jakub Jeziorny
 
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...ecommerce poland expo
 
Artur Senk, OKE Poland, Big Data na zakupach
Artur Senk, OKE Poland, Big Data na zakupachArtur Senk, OKE Poland, Big Data na zakupach
Artur Senk, OKE Poland, Big Data na zakupach
3camp
 
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing AutomationVII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
ecommerce poland expo
 
Optymalizacja funkcjonalności serwisów internetowych
Optymalizacja funkcjonalności serwisów internetowychOptymalizacja funkcjonalności serwisów internetowych
Optymalizacja funkcjonalności serwisów internetowych
Wydawnictwo Helion
 
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
SALESmanago AI driven CDXP
 
Kongres Mobilny: Łukasz Felsztukier, Linteri
Kongres Mobilny: Łukasz Felsztukier, LinteriKongres Mobilny: Łukasz Felsztukier, Linteri
Kongres Mobilny: Łukasz Felsztukier, Linteri
ecommerce poland expo
 
Segmentacj Google Analytics - inne spojrzenie
Segmentacj Google Analytics - inne spojrzenieSegmentacj Google Analytics - inne spojrzenie
Segmentacj Google Analytics - inne spojrzeniePrzemysław Modrzewski
 
Profesjonalne NGO - webinarium CRM
Profesjonalne NGO - webinarium CRMProfesjonalne NGO - webinarium CRM
Profesjonalne NGO - webinarium CRM
technologieorgpl
 
Netresearch
NetresearchNetresearch
Netresearch
3camp
 
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
Cezary Glijer
 
Metody zwiększania konwersji w systemach e-commerce
Metody zwiększania konwersji w systemach e-commerceMetody zwiększania konwersji w systemach e-commerce
Metody zwiększania konwersji w systemach e-commerceGrupa Unity
 
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
Michal Cortez
 
Usability eCommerce - teoria, bledy, porady. Kansei 2009
Usability eCommerce - teoria, bledy, porady. Kansei 2009Usability eCommerce - teoria, bledy, porady. Kansei 2009
Usability eCommerce - teoria, bledy, porady. Kansei 2009Dmitrij Żatuchin
 
Netsprint - firma i produkty
Netsprint - firma i produktyNetsprint - firma i produkty
Netsprint - firma i produkty
Netsprint
 
Zyskaj czas - prezentacja projektu Indesit + Digital One
Zyskaj czas - prezentacja projektu Indesit + Digital OneZyskaj czas - prezentacja projektu Indesit + Digital One
Zyskaj czas - prezentacja projektu Indesit + Digital One
Olgierd Cygan
 

Similar to Odkrywanie wzorców zachowań użytkowników Internetu. (20)

Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
Performance marketing. Jak przyprowadzić użytkownika, który będzie konwertowa...
 
Retargetowanie sniezka
Retargetowanie sniezkaRetargetowanie sniezka
Retargetowanie sniezka
 
Dynamiczne i nowoczesne elementy e-sklepu
Dynamiczne i nowoczesne elementy e-sklepuDynamiczne i nowoczesne elementy e-sklepu
Dynamiczne i nowoczesne elementy e-sklepu
 
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującymMożliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
Możliwości analityki i optymalizacji reklam dzięki narzędziom monitorującym
 
Google Analytics: szybki start od @kubajeziorny na @gbgpoznan
Google Analytics: szybki start od @kubajeziorny na @gbgpoznanGoogle Analytics: szybki start od @kubajeziorny na @gbgpoznan
Google Analytics: szybki start od @kubajeziorny na @gbgpoznan
 
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...
Izabela Dembicka-Starska - NGO.pl - System informacyjny dla i o organizacjach...
 
Artur Senk, OKE Poland, Big Data na zakupach
Artur Senk, OKE Poland, Big Data na zakupachArtur Senk, OKE Poland, Big Data na zakupach
Artur Senk, OKE Poland, Big Data na zakupach
 
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing AutomationVII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
VII Targi eHandlu Prezentacje, Krzysztof Kozek, SALESmanago Marketing Automation
 
Optymalizacja funkcjonalności serwisów internetowych
Optymalizacja funkcjonalności serwisów internetowychOptymalizacja funkcjonalności serwisów internetowych
Optymalizacja funkcjonalności serwisów internetowych
 
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
10 przykładów Automatyzacji Marketingu w eCommerce - Grzegorz Błażewicz
 
Kongres Mobilny: Łukasz Felsztukier, Linteri
Kongres Mobilny: Łukasz Felsztukier, LinteriKongres Mobilny: Łukasz Felsztukier, Linteri
Kongres Mobilny: Łukasz Felsztukier, Linteri
 
Segmentacj Google Analytics - inne spojrzenie
Segmentacj Google Analytics - inne spojrzenieSegmentacj Google Analytics - inne spojrzenie
Segmentacj Google Analytics - inne spojrzenie
 
Profesjonalne NGO - webinarium CRM
Profesjonalne NGO - webinarium CRMProfesjonalne NGO - webinarium CRM
Profesjonalne NGO - webinarium CRM
 
Netresearch
NetresearchNetresearch
Netresearch
 
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
Czy mikroformaty Google zwiększają ruch i sprzedaż w sklepach online? e-comme...
 
Metody zwiększania konwersji w systemach e-commerce
Metody zwiększania konwersji w systemach e-commerceMetody zwiększania konwersji w systemach e-commerce
Metody zwiększania konwersji w systemach e-commerce
 
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
Michal Cortez - Marketing automation on-site @ Kongres Marketing Automation, ...
 
Usability eCommerce - teoria, bledy, porady. Kansei 2009
Usability eCommerce - teoria, bledy, porady. Kansei 2009Usability eCommerce - teoria, bledy, porady. Kansei 2009
Usability eCommerce - teoria, bledy, porady. Kansei 2009
 
Netsprint - firma i produkty
Netsprint - firma i produktyNetsprint - firma i produkty
Netsprint - firma i produkty
 
Zyskaj czas - prezentacja projektu Indesit + Digital One
Zyskaj czas - prezentacja projektu Indesit + Digital OneZyskaj czas - prezentacja projektu Indesit + Digital One
Zyskaj czas - prezentacja projektu Indesit + Digital One
 

More from Michal Brys

Web users tracking behind the scenes
Web users tracking behind the scenesWeb users tracking behind the scenes
Web users tracking behind the scenes
Michal Brys
 
Cloud Machine Learning with Google Cloud Platform
Cloud Machine Learning with Google Cloud PlatformCloud Machine Learning with Google Cloud Platform
Cloud Machine Learning with Google Cloud Platform
Michal Brys
 
Find signal in noise.
Find signal in noise.Find signal in noise.
Find signal in noise.
Michal Brys
 
Google Analytics + R. Praktyczne przykłady.
Google Analytics + R. Praktyczne przykłady.Google Analytics + R. Praktyczne przykłady.
Google Analytics + R. Praktyczne przykłady.
Michal Brys
 
Machine Learning in action
Machine Learning in actionMachine Learning in action
Machine Learning in action
Michal Brys
 
Google Analytics + R
Google Analytics + RGoogle Analytics + R
Google Analytics + R
Michal Brys
 
Poznaj lepiej użytkowników Twojego serwisu z Google Analytics
Poznaj lepiej użytkowników Twojego serwisu z Google AnalyticsPoznaj lepiej użytkowników Twojego serwisu z Google Analytics
Poznaj lepiej użytkowników Twojego serwisu z Google Analytics
Michal Brys
 
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi GoogleBigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
Michal Brys
 
Google Tag Manager - first steps
Google Tag Manager - first stepsGoogle Tag Manager - first steps
Google Tag Manager - first steps
Michal Brys
 
Online dashboard using Google Analytics API Measure Camp
Online dashboard using Google Analytics API Measure CampOnline dashboard using Google Analytics API Measure Camp
Online dashboard using Google Analytics API Measure Camp
Michal Brys
 
A/B testing. Content experiments in Google Analytics
A/B testing. Content experiments in Google AnalyticsA/B testing. Content experiments in Google Analytics
A/B testing. Content experiments in Google Analytics
Michal Brys
 
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu wwwGoogle Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
Michal Brys
 

More from Michal Brys (12)

Web users tracking behind the scenes
Web users tracking behind the scenesWeb users tracking behind the scenes
Web users tracking behind the scenes
 
Cloud Machine Learning with Google Cloud Platform
Cloud Machine Learning with Google Cloud PlatformCloud Machine Learning with Google Cloud Platform
Cloud Machine Learning with Google Cloud Platform
 
Find signal in noise.
Find signal in noise.Find signal in noise.
Find signal in noise.
 
Google Analytics + R. Praktyczne przykłady.
Google Analytics + R. Praktyczne przykłady.Google Analytics + R. Praktyczne przykłady.
Google Analytics + R. Praktyczne przykłady.
 
Machine Learning in action
Machine Learning in actionMachine Learning in action
Machine Learning in action
 
Google Analytics + R
Google Analytics + RGoogle Analytics + R
Google Analytics + R
 
Poznaj lepiej użytkowników Twojego serwisu z Google Analytics
Poznaj lepiej użytkowników Twojego serwisu z Google AnalyticsPoznaj lepiej użytkowników Twojego serwisu z Google Analytics
Poznaj lepiej użytkowników Twojego serwisu z Google Analytics
 
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi GoogleBigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
Bigdata w serwisach e-commerce z wykorzystaniem narzędzi Google
 
Google Tag Manager - first steps
Google Tag Manager - first stepsGoogle Tag Manager - first steps
Google Tag Manager - first steps
 
Online dashboard using Google Analytics API Measure Camp
Online dashboard using Google Analytics API Measure CampOnline dashboard using Google Analytics API Measure Camp
Online dashboard using Google Analytics API Measure Camp
 
A/B testing. Content experiments in Google Analytics
A/B testing. Content experiments in Google AnalyticsA/B testing. Content experiments in Google Analytics
A/B testing. Content experiments in Google Analytics
 
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu wwwGoogle Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
Google Analytics: dowiedz się więcej o użytkownikach swojego serwisu www
 

Odkrywanie wzorców zachowań użytkowników Internetu.

  • 1.
  • 2. AGENDA •  Odkrywanie wzorców zachowań użytkowników www – wprowadzenie. •  Jakie dane są zbierane przez serwisy www? W jaki sposób? •  Co o swoich użytkownikach wie serwis www? •  Eksploracja danych. Jak pozyskać wiedzę z zebranych informacji? •  Jak wykorzystać odkryte wzorce zachowań? Studium przypadku.
  • 3. Ania, 33 lata Mieszka w Krakowie.
  • 5.
  • 6.
  • 7. PLIKI COOKIES Identyfikują użytkownika po unikalnym id. Zawierają podstawowe informacje o odwiedzającym: •  Nowy/powracający •  Czas spędzony na stronie. •  Z jakiego źródła przyszedł (wyszukiwarka, reklama, e-mail, odesłanie).
  • 8.
  • 9. DZIENNIKI SERWERÓW Techniczny zapis informacji o ruchu sieciowym. Zawierają dane o: •  Adresie IP •  Czasie wykonanej akcji •  Lokalizacji zasobu na serwerze •  Urządzeniu użytkownika
  • 10.
  • 11. DANE Z APLIKACJI SIECIOWEJ Akcje wykonywane przez użytkownika, podczas korzystania z aplikacji sieciowej (strony www, sklepu, serwisu społecznościowego). Zawierają informacje o: •  Dokonanych zakupach. •  Przesyłanej treści. •  Subskrypcjach newslettera. •  Rejestracji w serwisie.
  • 12.
  • 13. SERWIS WWW Strony internetowe zbierają podstawowe informacje o zachowaniu użytkowników: •  Typ użytkownika: nowy/powracający. •  Źródło wejścia na stronę. •  Czas spędzony na stronie. •  Najpopularniejsze treści na stronie.
  • 14. WYSZUKIWARKI INTERNETOWE Wyszukiwarki zbierają podstawowe informacje : •  Najpopularniejszych wyszukiwanych hasłach. •  Najnowszych trendach w wyszukiwaniu. •  Historii wyszukiwania użytkownika (opcjonalnie).
  • 17. SERWISY POCZTOWE Serwisy pocztowe mają informacje o: •  Osobach, z którymi najczęściej korespondujemy. •  Tematyce wysyłanych wiadomości (słowa kluczowe).
  • 18. SERWISY SPOŁECZNOŚCIOWE W serwisie społecznościowym użytkownik udostępnia informacje o: •  Imieniu i nazwisku, dacie urodzenia, miejscu zamieszkania. •  Relacjach ze znajomymi, przynależności do grup. •  Zainteresowaniach. •  Miejscach, w których bywa (check-in).
  • 19.
  • 20. SKLEPY INTERNETOWE Sklep internetowy zna: •  Zakupy dokonane przez użytkownika. •  Preferencje zakupowe użytkownika. •  Zainteresowania grupami produktów.
  • 21.
  • 22. EKSPLORACJA DANYCH (DATA MINING) Służy odkrywaniu ukrytych wzorców w ogromnych zbiorach danych.
  • 23. EKSPLORACJA DANYCH (DATA MINING) Jakie są korzyści z jej zastosowania? •  Reklamy dopasowane do zainteresowań użytkownika. •  Tworzenie nowych produktów i ofert. •  Rozwój serwisu www. •  Wykrywanie błędów i luk w aplikacji oraz transakcji będących nadużyciami.
  • 24.
  • 25.
  • 26. ANALIZA STATYSTYCZNA Analiza statystyczna daje podstawowe informacje opisujące badane zjawisko za pomocą mediany, średniej, rozkładów. Średnia wartość zamówienia: 350 zł Średnia liczba odwiedzin dokonaniem zakupu: 3
  • 27. REGUŁY ASOCJACYJNE Za pomocą reguł asocjacyjnych można odkryć zależności przyczynowo – skutkowe. Kod rabatowy Wyższa wartość zamówienia
  • 28. GRUPOWANIE Za pomocą grupowania analizujemy skupienia użytkowników wokół danej cechy.
  • 29. KLASYFIKACJA Pozwala przyporządkować użytkownika, który spełnia określone kryteria do wcześniej zdefiniowanych grup.
  • 30.
  • 31. KLASYFIKACJA Reklamy kierowane na zainteresowania. Przykład: Restauracja z kuchnią włoską w Krakowie. Potencjalni klienci: osoby lubiące włoską kuchnię, mieszkające w Krakowie, chodzące do restauracji.
  • 32. ANALIZA KOSZYKA SKLEPOWEGO Reguły asocjacyjne wykorzystywane w analizie koszyka sklepowego pozwalają znaleźć produkty kupowane razem. Michale, kupiłeś aparat cyfrowy. Zobacz, co możesz jeszcze dokupić
  • 34. GRUPOWANIE Za pomocą grupowania znaleziono książki o podobnej tematyce, którymi interesuje się użytkownik.
  • 35.
  • 36. ZA POMOCĄ EKSPLORACJI DANYCH… …można odkryć wzorce zachowań wśród użytkowników serwisu. …można poznać zainteresowania użytkowników i ich preferencje zakupowe. …można lepiej dostosować stronę internetową do potrzeb użytkownika. …można wykorzystać wiedzę zawartą w ogromnych zbiorach informacji, jakie posiada każdy serwis internetowy.
  • 37. Michał Bryś Analityk danych Specjalista SEM michalbrys.pl kontakt@michalbrys.pl