UNIWERSYTET SZCZECIŃSKI. Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym

Transkrypt

1 UNIWERSYTET SZCZECIŃSKI WYDZIAŁ NAUK EKONOMICZNYCH I ZARZĄDZANIA Instytut Informatyki w Zarządzaniu mgr Tomasz Zdziebko AUTOREFERAT ROZPRAWY DOKTORSKIEJ Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym Promotor: Prof. zw. dr hab. inż. Ryszard Budziński Uniwersytet Szczeciński Wydział Nauk Ekonomicznych i Zarządzania Instytut Informatyki w Zarządzaniu Recenzenci: Prof. zw. dr hab. inż. Ludosław Drelichowski Uniwersytet Technologiczny-Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Zarządania Katedra Informatyki w Zarządzaniu Dr hab. Jakub Swacha Uniwersytet Szczeciński Wydział Nauk Ekonomicznych i Zarządzania Instytut Informatyki w Zarządzaniu SZCZECIN 2012

2 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 2 Spis treści POSTAWIENIE PROBLEMU BADAWCZEGO... 2 CEL I HIPOTEZA ROZPRAWY... 7 UKŁAD ROZPRAWY... 7 PROCEDURA BADAWCZA... 9 CHARAKTERYSTYKA BADANIA POZNAWCZEGO WYNIKI BADANIA POZNAWCZEGO WNIOSKI KOŃCOWE Postawienie problemu badawczego Dynamiczny rozwój e-handlu, jaki obserwujemy od początku jego narodzin, stanowi pokłosie rozwoju technologii teleinformatycznych, a w szczególności Internetu. Liczne zalety handlu internetowego, widziane z perspektywy klientów, stanowią jednocześnie poważne wyzwanie dla firm. Łatwość dotarcia do oferty znajdującej się o jedno kliknięcie dalej sprawia, że klienci stają się bardziej wymagający. Nasilona walka konkurencyjna w obszarze e-handlu zmusza firmy do podejmowania coraz dalej idących działań, mających na celu zdobycie i utrzymanie klientów. Rosnące potrzeby i wymagania klientów znalazły wyraz w koncepcji zarządzania zorientowanego na klienta, określanego również mianem zarządzania przez wartość dla klienta lub zarządzania wartością klientów. W szczególności sukces firmy, jak podkreśla B. Dobiegała-Korona, zapewnić mogą nie tylko zadowoleni klienci, ale przede wszystkim lojalni, gdyż tacy klienci generują największe wpływy (częściej kupują), są mniej wrażliwi na ceny, działania konkurentów oraz przyciągają nowych klientów 1. Istotę tego wyzwania ujmuje koncepcja zarządzania relacjami z klientami (CustomerRelationship Management), która stanowi odpowiedź na nasilenie konkurencji oraz malejącą lojalność klientów 2. Filozofia CRM polega na stosowaniu indywidualnych strategii w stosunku do każdego klienta w celu nie tylko zdobycia, ale przede wszystkim utrzymania długoterminowego z nim kontaktu. Stąd istotą CRM jest budowa spójnego, bogatego w szczegóły wizerunku klienta oraz organizacja pracy pozwalająca na możliwie indywidualne traktowanie każdego klienta. 1 Dobiegała-Korona B.: Zarządzanie wartością klienta. Materiały konferencyjne - Drugiej Międzynarodowej Konferencji Zarządzania i Technologii Informatycznych "Przedsiębiorstwo Przyszłości". Warszawa 2001.[dostęp: ]. Dostępny w Internecie: < 2 Szymura-Tyc M.: Zarządzanie przez wartość dla klienta - budowa wartości firmy. Materiały konferencyjne - Drugiej Międzynarodowej Konferencji Zarządzania i Technologii Informatycznych "Przedsiębiorstwo Przyszłości". Warszawa 2001.[dostęp: ]. Dostępny w Internecie: <

3 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 3 Jak zauważa P. Drygas klienci Internetowi są bardzo wymagający i posiadają klarownie określone preferencje 3. Istotę wyzwania, przed jakim stoi e-handel, zwięźle ujmuje J. Harasymów, twierdząc, że podstawą zdobycia lojalnego klienta w Internecie jest przede wszystkim poznanie jego preferencji i dostosowanie się do nich 4. Problem zrozumienia i zaspokojenia indywidualnych potrzeb klientów nabiera szczególnego znaczenia w serwisach handlu elektronicznego, gdzie klienci mogą dokonać wyboru nie spośród tysięcy książek dostępnych w lokalnej księgarni, ale spośród dziesiątek i setek tysięcy a nawet milionów książek dostępnych w księgarni internetowej. Zwiększony wybór powoduje jednak, że klienci stają w obliczu nieuchronnego zagubienia się w tym gąszczu przeładowania informacyjnego. Co więcej, istotnym utrudnieniem jest brak możliwości bezpośredniego kontaktu e-klienta ze sprzedawcą. Aby rozwiązać te problemy, sklepy internetowe stosują masowe dostosowanie sposobu prezentacji produktów 5. Dostosowanie to określane jest w literaturze mianem adaptacji. Adaptacyjne witryny to pojęcie bardzo szerokie, odnoszące się do wszelkich stron internetowych, które w miarę upływu czasu są dopasowywane, tj. tak strojone, by mogły lepiej spełniać swoje funkcje. Jednym z rodzajów adaptacji jest personalizacja, która w najszerszym ujęciu definiowana jest jako każda akcja, która dostosowuje informacje lub usługi oferowane przez stronę internetową do potrzeb konkretnego użytkownika (...), wykorzystując wiedzę na temat zachowania użytkowników i ich preferencji w połączeniu z zawartością i strukturą strony 6. Istotnym elementem personalizacji, odróżniającym ją od innych technik adaptacyjnych, jest dopasowanie witryny względem indywidualnych preferencji i potrzeb każdego pojedynczego użytkownika. Potrzebę indywidualnego traktowania każdego klienta serwisu internetowego najlepiej wyraża stwierdzenie pioniera i jednocześnie niekwestionowanego lidera handlu elektronicznego Jeffa Bezosa (CEO Amazon.com):, Jeśli mam trzy miliony klientów mojej witryny, powinienem mieć 3 miliony sklepów dla moich użytkowników 7. Jednym z najczęściej stosowanych rozwiązań personalizacji są systemy rekomendacyjne, których zadaniem jest dostarczanie użytkownikom rekomendacji produktów, informacji i usług, jak najlepiej dopasowanych do ich osobistych preferencji i potrzeb. Przykłady praktycznego zastosowania systemów rekomendacyjnych stanowią rekomendacje filmów, książek i muzyki, a także innych produktów dostępnych w sklepach internetowych. Jak podkreślają badacze, skuteczny system rekomendacyjny (dostarczający trafnych rekomendacji) powoduje wzrost zadowolenia klientów wpływając na ich przywiązanie do danego sklepu 8. Wyniki badania przeprowadzonego przez ChoiceStream pokazują, że aż 78 proc. ankietowanych wyraża 3 Drygas P.: Zarządzanie marketingowe przedsiębiorstwem handlu internetowego. Electronic Commerce: Teoria i Zastosowania, Gdańsk Harasymów J.: Kształtowanie lojalności klientów sklepów internetowych. [dostęp: 24lutego 2011]. Dostępny w internecie: < 5 Pine II B.J.,Gilmore J.H.: The Experience Economy. Harvard Business School Press, Boston EirinakiM., VazirgiannisM.:Web mining for web personalization. ACM Transactions on Internet Technology (TOIT). ACM. Luty2003, Volume 3, Issue1. 7 Schafer J.B., Konstan J., ReidelJ.: Recommender Systems in E-Commerce. Materiały pierwszej konferencji E-commerce, ACM-EC 1999, Denver, Schafer J. B., Konstan J. A., Riedl J.: E-commerce recommendation applications. Data Mining and Knowledge Discovery, Volume 5, Numbers 1-2, s

4 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 4 zainteresowanie otrzymywaniem spersonalizowanych rekomendacji 9. Natomiast 59 proc. użytkowników deklaruje, że spersonalizowane rekomendacje, bazujące na ich wcześniejszych zakupach w danym sklepie, skłaniają do ponownego skorzystania z jego oferty 10. Efekty wynikające ze stosowania personalizacji i rekomendacji zrozumiało wiele sklepów internetowych. Wdrożenie systemu rekomendacyjnego StrandsSocialRecommender przez firmę Footwearetc.com zaowocowało 69 proc. wzrostem średniej wartości zamówienia złożonego na podstawie rekomendacji 11. Z kolei Direct Golf UK, po wdrożeniu rozwiązania rekomendacyjnego firmy AvailIntelligence, odnotował wzrost średniej wartości zamówienia o 10 funtów 12. Dodatkowym efektem tego wdrożenia był wzrost poziomu konwersji osób odwiedzających serwis w jego klientów. Dostarczenie rekomendacji dopasowanych do indywidualnych potrzeb i preferencji klientów wymaga jak najdokładniejszego poznania tych potrzeb. Lepsze zrozumienie preferencji klientów pozwoli na sprawniejsze ich zaspokajanie poprzez generowanie rekomendacji lepiej do nich dopasowanych. Analogicznie do tradycyjnego handlu, w handlu internetowym dobremu sprzedawcy niezbędna jest wiedza o potrzebach i preferencjach swoich klientów. Bezpośrednie pozyskiwanie preferencji polega na pytaniu użytkowników o nie, gdyż jak zauważa J. Nielsen to właśnie użytkownicy z reguły wiedzą najlepiej o własnych preferencjach, potrzebach i celach 13. Pozyskiwanie preferencji użytkowników w tej technice realizowane jest najczęściej podczas pierwszego kontaktu z systemem, np. poprzez wypełnianie formularzy rejestracyjnych, jak również w trakcie współpracy z systemem. W przypadku handlu elektronicznego, jedną z najczęściej wykorzystywanych technik bezpośredniego pozyskiwania preferencji jest zamieszczanie formularza do oceny satysfakcji z produktu w skali kilkustopniowej bądź zamieszczenia opinii o produkcie w formie tekstowego komentarza. Niestety w wielu przypadkach pytanie użytkowników o ich preferencje jest niemożliwe lub niepożądane. Sytuacja taka występuje z reguły w serwisach internetowych, których użytkownicy chcą od razu przystąpić do realizacji swoich celów. Jak dowiodły badania, pytanie użytkowników o preferencje zakłóca realizację zadań a nawet ich irytuje 14. Obserwacja zachowania użytkowników prowadzi do wniosku, że są oni niechętni podejmowaniu dodatkowych działań, jeśli w ich mniemaniu nie przyniosą korzyści 15. Prowadzi to niestety bardzo często do całkowitej rezygnacji z wyrażania 9 ChoiceStream, Inc.: 2008 ChoiceStream Personalization Survey. [dostęp: ]. Dostępny w Internecie: < 10 DoubleClick Performics: Challenges and Best Practices for Achieving Online Shopper Loyalty A Look Inside the E-Commerce Consumer Experience.. [dostęp: ]. Dostępny w Internecie:< 11 Strands: Footwear etc.:a/b Test reveals a 75% increase in sales from recommendations.[dostęp: ]. Dostępny w Internecie: < Case.pdf>. 12 Avail Intelligence: Avail Success Stories DIRECT GOLF UK.[dostęp: ]. Dostępny w Internecie: < 13 Nielsen J.: Personalization is over-rated. Alertbox. [dostęp: ]. Dostępny w Internecie: < 14 Kellar M., et. al..:effect of task on time spent reading as an implicit measure of interest. American Society for Information Science and Technology 2004, Volume 41, Issue 1, s Grundin J.: Groupware and Social Dynamics: Eight Challenges for Developers. Communications of the ACM, Styczeń1994. Volume 37, Issue 1, s

5 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 5 swoich opinii o oglądanych towarach 16. Jeśli jednak użytkownicy wykażą odpowiednie chęci do dokonywania ocen, to ich opinie dotyczą z reguły znacznie mniejszej liczby produktów, niż w rzeczywistości oglądają 17. Co więcej preferencje określone w trakcie wypełniania formularza rejestracyjnego ulegają dezaktualizacji z biegiem czasu. Ze względu na powyższe problemy, bezpośrednie pozyskiwanie preferencji użytkowników w praktyce nie przynosi zadowalających efektów. W literaturze przedmiotu proponuje się zastosowanie techniki pośredniej informacji zwrotnej. Technika ta polega na obserwacji zachowania użytkowników w trakcie interakcji z systemem (stroną internetową). Następnie na podstawie zaobserwowanego zachowania wyciągane są wnioski o zainteresowaniach i preferencjach użytkowników. Mimo tego, że technika ta jest z reguły mniej dokładna 18, jest ona pozbawiona wad techniki bezpośredniej, ponieważ odkrywanie preferencji odbywa się w sposób niewidoczny dla użytkownika, nierozpraszający go i niewymagający od niego żadnych dodatkowych działań. W pracy, jako preferencje rozumie się zbiór wartości określających postawy klientów wobec towarów, które wzbudziły ich zainteresowanie. Postawy te mierzone są poziomem zainteresowania wyznaczanym dla każdego z towarów, które zostały obejrzane przez użytkownika w trakcie eksploracji oferty serwisu handlu elektronicznego. Oczywiście tak ścisłe rozumienie preferencji dotyczy jedynie serwisów handlu elektronicznego. Natomiast w kontekście innych rodzajów serwisów preferencje znaczą tyle, co zainteresowanie użytkowników wyrażone względem oglądanych stron. Zagadnienie identyfikacji preferencji użytkowników serwisów handlu elektronicznego jest problem złożonym. Monitorowanie zachowania użytkowników wymaga po pierwsze opracowania spójnego mechanizmu pozyskiwania danych, po drugie nie wszystkie zachowania użytkowników świadczą jednoznacznie o ich zainteresowaniach. W trakcie interakcji użytkowników ze stronami internetowymi możliwe jest rejestrowanie akcji dokonywanych w ich obrębie. Technologie tworzące strony internetowe, takie jak DOM, JavaScript i HTML, umożliwiają rejestrowanie interakcji ze stroną przy użyciu urządzeń wejścia takich jak np. mysz i klawiatura. Niektóre podejmowane przez użytkowników działania kryją w sobie jednoznaczny sens. Akcje takie jak: dodanie strony do ulubionych, zapis strony na dysku, wydruk strony na ogół świadczą o zainteresowaniu użytkowników. Innymi wskaźnikami zachowania omawianymi w literaturze są: dystans przesuwania kursora, dystans przewijania zawartości strony, czy też czas otwarcia strony. Wskaźniki te obliczane są dla każdej strony odwiedzonej przez użytkownika. Analiza literatury wskazuje na pewien zbiór wskaźników zachowania, które pozwalają na wnioskowanie o zainteresowaniu użytkowników. Jednakże wśród badaczy nie ma konsensusu co do znaczenia im przypisywanego. Niektórzy badacze uważają, że zmierzony dystans przewijania 16 AveryC., Zeckhauser R.: Recommender systems for evaluating Computer Messages. Communications of the ACM.Marzec 1997, Volume 40 Issue 3, s SawarB., et al.:using filtering agents to improve prediction quality in the GroupLens Research Collaborative Filtering System. Conference on Computer Supported Cooperative Work. ACM, NowyJork Watson A., Sasse M. A.:Measuring perceived quality of speech and video in multimedia conferencing applications. ACM international conference on Multimedia.ACM, NowyJork 1998, s

6 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 6 zawartości strony jest dodatnio skorelowany z poziomem zainteresowania, podczas gdy inne badania nie potwierdzają takiej zależności. Rozbieżność ta wynikać może z faktu, iż omawiane zjawisko, jest na tyle złożone, że nie ma mowy o jednej, najlepszej metodzie modelowania preferencji użytkowników z wykorzystaniem techniki pośredniej informacji zwrotnej. Jak zauważa D. Kelly, wciąż istnieje spory niedostatek badań w tym obszarze 19. Problem ten zauważają również inni badacze, wśród których należy wymienić: J. Goecksa i J. Shavlika 20 oraz G. Velayathana i S. Yamadę 21. Sytuacja ta jest po części efektem stosowania różnych metod w zakresie: zbierania danych, obliczania wskaźników zachowania oraz modelowania preferencji. Nie wszystkie wskaźniki mogą świadczyć jednakowo o zainteresowaniu. Niektóre z nich mogą być użyteczne dopiero w kombinacji z innymi wskaźnikami. Istotny problem stanowi również pozyskanie rzeczywistych danych o zachowaniu użytkowników, gdyż są one jednym z najpilniej strzeżonych zasobów firm prowadzących działalność handlową w sieci. Szczególnie duży niedostatek badań występuje w obszarze identyfikacji preferencji użytkowników serwisów handlu elektronicznego. Znaleźć można natomiast pewien zbiór wartościowych prac, w których badacze monitorowali zachowanie użytkowników różnych rodzajów serwisów internetowych 22. Badacze ci prezentowali różnorodne podejścia do modelowania preferencji, polegające na wykorzystaniu współczynników korelacji albo drzew klasyfikacyjnych. Wyniki tych badań dostarczają wartościowej wiedzy w kontekście dowolnych serwisów internetowych, nie ujmują jednak specyfiki serwisów handlu elektronicznego. Powstaje zatem problem: w jaki sposób zidentyfikować preferencje użytkowników serwisów handlu elektronicznego przy zastosowaniu techniki pośredniej informacji zwrotnej. Przesłanką przemawiającą za powstaniem niniejszej rozprawy było wypełnienie opisanej luki badawczej i metodycznej. Ważne dla autora było również opracowanie narzędzia badawczego, które umożliwi pozyskanie danych o zachowaniu użytkowników serwisów handlu elektronicznego bez potrzeby angażowania ich właścicieli. Istotnym aspektem prowadzonych badań była dogłębna analiza zjawiska i próba wykrycia zależności w nim występujących. Opracowanie rozwiązania problemu dostarcza wiedzę umożliwiającą usprawnienie zarządzania relacjami z klientami. W szczególności wyniki rozprawy mogą być wykorzystane w systemach rekomendacyjnych generujących zautomatyzowane rekomendacje produktów zgodnych z potrzebami klientów. Istotność tego problemu podkreśla fakt, że aż 34 proc. użytkowników opuszcza witrynę statystycznego sklepu z powodu powstania przekonania o niemożności odnalezienia wśród prezentowanego asortymentu sklepu interesujących 19 Kelly D.: Implicit Feedback: Using Behavior to Infer Relevance. New Directions in Cognitive Information Retrieval. The Information Retrieval Series, 2005,Volume 19, Section IV, s Goecks J., Shalvik J.: Learning users' interests by unobtrusively observing their normal behavior. Proceedings of the 5th international conference on Intelligent user interfaces. ACM, NowyJork Velayathan Y., Seiji Y.: Investigating User Browsing Behavior. Proceedings of the 2007 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology Workshops.Waszyngton ClaypoolM., et al.: Implicit Interest Indicators. Proceedings of the 6th international conference on Intelligent user interfaces. ACM, Nowy Jork Velayathan G., Yamada S.: Behavior-Based Web Page Evaluation, Journal Of Web Engineering. Czerwiec 2007, Volume 6, Issue 2.

7 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 7 produktów 23. Efektywny system rekomendacyjny może skutecznie ograniczyć bądź wyeliminować pojawienie się tego rodzaju uczuć. Cel i hipoteza rozprawy Celem rozprawy jest opracowanie klasyfikacyjnego modelu identyfikacji preferencji użytkowników serwisów handlu elektronicznego na potrzeby systemów rekomendacyjnych, w oparciu o dane zgromadzone przy użyciu techniki pośredniej informacji zwrotnej (ang. implicite feedback). Do osiągnięcia tego celu posłuży wypracowana przez autora procedura badawcza, wykorzystująca autorskie rozszerzenie dla przeglądarki internetowej Firefox oraz metodę drzew klasyfikacyjnych, mająca na celu wykrycie reguł umożliwiających predykcję preferencji e-klientów. Istotnym celem rozprawy ze względu na znaczne braki w literaturze, zwłaszcza polskojęzycznej, jest przegląd i usystematyzowanie pojęć związanych z zagadnieniem identyfikacji preferencji użytkowników serwisów internetowych oraz pojęć związanych z systemami rekomendacyjnymi. W pracy weryfikuje się hipotezę badawczą mówiącą, że opracowana procedura analityczna wykorzystująca technikę pośredniej informacji zwrotnej oraz metodę drzew klasyfikacyjnych jest użyteczna w modelowaniu preferencji użytkowników serwisów handlu elektronicznego. Rozprawa ma głównie charakter poznawczy, ale również metodyczny i stosowany. Aspekt metodyczny wyraża się w opracowaniu procedury analitycznej do modelowania preferencji e-klientów. Wykorzystanie danych zgromadzonych w drodze badania poznawczego pozwoliło na pozyskanie cennej i istotnej do wykorzystania w praktyce wiedzy o zachowaniu klientów. Praca ta ma charakter interdyscyplinarny, gdyż poza zgłębieniem zagadnienia identyfikacji preferencji, szczegółowo omówiono kwestię zarządzania relacjami z klientami, jak również dokonano charakterystyki systemów rekomendacyjnych. Układ rozprawy Praca składa się sześciu rozdziałów, które koncentrują się na badaniach z zakresu zarządzania relacjami z klientami i odkrywania preferencji użytkowników serwisów handlu elektronicznego. Problemem badawczym podejmowanym w rozprawie jest opracowanie klasyfikacyjnego modelu identyfikacji preferencji klientów na potrzeby systemów rekomendacyjnych, funkcjonujących w serwisach handlu elektronicznego. Rozdział pierwszy stanowi wstęp, w którym przedstawiono założenia rozprawy doktorskiej. W rozdziale tym dokonano przeglądu zmian społeczno-gospodarczych, które doprowadziły do wykształcenia nowej formy prowadzenia handlu, jak również spowodowały powstanie nowych paradygmatów zarządzania. Podkreślono również istotną rolę zarządzania relacjami z klientami w procesie budowania i pielęgnacji długotrwałych więzi ze szczególnie wymagającymi klientami e-sklepów. Nakreślono także problem identyfikacji preferencji klientów wirtualnych sklepów oraz 23 Szymański G.: Ecommerce 2010, Internet Standard, Tabela: Odsetek kupujących w sieci w Europie, Eurostat, str. 8.

8 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 8 zaakcentowano wagę tego problemu w oparciu o opinie badaczy przedmiotu. Ponadto przedstawiono cel i charakter rozprawy oraz postawiono hipotezę badawczą. W rozdziale drugim dokonano charakterystyki handlu elektronicznego na tle zmian społeczno-ekonomicznych, jakie zostały zapoczątkowane w drugiej połowie XX wieku. Przedstawiono tutaj stan obecny e-handlu oraz perspektywy jego dalszego rozwoju. Celem tego rozdziału było również omówienie charakterystyki hipertekstu i hipermediów jako środowiska, w którym poruszają się i wykonują zadania użytkownicy serwisów internetowych. Zaprezentowano w nim również problemy, jakie mogą oni napotkać w trakcie eksploracji zasobów hipertekstowych. Rozdział ten przedstawia także ewolucję koncepcji zarządzania ukierunkowaną na zarządzanie relacjami z klientami (CRM). Dokonano tu również charakterystyki systemów e-crm, których rolą jest wspomaganie realizacji idei CRM w elektronicznych kanałach sprzedaży. W rozdziale trzecim przedstawiono charakterystykę systemów personalizacyjnych ze szczególnym naciskiem na systemy rekomendacyjne. Dokonano przeglądu form realizacji personalizacji w serwisach internetowych oraz określono i usystematyzowano pojęcia z tej dziedziny. Przedstawiono tutaj również typologię systemów rekomendacyjnych, będących istotnym ogniwem w procesie zarządzania relacjami z klientami. Zasadniczym celem tego rozdziału było przedstawienie metod identyfikacji preferencji użytkowników serwisów internetowych. W rozdziale tym dokonano przeglądu wyników badań prowadzonych w obszarze techniki pośredniej informacji zwrotnej do identyfikacji preferencji użytkowników sieci WWW. Uzyskanym efektem jest identyfikacja obszarów wykazujących istotne braki w zakresie wiedzy poznawczej, wymagających prowadzenia dalszych badań. Rozdział czwarty zawiera opis zastosowanej w pracy procedury badawczej. Scharakteryzowano tu jej poszczególne etapy oraz wyjaśniono przyjętą metodologię. Przedstawiono szczegółowo założenia badania poznawczego mającego na celu wykrycie istotnych zależności pomiędzy zachowaniem użytkowników a ich preferencjami. Rozdział ten zawiera dokładną charakterystykę wykorzystanego w tym badaniu autorskiego rozszerzenia dla przeglądarki internetowej Firefox. Omówiono tu sposób funkcjonowania rozszerzenia oraz wyliczania rejestrowanych parametrów stron i wskaźników zachowania. Rozdział czwarty kończy opis metod analitycznych użytych do wykrycia prawidłowości w zachowaniu użytkowników w stosunku do wyrażonych preferencji. Rozdział piąty zawiera wyniki autorskich badań przeprowadzonych na grupie użytkowników serwisów handlu elektronicznego z wykorzystaniem zaproponowanej procedury odkrywania preferencji. Na wstępie dokonano charakterystyki badania poznawczego, którego celem było zgromadzenie danych odnośnie zachowania i preferencji użytkowników. W dalszej części rozdziału omówiono wyniki procedury analitycznej, mającej na celu odkrycie zależności umożliwiających wyjaśnienie czynników określających preferencje e-klientów względem towarów odwiedzanych. W kolejności przedstawiono wyniki statystycznej analizy danych, dokonano doboru zmiennych objaśniających oraz przeprowadzono modelowanie z wykorzystaniem drzew klasyfikacyjnych i regresji logistycznej. Dokonano również podsumowania przeprowadzonych badań oraz przedstawiono model systemu rekomendacyjnego wykorzystujący ich wyniki.

9 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 9 W zakończeniu rozprawy podsumowano uzyskane rezultaty badań, określono osiągnięcie celu i weryfikację hipotezy. Ponadto rozdział ten zawiera wskazówki odnośnie propozycji dalszych badań w obszarze identyfikacji preferencji e-klientów. Procedura badawcza Problem badawczy: W jaki sposób zidentyfikować preferencje użytkowników serwisów handlu elektronicznego na podstawie obserwacji ich zachowania? Określenie problemu i celu badań Cel rozprawy: Opracowanie klasyfikacyjnego modelu identyfikacji preferencji użytkowników serwisów handlu elektronicznego na potrzeby systemów rekomendacyjnych w oparciu o dane zgromadzone przy użyciu techniki pośredniej informacji zwrotnej (ang. implicit feedback). Opracowanie badania poznawczego Opracowanie rozszerzenia badawczego dla przeglądarki FireFox oraz schematu badania poznawczego z wykorzystaniem tego narzędzia. Badanie z udziałem respondentów Badanie poznawcze z wykorzystaniem opracowanego rozszerzenia badawczego. Przeglądowa analiza danych Zrozumienie danych zgromadzonych w badaniu i poszukiwanie zależności z wykorzystaniem statystycznych metod analizy danych. Klasyfikacja wzorcowa Zastosowanie metody drzew klasyfikacyjnych i regresji logistycznej do budowy klasyfikacyjnego modelu preferencji e-klientów. Ocena uzyskanego rozwiązania Interpretacja wyników oraz sformułowanie wniosków końcowych. Rysunek 1 Procedura badawcza przyjęta w rozprawie Do osiągnięcia celu rozprawy, jakim jest opracowanie klasyfikacyjnego modelu identyfikacji preferencji użytkowników serwisów handlu elektronicznego na potrzeby systemów rekomendacyjnych, w oparciu o dane zgromadzone przy użyciu techniki pośredniej informacji zwrotnej, posłużyła sześcioetapowa procedura badawcza (rysunek 1). Etap I: Określenie problemu i celu badań W pierwszym etapie została wykorzystana literatura przedmiotu z dziedziny zarządzania, handlu elektronicznego oraz technik pośredniej informacji zwrotnej a także dane pochodzące z raportów odnośnie handlu elektronicznego i systemów rekomendacyjnych. Etap ten pozwolił na postawienie problemu badawczego i określenie celu rozprawy. Etap II: Opracowanie badania poznawczego Ze względu na potrzebę wypełnienia wspomnianej w uzasadnieniu problemu luki badawczej postanowiono przeprowadzić badanie poznawcze, pozwalające na zebranie danych o zachowaniu i preferencjach użytkowników e-handlu. W tym celu zdefiniowano wymogi odnośnie: sklepów biorących udział w badaniu, narzędzia zbierającego informacje o zachowaniu i preferencjach użytkowników oraz zakresu zbieranych informacji. Do realizacji tego etapu została wykorzystana literatura przedmiotu z dziedziny technik pośredniej informacji zwrotnej, programowania

10 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 10 rozszerzeń dla przeglądarki Firefox. Efektem tego etapu było opracowanie autorskiego narzędzia badawczego w formie rozszerzenia dla przeglądarki FireFox - BPE, schematu badania oraz strony badania. Należy podkreślić, że rozszerzenie BPE posiada duże walory utylitarne, gdyż umożliwia prowadzenie badania pozwalającego na poznanie szerokiego spektrum zachowania respondentów w sposób nieinwazyjny. Istotną zaletą jest jego zaletą jest możliwość prowadzenia badania dla dowolnie wybranych serwisów e-handlu, bez konieczności instalacji jakiegokolwiek oprogramowania na serwerach je obsługujących. Etap III: Badanie z udziałem respondentów Na tym etapie przeprowadzono badanie z udziałem 85 respondentów. Ze względu na ograniczone środki, dobór próby do badania został przeprowadzony w sposób uznaniowy 24. Taki sposób doboru próby wynikał z charakteru badanego zjawiska oraz braku wystarczających środków finansowych niezbędnych do pozyskania reprezentatywnej grupy respondentów. Aby jednak pozyskać możliwie dużą próbę o charakterystyce zbliżonej do populacji, propozycja udziału w badaniu została skierowana do szerokiego kręgu potencjalnych kandydatów. Zaproszenia do badania zostały przesłane drogą mailową, jak również zamieszczone na: kilku forach dyskusyjnych, internetowych stronach organizacji oraz profilach organizacji na portalu Facebook. Do promocji badania została wykorzystana witryna internetowa utworzona na jego potrzeby. Etap IV: Przeglądowa analiza danych Na tym etapie autor dokonał przeglądowej analizy danych zgromadzonych w badaniu poznawczym przy zastosowaniu metod statystycznych. Wykorzystane zostały histogramy, miary położenia, zróżnicowania i asymetrii. Do oceny współliniowości pomiędzy zmienną zależną a zmiennymi niezależnymi posłużono się wykresami średnich, współczynnikiem korelacji tau Kendalla oraz testem Kruskala-Wallisa. Przeprowadzone analizy pozwoliły na dokonanie doboru zmiennych posiadających istotną wartość predykcyjną, które zostały wykorzystane do budowy modeli klasyfikacyjnych w kolejnym etapie procedury. Etap V: Klasyfikacja wzorcowa Do budowy modeli klasyfikacyjnych wykorzystano metodę drzew klasyfikacyjnych oraz metodę regresji logistycznej. Metody te są sprawdzonymi rozwiązaniami wykorzystywanymi w obszarze identyfikacji preferencji użytkowników. Jej zastosowanie można znaleźć m.in. w pracach: Menard K. 25, Velayathan G. i Yamada S. 26 oraz Fox s. i innych 27. Modele uzyskane na podstawie tych metod mogą zostać w łatwy sposób wykorzystane na potrzeby systemów rekomendacyjnych. 24 Schonlau M.,Fricker R. D.,Elliott M. N.: Conducting Research Surveys via and the Web, RAND Corporation, Menard K.: Evaluating User Feedback Systems. Worcester Polytechnic Institute, Velayathan Y., Seiji Y.: Investigating User Browsing Behavior. Proceedings of the 2007 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology Workshops. Waszyngton Fox S., et al.: Evaluating implicit measures to improve web search. ACM Transactions on Information System. Volume 23 Issue 2, Kwiecień 2005.

11 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 11 Etap V: Ocena uzyskanego rozwiązania Celem tego etapu było podsumowanie uzyskanych wyników. Na etapie tym zaproponowano również model systemu rekomendacyjnego dla serwisów handlu elektronicznego wykorzystujący wyniki badania. Charakterystyka badania poznawczego W celu opracowania klasyfikacyjnego modelu identyfikacji preferencji użytkowników handlu elektronicznego, konieczne jest posiadanie danych o zachowaniu użytkowników i ich preferencjach względem oglądanych towarów. Dane o zachowaniu użytkowników e-sklepów dostępne w logach serwerów www nie dostarczają jednoznacznych informacji o poziomie zainteresowania oglądanymi produktami. Nie każdy produkt oglądany przez użytkowników serwisu zainteresował ich i spodobał się im. Poszukiwanie związku pomiędzy preferencjami użytkowników a ich zachowaniem wymaga rejestrowania obu tych informacji w ramach prowadzonego badania. Niestety dane takie są ogólnie dostępne w związku, z czym autor podjął się opracowania badania poznawczego, mającego na celu ich pozyskanie. Za przeprowadzeniem badania przemawia również potrzeba uzupełnienia i weryfikacji sprzecznych wniosków płynących z nielicznych badań w tym obszarze. Przy konstrukcji badania poznawczego postawiono sobie za cel ograniczenie a nawet wyeliminowanie wpływu warunków badania na jego przebieg. Aby postulat ten był spełniony w możliwie najwyższym stopniu, autor określił podstawowe wymogi, jakie winny być spełnione odnośnie trzech składowych badania: sklepów biorących udział w badaniu, wykorzystywanego narzędzia obserwacyjnego, zakresu zbieranych informacji. Wymóg pierwszy odnosi się do witryn e-handlu, w których będzie prowadzone badanie. Ważne jest, aby były to witryny rzeczywiście funkcjonujących, popularnych serwisów handlu elektronicznego, gdyż takie witryny gwarantują uczestnikom komfortowe i znajome warunki eksploracji. Narzędzie badawcze służące obserwacji użytkowników powinno umożliwiać zbieranie danych o ich zachowaniu i preferencjach odnośnie oglądanych produktów. W związku z tymi wymogami zastosowanie istniejącej przeglądarki internetowej w jej oryginalnej postaci jest niewystarczające. Badacze prowadzący badania w tym obszarze, wykorzystywali przeważnie autorskie lub zmodyfikowane przeglądarki internetowe. Niestety taka sytuacja może być przyczyną dyskomfortu użytkowników, przez co może się przyczynić do zniekształcenia wyników badania. W związku z tym zdefiniowano wymóg zapewnienia uczestnikom możliwości korzystania z popularnej przeglądarki internetowej. Najlepiej z takiej przeglądarki, z jakiej korzystają na co dzień, eksplorując zasoby sieci WWW. Ostatnim z wymogów jest zapewnienie monitorowania zachowania uczestników badania w sposób jak najbardziej szczegółowy, tak aby możliwe było jak najpełniejsze zrozumienie i wyjaśnienie badanego zjawiska. Należy zauważyć, że analizowane zagadnienie preferencji użytkowników jest wielowymiarowe i wieloaspektowe. Pełne zrozumienie tego zjawiska, wymaga analizy wielu zmiennych, takich jak np.: subiektywna opinia o danej marce, nastrój, cel

12 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 12 poszukiwania produktu i indywidualne predyspozycje psychofizyczne. Pomiar wszystkich aspektów jest zadaniem wysoce trudnym, a z praktycznego punktu widzenia bezcelowym. W związku z tym, że celem prowadzonych badań jest opracowanie klasyfikacyjnego modelu identyfikacji preferencji użytkowników na potrzeby systemów rekomendacyjnych, podjęto decyzję o wyborze takiego sposobu pozyskiwania danych jak i ich zakresu, który będzie możliwy do wykorzystania w tych systemach. W szczególności sposób i zakres monitorowanych danych o zachowaniu użytkowników ograniczono tak, aby mogły być one użyte przez każdy serwis internetowy na bazie posiadanych rozwiązań technologicznych. W związku z zdefiniowanymi powyżej wymogami podjęto decyzję o wykorzystaniu mechanizmu rozszerzeń funkcjonalności przeglądarki Firefox do budowy narzędzia badawczego. W tym celu na potrzeby badania poznawczego autor opracował dedykowane rozszerzenie badawcze o nazwie Badanie Preferencji E-klientów (w skrócie BPE). Przeglądarka Firefox obecnie cieszy się największą popularnością. Korzysta z niej około 42,2 proc użytkowników 28. Funkcjonalność przeglądarki FireFox może być rozbudowana poprzez instalację dodatkowych rozszerzeń. Dzięki temu przeglądarkę można wzbogacić o dodatkowe funkcje, takie jak np.: gesty myszy, blokowanie reklam, tłumaczenie strony na inne języki, zawansowane pobieranie plików, organizację kart. Rozszerzenia posiadają uprzywilejowaną pozycję w środowisku przeglądarki i z racji tego umożliwiają śledzenie wszystkich działań użytkowników wykonywanych w jej obrębie. jak: Do przeprowadzania badania autor wybrał pięć popularnych sklepów internetowych, takich merlin.pl; komputronik.pl; agito.pl; morele.net; electro.pl. Wybór ten był podyktowany czynnikami obiektywnymi takimi jak wielkość przychodów i szerokość oferty. Według wielkości przychodów za rok 2009 sklepy electro.pl, komputronik.pl, merlin.pl, agito.pl, morele.net zajęły kolejno drugie, trzecie, czwarte, piąte i dwunaste miejsce 29. Są to więc sklepy z ścisłej czołówki serwisów handlowych w Polsce. Jeśli chodzi o ofertę produktową to sklepy komputronik.pl oraz morle.net mogą być zaliczone do sklepów wertykalnych, gdyż ich oferta skupia się w kategorii komputery oraz foto & rtv-agd. Natomiast sklepy electro.pl, agito.pl oraz merlin.pl to zdecydowanie sklepy horyzontalne. W ich ofercie można znaleźć produkty z wielu kategorii, w tym m. in. z kategorii: komputery, foto & rtv-agd, książki & multimedia, sport & turystyka, auto & moto, dziecko, zdrowie & uroda. Opis funkcjonowania rozszerzenia Uczestnicy badania byli zobowiązani do instalacji rozszerzenia BPE, dostępnego na stronie badania w przeglądarce Firefox, z której zamierzali korzystać w trackie badania. Po instalacji 28 Browser Statistics Month by Month, danenaczerwiec [dostęp: ]. Dostępny w Internecie: < 29 Internet Standard: Badanie polskich sklepów internetowych. Polska 2010.

13 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 13 rozszerzenia jest ono aktywne i gotowe do pracy. Obecność rozszerzenia może być zaobserwowana poprzez pojawienie się na pasku dodatków przycisków przedstawionych na rysunku 2. Pasek ten zawiera dwie kontrolki, gdzie pierwsza służy do otwarcia okna konfiguracji rozszerzenia. Natomiast druga kontrolka służy do otwarcia nowej karty i załadowana do niej strony jednego z pięciu serwisów biorących udział w badaniu. Rysunek 2 Opcje rozszerzenia BPE widoczne na pasku rozszerzeń przeglądarki FireFox Okno konfiguracji rozszerzania zawiera pięć zakładek za pomocą, których uczestnik może: określić ustawienia rozszerzenia, zapoznać się z informacjami o badaniu, zasadami zachowania prywatności, wypełnić ankietę oraz dokonać zakończenia udziału w badaniu. Po instalacji rozszerzenia możliwości korzystania z przeglądarki nie ulegały ograniczeniu. Użytkownicy mogli przeglądać dowolne witryny nie tylko te sklepów biorących udział w badaniu. Po wejściu na stronę sklepu rozszerzenie określa na podstawie adresu url, czy jest to strona produktu czy inna strona sklepu. W przypadku strony produktu rozszerzenie monitoruje zdarzenia DOM, będące wynikiem aktywności użytkownika. Wybrane zdarzenia zapisywane są bezpośrednio do pliku loga zlokalizowanym na komputerze użytkownika (inaczej dane te musiałby być przesyłane na bieżąco do serwera www powodując znaczny wzrost transmisji danych). Rysunek 3 Okno konfiguracji rozszerzenia BPE Podstawową rolą rozszerzenia BPE jest monitorowanie zachowania użytkowników w celu wyznaczenia wskaźników zachowania (ang. implicite feedback indicators). Obliczanie tych wskaźników zostało zaimplementowane w funkcjach przypisanych do obsługi poszczególnych zdarzeń DOM. Wskaźniki zachowania odzwierciedlają w uproszczony sposób różne aspekty zachowania użytkowników wynikające ze sposobu ich interakcji ze stroną internetową. Z racji celu badania wskaźniki zachowania wyliczane były jedynie dla stron prezentujących szczegółowe informacje o produkcie. Lista 25 rejestrowanych wskaźników została przedstawiona w tabeli 1.

14 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 14 Tabela 1 Wskaźniki zachowania użytkowników wyznaczane przez rozszerzenie BPE Nazwa wskaźnika jednostka pomiaru Opis wskaźnika i sposób jego pomiaru czas otwarcia strony page_time [ms] czas aktywności karty tab_activ_time [ms] czas aktywności użytkownika user_activ_time [ms] czas przebywania kursora w obrębie opisu produktu prod_desc_time [ms] czas przebywania kursora w obrębie rekomendacji prod_recommend_time [ms] czas przebywania kursora w obrębie opinii o produkcie prod_review_time [ms] czas przebywania kursora w obrębie zdjęć produktu prod_image_time [ms] czas przebywania kursora w obrębie pozostałego obszaru strony prod_other_time [ms] dystans kursora mouse_distance [piksele] dystans przewijania strony w pionie vertical_scroll [piksele] dystans przewijania strony w poziomie horizontal_scroll [piksele] liczba kliknięć myszy mouse_clicks liczba kliknięć lewego klawisza myszy lb_mouse_clicks liczba kliknięć prawego klawisza myszy rb_mouse_clicks liczba kliknięć środkowego klawisza myszy mb_mouse_clicks Okres czasu liczony od momentu załadowania strony do jej zamknięcia (również opuszczenia, np. poprzez przejście na inną stronę). Sumaryczny czas w trakcie, którego zakładka zawierająca badaną stronę była aktywna (zdarzenie onfocus). Wskaźnik autorski Sumaryczny czas aktywnego korzystania ze strony przez użytkownika. Wskaźnik ten jest obliczany na podstawie aktywności użytkownika rozumianej jako występowanie zdarzeń wynikających z korzystania z myszy lub klawiatury. Jeśli w okresie dwóch sekund wystąpiło którekolwiek z tych zdarzeń, to okres dwóch sekund zalicza się jako okres aktywności użytkownika. Brak jakiegokolwiek zdarzenia będącego wynikiem użytkowania myszy lub klawiatury w przeciągu dwóch sekund oznacza brak aktywności użytkownika. Wskaźnik autorski Wskaźnik określa sumaryczny okres czasu przebywania kursora w obrębie opisu produktu. Aktualne położenie kursora określane jest na podstawie analizy elementu drzewa dokumentu, na którym wystąpiło zdarzenie mouseover. Jeśli kursor zostanie przemieszczony w obręb obszaru strony zawierającego opis produktu rozpoczyna się zliczanie czasu przebywania kursora w tym obszarze. Sposób identyfikacji poszczególnych obszarów strony produktu został opisany na stronie 126. Wskaźnik autorski Wskaźnik obliczany analogicznie do wskaźnika czasu przebywania kursora myszy w obrębie opisu produktu. Wskaźnik autorski Wskaźnik obliczany analogicznie do wskaźnika czasu przebywania kursora myszy w obrębie opisu produktu. Wskaźnik autorski Sumaryczny okres czasu przebywania kursora w obrębie zdjęć produktu. Wskaźnik obliczany jest analogicznie do wskaźnika czas przebywania kursora myszy w obrębie opisu produktu. Dla każdej witryny brane są pod uwagę miniatury zdjęć produktów, jak również ich pełne wersje otwierane z reguły po kliknięciu na miniaturę. Wskaźnik autorski Sumaryczny okres czasu przebywania kursora w obrębie pozostałego obszaru strony. Pozostały obszar to obszar poza obszarami: opisem, rekomendacji, opinii, zdjęć. Wskaźnik autorski Sumaryczny dystans o jaki został przemieszczony kursor myszy w obrębie monitorowanej strony. Dystans ten jest obliczany dla każdego wystąpienia zdarzenia mousemove, na podstawie długości odcinka łączącego dwa punkty oznaczające aktualne i uprzednie położenie kursora (tzw. odległość Euklidesowa). Sumaryczny dystans o jaki została przewinięta zawartość strony względem osi pionowej. Dystans ten obliczany jest dla wystąpienia każdego zdarzenia scroll. Metoda obliczania tego wskaźnika uwzględnia różne sposoby przewijania zawartości strony, np. poprzez użycie paska suwaka (ang. scrollbar), klawiatury, rolki myszy. Sumaryczny dystans o jaki została przewinięta zawartość strony względem osi poziomej. Dystans ten obliczany jest dla wystąpienia każdego zdarzenia scroll. Sumaryczna liczba kliknięć przycisków myszy niezależnie od rodzaju klawisza. Sumaryczna liczba kliknięć lewego klawisza myszy. Sumaryczna liczba kliknięć prawego klawisza myszy. Sumaryczna liczba kliknięć środkowego przycisków myszy.

15 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 15 liczba zdarzeń kopiowania/wycinania copycut_action liczba zdarzeń zaznaczania select_action liczba znaków zaznaczonego tekstu select_text_size liczba zdarzeń wielokrotnego wciśnięcia klawisza keydown_single liczba zdarzeń pojedynczego wciśnięcia klawiszy keydown_repeatable liczba akcji wyszukiwania find_action liczba akcji drukowania print_action liczba akcji tworzenia zakładki bookmark_action liczba akcji zapisu save_action liczba akcji modyfikowania rozmiaru wyświetlanego dokumentu resize_action produkt odszukany (sposób przejścia na stronę produktu) search_referral [t/n] wartość binarna Sumaryczna liczba zdarzeń kopiowania lub wycinania fragmentu lub całości zawartości strony. Sumaryczna liczba akcji użytkownika polegających na zaznaczeniu fragmentu lub całości zawartości strony. Sumaryczna liczba znaków tekstu, zaznaczonego przez użytkownika w trakcie wszystkich akcji zaznaczania zawartości dokumentu. Wskaźnik autorski Sumaryczna liczba zdarzeń wciśnięcia klawiszy klawiatury zdarzenie keydown. Jeśli klawisz był wciśnięty a następnie przytrzymywany, zdarzenie keydown jest generowane cyklicznie. Każde wystąpienie takiego zdarzenie jest zliczane. Wskaźnik autorski Sumaryczna liczba zdarzeń pojedynczego naciśnięcia klawiszy zdarzenie keydown. Wskaźnik ten zlicza pojedyncze naciśnięcia klawiszy klawiatury. Jeśli użytkownik wciśnie i przytrzyma klawisz w pozycji wciśniętej dłużej, wskaźnik ten zlicza tę akcję jako pojedyncze wciśnięcie klawisza niezależnie od tego, ile zdarzeń keydown zostało wygenerowanych. Liczba akcji wyszukiwania tekstu w obrębie strony, aktywowana z wykorzystaniem następujących skrótów klawiaturowych Ctrl +f, Ctrl + g,, /, F3. Liczba akcji drukowania strony internetowej, aktywowana z wykorzystaniem skrótu klawiaturowego Ctrl + p. Liczba akcji tworzenia zakładki dla bieżącej strony, aktywowana z wykorzystaniem klawiaturowego Ctrl + d. Liczba akcji zapisywania strony internetowej aktywowana z wykorzystaniem skrótu klawiaturowego Ctrl + s. Liczba akcji powiększania strony internetowej, aktywowana z wykorzystaniem następujących skrótów klawiaturowych: Ctrl + +, Ctrl + -, Ctrl + 0. Jest to wskaźnik binarny (t/n), który określa czy na daną stronę produktu użytkownik trafił ze strony wyników wyszukiwarki sklepu. Sposób poruszania się po serwisie umożliwia użytkownikowi różnorodne sposoby dotarcia do strony produktu. Jedna z tych metod to skorzystanie z wyszukiwarki sklepu internetowego, poprzez wpisanie pełnej nazwy produktu lub jej fragmentu. Jest to z reguły najszybsza metoda dotarcia do produktu. źródło: opracowanie własne Poza omówionymi powyżej wskaźnikami zachowania monitorowanymi przez rozszerzenie BPE, wykorzystano również wskaźniki relatywne, których ideą jest ich relatywny charakter uwzględniający specyfikę monitorowanej strony, np. wysokość strony, liczbę znaków tekstu zawartego na stronie. Relatywne wskaźniki zachowania zaproponowane w procedurze stanowią autorską propozycję. Każdy z proponowanych wskaźników obliczany jest jako iloraz dwóch wartości wskaźnika zachowania oraz atrybutu strony. Lista dziesięciu wskaźników wraz z wartościami tworzącego je ilorazu została przedstawiona w tabeli 2. Tabela 2 Relatywne wskaźniki zachowania wyznaczane przez rozszerzenie BPE Wskaźnik Licznik Mianownik Relatywny czas otwarcia rel_page_time Relatywny czas aktywności użytkownika rel_user_activ_time Relatywny czas aktywności karty rel_tab_active_time Relatywny czas przebywania kursora w obrębie opisu produktu rel_prod_desc_time Relatywny czas przebywania kursora w obrębie rekomendacji czas otwarcia strony czas aktywności użytkownika czas aktywności karty czas przebywania kursora w obrębie opisu produktu czas przebywania kursora w obrębie rekomendacji liczba znaków tekstu zawartego na stronie liczba znaków tekstu zawartego na stronie liczba znaków tekstu zawartego na stronie liczba znaków opisu produktu zawartego na stronie liczba znaków tekstów dotyczących rekomendowanych produktów

16 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 16 rel_prod_recommend_time Relatywny czas przebywania kursora w obrębie opinii o produkcie rel_prod_review_time Relatywny czas przebywania kursora w obrębie zdjęć produktu rel_prod_image_time Relatywny dystans kursora rel_mouse_distance Relatywny dystans przewijania strony w pionie rel_vertical_scrol Relatywny dystans przewijania strony w poziomie rel_horizontal_scroll czas przebywania kursora w obrębie opinii o produkcie czas przebywania kursora w obrębie zdjęć produktu dystans kursora dystans przewijania strony w pionie dystans przewijania strony w poziomie liczba znaków opinii o produkcie zawartego na stronie produktu liczba zdjęć produktów zawartych na stronie wysokość zawartości strony wysokość zawartości strony szerokość zawartości strony źródło: opracowanie własne Celem rozszerzenia BPE jest również zbieranie danych o preferencjach użytkowników. W momencie opuszczania strony produktu rozszerzenie wyświetla okno zawierające formularz dwa pytania dotyczące oceny zainteresowania oraz znajomości oglądanego przed chwilą produktu (rysunek 4). Na pierwsze pytanie: Jak bardzo zainteresował Ciebie ten produkt? uczestnik mógł odpowiedzieć korzystając z pięciopunktowej skali porządkowej 1-5. Najniższej wartości zainteresowania przypisano semantyczny odpowiednik wcale, a wartości 5 bardzo interesujący. W kolejnym pytaniu: Czy znałeś ten produkt wcześniej (przed badaniem)? użytkownik mógł określić swoją znajomość tego produktu bądź jej brak. Użytkownik mógł również odmówić udzielenia odpowiedzi na te pytania. Pozyskiwanie oceny zainteresowania przy pomocy tego formularza stanowiło jedyny element wymagający bezpośredniego zaangażowania użytkownika w trakcie korzystania z rozszerzenia BPE.

17 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 17 Rysunek 4 Formularz oceny zainteresowania i znajomości produktu W trakcie korzystania z rozszerzenia BPE wszystkie zgromadzone dane przechowywane są w plikach na dysku lokalnego komputera. Aby zakończyć badanie należy uruchomić przewidzianą w tym celu funkcję Zakończenie badania, która kompresuje a następnie przesyła zgromadzone pliki na serwer badawczy. Wyniki badania poznawczego W celu pozyskania możliwie dużej próby o charakterystyce zbliżonej do populacji, propozycja udziału w badaniu została skierowana do szerokiego kręgu potencjalnych kandydatów. Zaproszenia do badania zostały przesłane drogą mailową, jak również zamieszczone na: kilku forach dyskusyjnych, internetowych stronach organizacji oraz profilach organizacji na portalu Facebook. Na potrzeby promocji badania została opracowana witryna internetowa (rysunek 5). Jej celem było dostarczenie informacji o badaniu oraz zachęcenie potencjalnych uczestników do udziału.

18 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 18 Rysunek 5 Fragment początkowy witryny badania Badanie poznawcze z udziałem użytkowników prowadzone było w okresie od 9 lutego do 12 września 2011 roku. W tym czasie każdy zainteresowany mógł przystąpić do udziału w nim oraz je zakończyć. W trwającym dwieście piętnaście dni badaniu, wzięło udział 85 uczestników. Zadanie postawione przed uczestnikami badania zostało zdefiniowane następująco: Twoje podstawowe zadanie w trakcie badania polega na przeglądaniu zawartości sklepów internetowych biorących udział w badaniu, w poszukiwaniu interesujących Ciebie produktów. Należy zauważyć, że uczestnicy mogli oglądać dowolne produkty z oferty pięciu sklepów biorących udział w badaniu. Istotnym celem przeprowadzonego badania było zapewnienie jak najbardziej naturalnych warunków dla przebiegu badania. W związku z tym, do uczestników skierowano następującą prośbę: Uczestniku badania! Najlepiej, jeśli będziesz przeglądał serwisy biorące udział w badaniu w poszukiwaniu interesujących Ciebie produktów wtedy, gdy będziesz miał taką potrzebę. Możesz to robić na przestrzeni dłuższego czasu, np. miesiąca zamiast, jednej sesji godzinowej. Dodatkowo uczestnicy badania otrzymali wskazówki mające na celu zapewnienie ich jak najbardziej naturalnego zachowania w trackie użytkowania zasobów www. Uczestnicy badania odwiedzili i ocenili w sumie 1396 produktów. Minimalna liczba towarów ocenionych przez jednego uczestnika wyniosła 1, a maksymalna 116. Świadczy to o dużej dysproporcji w liczbie ocenianych towarów przez jednego uczestnika. Z kolei średnia liczba ocenionych towarów przez jednego respondenta wyniosła 16,42, a jej odchylenie standardowe wyniosło 16. Jedna czwarta uczestników oceniła poniżej 7 towarów, podczas gdy górny kwartyl ocenił więcej niż 20 towarów. Wartość rozstępu międzykwartylowego wyniosła 13. Najczęściej oceniano 16 towarów. Ze względu na niskie zaangażowanie zdecydowanej większości respondentów, czego efektem jest niewielka średnia liczba towarów ocenionych przez jednego uczestnika, dokonano celowego wyodrębnienia dwóch zbiorów danych. Pierwszy zbiór stanowiły dane zgromadzone dla wszystkich uczestników badania (85 osób), którzy ocenili w sumie 1396 produktów. Kryterium

19 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 19 wyboru do drugiego zbioru najbardziej aktywnych uczestników, stanowiła sumaryczna liczba produktów ocenionych przez jednego uczestnika w trakcie całego badania. Do grupy tej zostały zaliczone dane pochodzące od tych respondentów, którzy ocenili przynajmniej 30 produktów. Na podstawie tego kryterium wyselekcjonowana została grupa 10 osób. Mimo małej liczności tej grupy, jej członkowie ocenili aż 494 produkty, co stanowi ponad 35 proc. wszystkich ocen. Rozkład częstości bezpośrednich ocen poziomu zainteresowania towarami został przedstawiony w tabeli 3. Uczestnicy badania najczęściej nadawali najwyższą ocenę 5 a najrzadziej ocenę najniższą 1. Oznacza to, że użytkownicy z reguły otwierali strony produktów, które po zapoznaniu się z nimi okazały się interesujące. Tabela 3 Rozkład częstości bezpośrednich ocen poziomu zainteresowania oglądanymi produktami Ocena Liczba ocen(wszyscy uczestnicy) Liczba ocen(najbardziej aktywni) źródło: opracowanie własne Na formularzu oceny zainteresowania zamieszczone było również pytanie o wcześniejszą znajomość oglądanego przed chwilą towaru. Spośród 1396 towarów ocenionych przez wszystkich uczestników badania, aż 426 było znanych wcześniej. W grupie najbardziej aktywnych uczestników 138 towarów było znanych wcześniej, podczas gdy 356 to produkty nieznane przed badaniem. Opierając się na skumulowanym wykresie ocen w porównaniu do znajomości produktów (rysunek 6), można jednoznacznie stwierdzić, że użytkownicy wyżej oceniali produkty znane przed badaniem, niż te, których nie znali wcześniej. Rysunek 6 Struktura znajomości towarów a bezpośrednie oceny zainteresowania [pełna próba] Parametr search_referral określał czy użytkownik trafił na stronę produktu poprzez mechanizm wyszukiwania dostępny w sklepie. Jak można zauważyć na podstawie wykresu (rysunek 7), tylko dla niewielkiej części stron źródłem ruchu była wyszukiwarka sklepu. Z analizy

20 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 20 wykresu wynika, że towary odszukane przy użyciu wyszukiwarki zainteresowały uczestników w wyższym stopniu, niż towary, do których dotarli bez korzystania z wyszukiwarki sklepu. Rysunek 7 Struktura skorzystania z wyszukiwarki sklepu a bezpośrednie oceny zainteresowania [pełna próba] Badanie kształtu rozkładu parametrów przeprowadzono poprzez analizę histogramów oraz zastosowanie trzech testów dopasowania rozkładu: Kołmogorowa-Smirnowa, Andersona-Darlinga oraz Craméra-von Misesa. Rozkład żadnej z analizowanych zmiennych nie jest zbliżony do rozkładu normalnego. Potwierdzają to również wszystkie trzy testy dopasowania rozkładu. Jedynie wizualna ocena kształtu rozkładu zmiennych: desc_length, mouse_distance, user_activ_time, rel_user_activ_time wskazuje na podobieństwo do rozkładu wykładniczego. Ciekawych wniosków dostarcza analiza parametrów określających czasy interakcji. Średni czas otwarcia strony (page_time) wyniósł ponad 54 minuty, podczas gdy średni czas aktywności karty (tab_active_time) tylko ponad 6,5 minuty. Natomiast średni czas aktywności użytkownika (user_activ_time) wyniósł zaledwie 2 minuty i 56 sekund. Znaczna różnica pomiędzy parametrem page_time a pozostałymi potwierdza wcześniejsze przypuszczenia mówiące o wielozadaniowym charakterze pracy użytkowników. Jego przykładem jest jednoczesne otwieranie wielu stron, podczas gdy aktywność użytkownika skupiona jest wyłącznie na jednej stronie. Spośród czterech obszarów strony produktu (opis, zdjęcia, rekomendacje, recenzje) najdłuższy średni czas przebywania kursora myszy (9,3 sekundy) zarejestrowany został dla obszaru opisu produktu (prod_desc_time). Średni dystans o jaki został przemieszczony kursor myszy w obrębie strony produktu wyniósł 3034 piksele. Z przytoczonych danych wynika, że użytkownicy używali przede wszystkim lewego klawisza myszy (lb_mouse_clicks) w sumie 2051 kliknięć. Natomiast średnia wartość liczby kliknięć wszystkich przycisków myszy wyniosła 1,5 kliknięcia na stronę. Warto zauważyć, że na 47 proc. odwiedzonych stron (650) respondenci nie użyli żadnego klawisza myszy. Natomiast na 346 stronach, przycisk myszy naciśnięto tylko raz, podczas gdy dwa naciśnięcia zarejestrowano na 142 stronach. Jednocześnie warto zauważyć, że prawy i środkowy przycisk myszy były używane sporadycznie. Prawy klawisz został użyty 18 razy a środkowy 20 razy. Użytkownicy przewijali zawartość strony prawie wyłącznie w pionie średnio o 1656 pikseli. W trakcie wszystkich interakcji ze stronami produktów uczestnicy dokonali w sumie 1513 pojedynczych naciśnięć klawiszy klawiatury, z czego na ponad 91 proc. odwiedzonych stron nie

21 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 21 przypadło żadne naciśnięcie pojedynczego klawisza. W przypadku 37 stron zarejestrowano tylko jedno pojedyncze wciśnięcie klawisza. Dane te wskazują na sporadyczny charakter korzystania z klawiatury w trakcie interakcji respondentów ze stronami produktów. Natomiast w przypadku kilku stron odnotowano intensywne korzystanie z klawiatury. Analizę wariancji przeprowadzano przy użyciu nieparametrycznego testu Kruskala-Wallisa. W przypadku osiemnastu zmiennych hipoteza zerowa H 0 została odrzucona na rzecz hipotezy H 1 mówiącej, że dystrybuanta rozkładu analizowanej zmiennej w populacjach utworzonych dla poszczególnych ocen produktów nie jest równa. W wyniku analizy wykresów średnich dla najniższych poziomów zainteresowania (mark=1;2) zaobserwowano wyraźnie niższe wartości średnich rang w stosunku do średnich rang dla poziomów zainteresowania mark=3;4;5. Obserwacja ta dotyczy zmiennych: page_height, mouse_distance, mouse_clicks, lb_mouse_clicks, vertical_scroll, prod_desc_time, prod_review_time, tab_active_time, rel_user_activ_time, rel_prod_review_time, rel_vertical_scroll, rel_prod_desc_time. W związku z występowaniem takiej zależności dokonano przekształcenia skali parametru mark z pięciostopniowej na dwustopniową. Wartościom 1 i 2 przyporządkowano wartość 0 oznaczającą brak lub niewielkie zainteresowanie. Natomiast wartościom 3, 4 i 5 przypisano wartość 1 oznaczającą zainteresowanie. Dodatkowym uzasadnieniem takiego przekształcenia jest fakt, że ludzie nie zawsze są w stanie dobrze wyczuć różnice pomiędzy poszczególnymi punktami złożonych skali oraz to, że posługują się indywidualnymi skalami. Za dokonaniem tego zabiegu przemawia również to, że systemy rekomendacyjne korzystają przeważnie z danych o zainteresowaniu wyrażonym w skali binarnej. Do analizy siły związku monotonicznego pomiędzy badanymi zmiennymi, wykorzystany został współczynnik korelacji tau Kendalla. Tabela 4 przedstawia wartości współczynnika korelacji zmiennych, dla których wartość ta przekroczyła 0,05 przy założonym poziomie istotności p < 0,05. Przytoczone dane wskazują na istnienie nikłej dodatniej zależności pomiędzy poszczególnymi zmiennymi objaśniającymi, a zmienną objaśnianą mark (skala 5 stopniowa). Tabela 4 Wybrane współczynniki korelacji tau Kendalla badanych zmiennych, mark [skala pięciostopniowa] Zmienna r xy Zmienna r xy rel_prod_review_time 0,083 rel_vertical_scroll 0,070 prod_review_time 0,083 mouse_clicks 0,066 user_activ_time 0,077 page_height 0,060 vertical_scroll 0,074 lb_mouse_clicks 0,054 prod_other_time 0,070 źródło: opracowanie własne Dla zmiennej poziomu zainteresowania mark wyrażonego w skali dwuwartościowej otrzymano wyższe wartości współczynników korelacji (tabela 5). Przedstawione dane wskazują na istnienie słabej dodatniej korelacji pomiędzy zmiennymi vertical_scroll, rel_vertical_scroll i user_activ_time a zmienną niezależną mark. Dla pozostałych zmiennych zawartych w tabeli zaobserwowana korelacja ma nikłą siłę. Bardzo słaby siła związku może świadczyć o istnieniu złożonych zależności określanych przez układ kilku parametrów jednocześnie. Zasadne wydaje się zatem zastosowanie metod eksploracji danych, które umożliwiają lepszą ich identyfikację.

22 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 22 Tabela 5 Wybrane współczynniki korelacji tau Kendalla badanych zmiennych, mark [skala dwuwartościowa] Zmienna r xy Zmienna r xy vertical_scroll 0,126 prod_desc_time 0,070 rel_vertical_scroll 0,124 mouse_distance 0,069 user_activ_time 0,106 rel_user_activ_time 0,068 rel_prod_review_time 0,088 page_height 0,064 mouse_clicks 0,087 tab_activ_time 0,064 prod_review_time 0,087 rel_prod_desc_time 0,058 prod_other_time 0,084 rel_mouse_distance 0,051 lb_mouse_clicks 0,082 źródło: opracowanie własne Procedura doboru zmiennych została oparta na analizie współliniowości pomiędzy zmiennymi objaśniającymi metodzie eksperckiej. W jej wyniku do budowy modelu klasyfikacyjnego wybrano piętnaście zmiennych objaśniających: desc_length, keydown_single,lb_mouse_clicks, mouse_clicks, mouse_distance, page_height, page_time, prod_desc_time, prod_other_time, prod_recommend_time, rel_prod_review_time, search_refferal, tab_activ_time, user_activ_time, vertical_scroll. Modele klasyfikacyjne identyfikacji preferencji Do budowy modeli klasyfikacyjnych preferencji (zainteresowania) e-klientów wykorzystano program SAS Enterprise Miner 6.2 (w skrócie: SAS EM). W tym celu wykorzystano drzewa klasyfikacyjne (węzeł DecisionTree) oraz funkcję regresji logistycznej (węzeł Regression). W budowie modeli drzew dla wszystkich uczestników badania selekcję przypadków do próby przeprowadzono metodą doboru zbioru równoważonego (równa liczba przypadków dla każdej z klas zmiennej objaśnianej) w sposób losowy. Taki dobór próby pozwala na lepsze oszacowanie zdolności predykcyjnych modelu dla każdej z klas. Dla pełnego zbioru przypadków, przy poziomie zainteresowania wyrażonym w skali 5-stopniowej, wylosowano próbę składającą się z 650 przypadków (po 130 na każdą klasę). Dla pełnego zbioru przypadków, w którym zmienna objaśniana (mark) została zakodowana binarnie, wylosowano próbę liczącą 620 przypadków (po 310 na każdą z klas zainteresowania). W obu przypadkach liczebność uzyskanych prób jest zadowalająca. Natomiast dla zbioru najbardziej aktywnych uczestników, ze względu na mniejszą liczbę przypadków należących do tej próby (494), w procesie budowy i walidacji modeli wykorzystano pełen zbiór przypadków. Budowę modeli przeprowadzono dla zmiennej zależnej mark wyrażonej zarówno w pięciostopniowej skali porządkowej, jak i w skali dwuwartościowej. Do oszacowania zdolności predykcyjnych otrzymanych modeli wykorzystano metodę 10-krotnej walidacji krzyżowej. Do oceny jakości uzyskanych modeli wykorzystano jednocześnie następujące miary: błąd klasyfikacji, kumulacyjne krzywe wzrostu, pole pod krzywą ROC AUC, macierz błędnych klasyfikacji oraz nominalna średnia wartość błędu predykcji. Miary te ukazują różne aspekty jakościowe modeli klasyfikacyjnych.

23 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 23 Modele drzew klasyfikacyjnych Do budowy drzew klasyfikacyjnych zdefiniowano szereg parametrów wpływających na proces budowy drzewa. Przy określaniu tych parametrów kierowano się tym, aby uzyskane modele w miarę szczegółowo eksponowały rzadkie zależności jednocześnie nie doprowadzając do nadmiernego ich dopasowania (przeuczenia) - tym samym zapewniając dobre zdolności generalizacyjne. W rozpatrywanym zagadnieniu użyto dwóch wartości maksymalnej liczby gałęzi: 2 i 3. Parametr maksymalna głębokość dla wszystkich testowanych modeli został ustalony na 6. Dla minimalnego rozmiaru liścia (LeafSize), określającego najmniejszą dopuszczalną liczbę przypadków, które znajdują się w liściach drzewa przyjęto dwie wartości 10 i 20. Spośród uzyskanych kombinacji modeli poniżej przedstawiono wybrane modele najlepiej spełniające kryteria jakości i zdolności do uogólniania. Każdy z otrzymanych modeli drzew oznaczano skrótem określającym Br:x Lf:y, gdzie x określa maksymalną liczbę gałęzi a y minimalny rozmiar liścia przyjęte w procesie budowy drzewa. Dla próby wszystkich uczestników przy zmiennej wyrażonej w skali pięciostopniowej uzyskano model drzewa Br:3 Lf:20 cechujący się błędem klasyfikacji na poziomie 59,2 proc.(załącznik 1). Mimo wysokiego poziomu błędnych klasyfikacji model ten cechuje lepsza zdolność do klasyfikacji zainteresowania niż zastosowanie modelu losowego, co potwierdza kumulacyjna krzywa wzrostu (rysunek 8). Należy zauważyć, że największą trafność predykcji uzyskano kolejno dla klas zainteresowania: 5,2,1,4,3. Szczególnie dobrze klasyfikowane są dwie pierwsze klasy 5 i 2. Stosunkowo dobra trafność klasyfikacji dla obiektów najbardziej interesujących świadczy dobrze o zdolności modelu do predykcji produktów o najwyższym poziomie zainteresowania. W problemach marketingowych, gdzie niedojście transakcji do skutku spowodowane, pominięciem potencjalnego klienta przy wysyłaniu oferty, przynosi dużo wyższą stratę, niż koszt jej wysłania do klienta. Przedstawiony model Br:3 Lf:20 cechuje względnie dobra zdolność klasyfikacji. Analizując odległości pomiędzy przewidywanym poziomem zainteresowania a rzeczywistym zainteresowaniem, należy zauważyć, iż model często myli się w niewielkim stopniu. Przy założeniu, że zainteresowanie może być wyrażone dowolną liczbą rzeczywistą z przedziału<1;5>, można wyznaczyć skalę pomyłki uzyskanego klasyfikatora. Dla modelu Br:3 Lf:20 nominalna średnia wartość błędu predykcji zainteresowania wynosi ± 1,22. Miara ta świadczy dobrze, o jakości tego modelu. Wizualna reprezentacja modelu została przedstawiona w załączniku 1. Uzyskane drzewo składa się z 6 poziomów, 14 węzłów i 19 liści. W węzłach drzewa znajduje się jedynie sześć zmiennych. Są to kolejno według malejącej istotności: verticall_scroll, prod_other_time, page_height, mouse_distance, prod_desc_time, tab_activ_time. Trzy spośród nich stanowią autorskie propozycje wskaźników zachowania.

24 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 24 Rysunek 8 Kumulacyjne krzywe wzrostu otrzymanych modeli drzew klasyfikacyjnych dla wszystkich uczestników zmienna mark w skali pięciostopniowej Kolejny model uzyskany dla pełnego zbioru danych przy zmiennej objaśnianej (mark) wyrażonej w skali dwuwartościowej cechuje się błędem klasyfikacji na poziomie 31,1 proc. Wysoką trafność predykcji tego modelu potwierdza wartość parametru AUC = 0,735 (pole powierzchni pod krzywą ROC). Model ten cechuje wysoka czułość predysponująca go predykcji faktycznego zainteresowania (por. tabela 6). Wizualna reprezentacja modelu została przedstawiona w załączniku 2. Uzyskane drzewo jest stosunkowo proste. Składa się z 6 poziomów, 5 węzłów i 10 liści. Zmienne w nim zawarte to: vertical_scroll, page_time, user_activ_time, search_referral, desc_length i tab_activ_time. Ze względu na swoje cechy jakościowe, jak również dwuwartościową skalę wyrażenia preferencji, model ten jest predysponowany do zastosowania w systemach rekomendacyjnych funkcjonujących w e-handlu. Tabela 6 Macierz błędnych klasyfikacji modelu B:3 Lf:20 dla wszystkich uczestników - zmienna mark w skali dwuwartościowej Identyfikator modelu Fałszywie negatywne Prawdziwie negatywne Fałszywie pozytywne Prawdziwie pozytywne Czułość Specyficzność Br:3 Lf: ,742 0,636 źródło: opracowanie własne Dla kolejnego zbioru danych obejmującego najbardziej aktywnych uczestników (zmienna zależna w skali pięciostopniowej) uzyskano model posiadający 58,7 proc. błąd klasyfikacji. Najtrafniej klasyfikowane jest zainteresowanie o poziomie 4, 5 i 3 (por tabela 7). Dla dwóch najniższych poziomów zainteresowania jakość klasyfikacji jest wyraźnie gorsza. O jakości modelu klasyfikacyjnego dla zmiennej porządkowej świadczy nie tylko trafność klasyfikacji, ale także skala pomyłek, jakie mają miejsce. Przykładowo dla rzeczywistego zainteresowania o poziomie 4, model błędnie sklasyfikuje największą liczbę przypadków do klasy 3 i 5. Są więc to wartości zainteresowania znajdujące się w bezpośredniej bliskości rzeczywistego zainteresowania. Taka charakterystyka uzyskanego modelu wyraża się niską wartością współczynnika nominalnej średniej wartości błędu predykcji = 0,91. Wizualna reprezentacja modelu została przedstawiona w załączniku 3. Uzyskane drzewo jest stosunkowo niewielkie, gdyż składa się z: 6 poziomów, 7 węzłów i 7 liści. W węzłach drzewa znalazły się zmienne: mouse_clicks, page_time, page_height, vertical_scroll i rel_prod_review_time.

25 Rzeczywiste zainteresowanie Tomasz Zdziebko Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 25 Tabela 7 Macierz błędnych klasyfikacji dla drzewa Br:2 Lf:10 Przewidywane zainteresowanie Suma Trafność klasyfikacji ,7% ,5% ,7% ,2% ,4% Suma źródło: opracowanie własne Dla próby najbardziej aktywnych uczestników (zmienna zależna w skali dwuwartościowej) uzyskano model o 18,9 proc. błędzie klasyfikacji. Model ten charakteryzuje wysoka zdolność do przewidywania rzeczywistego zainteresowania. Natomiast jego jakość w zakresie przewidywania braku zainteresowania jest zdecydowanie gorsza (por Tabela 8). Wizualna reprezentacja modelu została przedstawiona w załączniku 4. Uzyskane drzewo posiada: 6 poziomów, 7 węzłów i 9 liści (załącznik 10). Postać modelu, kierunek podziału węzłów miejscami zbliżone są do postaci drzewa klasyfikacyjnego dla wszystkich uczestników. Model ten jest predysponowany do zastosowania w obszarze systemów rekomendacyjnych w e-handlu. Tabela 8 Macierz błędnych klasyfikacji dla modelu Br:3 Lf:20próba najbardziej aktywnych uczestników zmienna mark w skali dwuwartościowej Identyfikator modelu Fałszywie negatywne Prawdziwie negatywne Fałszywie pozytywne Prawdziwie pozytywne Czułość Specyficzność Br:3 Lf: ,9353 0,450 źródło: opracowanie własne Regresja logistyczna w identyfikacji preferencji Do modelowania zainteresowania użytkowników wykorzystano również funkcję regresji logistycznej. Model regresji został zbudowany przy użyciu węzła Regression dostępnego w systemie SAS EM. Proces budowy modelu regresji (doboru zmiennych) został przeprowadzony metodą postępującej regresji krokowej (ang. stepwise regression). Model regresji logistycznej do klasyfikacji preferencji e-klientów został zbudowany dla czterech przypadków dwa zbiory danych i dwa odpowiadające im sposoby reprezentacji zmiennej zależnej. Walidacja jakości uzyskanych modeli została przeprowadzona tak jak w przypadku drzewa klasyfikacyjnych metodą 10-krotnej walidacji krzyżowej. Dla zbioru wszystkich uczestników, gdzie preferencje zostały wyrażone w skali pięciostopniowej uzyskany model posiadał błąd klasyfikacji równy 0,729. Jakość klasyfikacji tego modelu jest znacznie gorsza niż modeli drzew klasyfikacyjnych. W modelu tym znalazły się tylko dwie zmienne: user_activ_time i vertical_scroll. Kolejny utworzony model dla zbioru wszystkich uczestników dotyczył przypadku, w którym poziom zainteresowania został wyrażony dwustopniowo uzyskany model zawierał cztery

26 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 26 zmienne: verticall_scroll, search_referral, mouse_clicks i page_time. Stopień błędnych klasyfikacji uzyskanego modelu wyniósł 0,374 co stanowi gorszy wynik niż przypadku stworzonych modeli drzew klasyfikacyjnych. Model ten posiada tendencję do lepszej predykcji rzeczywistego braku zainteresowania w stosunku do jego istnienia. Wnioski końcowe Przedstawione w pracy badania były ukierunkowane na opracowanie klasyfikacyjnego modelu identyfikacji preferencji użytkowników serwisów handlu elektronicznego w oparciu o dane zgromadzone przy użyciu techniki pośredniej informacji zwrotnej. Postawiony cel badań został osiągnięty. W drodze badania poznawczego zrealizowanego w środowisku rzeczywistych serwisów handlu elektronicznego, przy użyciu autorskiego rozszerzenia dla przeglądarki Firefox, zgromadzono dane o zachowaniu i preferencjach użytkowników. Realizacja przyjętej procedury analitycznej doprowadziła do uzyskania kilku wartościowych modeli klasyfikacyjnych dla różnych skali pomiaru zainteresowania. Miary oceny jakości uzyskanych modeli świadczą o ich przydatności do w procesie identyfikacji preferencji e-klientów. Zastosowanie otrzymanych modeli pozwoli na lepszą identyfikację produktów, które w rzeczywistości zainteresowały użytkowników. Wiedza ta może zostać wykorzystana w procesie rekomendacji do wygenerowania trafniejszych propozycji produktów, lepiej dopasowanych do indywidualnych preferencji poszczególnych klientów. Korzyści dla sklepu wynikające ze skutecznego systemu rekomendacyjnego to przede wszystkim: zwiększenie skuteczności konwersji odwiedzających w kupujących, wzrost poziomu sprzedaży, zwiększenie wartości sprzedaży krzyżowej. W efekcie sklep odnotowuje zwiększoną liczbę lojalnych i zadowolonych klientów, co jest podstawowym celem działań wynikających z zarządzania relacjami z klientami. Na rysunku 9 przedstawiono propozycję modelu systemu rekomendacyjnego. Elementy, w których mogą zostać wykorzystane wyniki rozprawy zostały wyróżnione kolorem żółtym. Należy podkreślić, że zaprezentowane w pracy podejście do prowadzenia badania poznawczego w obszarze serwisów handlu elektronicznego posiada duże walory utylitarne. Zaproponowane narzędzie badawcze w postaci rozszerzenia dla przeglądarki internetowej BPE umożliwia prowadzenie badania pozwalającego na poznanie szerokiego spektrum zachowania respondentów w sposób nieinwazyjny. Istotną zaletą jest możliwość prowadzenia badania dla dowolnie wybranych serwisów e-handlu, bez konieczności instalacji jakiegokolwiek oprogramowania na serwerach je obsługujących. Przedstawione rozważania potwierdzają hipotezę o użyteczności zaproponowanej procedury analitycznej wykorzystującej technikę pośredniej informacji zwrotnej oraz metodę drzew klasyfikacyjnych do modelowania preferencji użytkowników serwisów handlu elektronicznego. Wykazano również przydatność autorskich wskaźników zachowania, takich jak: prod_other_time, prod_desc_time, user_activ_time oraz wskaźnika określającego długość opisu strony desc_length. Wskaźniki te zostały użyte do budowy modeli drzew klasyfikacyjnych, gdzie pełniły istotną rolę.

27 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 27 Strona WWW z dołączonym skryptem zbierającym dane o zachowaniu użytkowników z wykorzystaniem techniki pośredniej informacji zwrotnej Rekomendacje produktów Serwer WWW Klient serwisu HE Pozyskiwanie danych System rekomendacyjny Identyfikacja preferencji (metoda drzew klasyfikacyjnych) Emitowanie rekomendacji (www, , urządzenia mobilne) Dane o aktywności użytkowników wskaźniki zachowania (Pośrednia informacja zwrotna) Preferencje użytkowników (Bezpośrednia informacja zwrotna) Dane demograficzne (rejestracja użytkownika) Serwer rekomendacyjny Modele klasyfikacyjne identyfikacji preferencji Dane do procesu rekomendacji Preferencje użytkowników (zainteresowanie produktami) Dane dziedzinowe Informacje o produktach Modelowanie profili użytkownika Baza rekomendacji Silnik rekomendacyjny Mechanizm hybrydowy Filtrowanie bazujące na zawartości Filtrowanie bazujące na wiedzy Filtrowanie kolaboratywne Filtrowanie demograficzne Dane demograficzne Profile użytkowników Techniki niespersonalizowane (najnowsze, najczęściej kupowane, ) Rysunek 9 Model systemu rekomendacyjnego dla serwisów handlu elektronicznego źródło: opracowanie własne Elementy nowości zwarte w pracy to przede wszystkim: wykorzystanie mechanizmu rozszerzeń przeglądarki do budowy narzędzia służącego prowadzeniu badania poznawczego w obszarze serwisów handlu elektronicznego; zaproponowanie nowych wskaźników zachowania i wskaźników opisujących parametry stron, mających na celu odzwierciedlenie różnych aspektów zachowania użytkowników z uwzględnieniem specyfiki serwisów handlu elektronicznego; koncentracja na serwisach handlu elektronicznego jako charakterystycznym obszarze serwisów internetowych, w którym występują znaczne braki badawcze z zakresu identyfikacji preferencji z wykorzystaniem techniki pośredniej informacji zwrotnej; Wnioski z przeprowadzonych prac badawczych skłaniają do stwierdzania o potrzebie dalszego zgłębiania problemu oraz praktycznego sprawdzenia zaproponowanej procedury odkrywania preferencji e-klientów. W dalszej pracy naukowej autor zamierza przeprowadzić badanie długookresowe na większej próbie, w celu jeszcze lepszej analizy zjawiska i dalszego uogólnienia wyników. Rozważa się również wykorzystanie innych metod budowy modeli klasyfikacyjnych. Zasadne wydaje się zastosowanie zbiorów przybliżonych oraz sieci neuronowych. Ponadto interesujące mogłoby się okazać wykorzystanie metod semantycznych, które umożliwią lepsze zrozumienie powiązań pomiędzy produktami a potrzebami użytkowników.

28 Załącznik 1 Model drzewa klasyfikacyjnego preferencji (Br:3 Lf:20). Zainteresowanie w pięciostopniowej skali porządkowej pełna próba.

29 Załącznik 2 Model drzewa klasyfikacyjnego preferencji (Br3 lf20). Zainteresowanie w skali dwuwartościowej pełna próba.

30 Autoreferat rozprawy doktorskiej Odkrywanie preferencji użytkowników na potrzeby systemów rekomendacyjnych w handlu elektronicznym 30 Załącznik 3 Model drzewa klasyfikacyjnego preferencji (Br:2 Lf:10). Zainteresowanie w pięciostopniowej skali porządkowej próba najbardziej aktywnych uczestników.