PROFILE UŻYTKOWNIKÓW W SYSTEMACH INFORMACYJNYCH DOSTĘPNYCH W SIECI INTERNET 1. WPROWADZENIE

Transkrypt

1 model użytkownika, systemy interaktywne, systemy web-owe Janusz SOBECKI * PROFILE UŻYTKOWNIKÓW W SYSTEMACH INFORMACYJNYCH DOSTĘPNYCH W SIECI INTERNET Jakość interfejsu i jego odpowiednie dopasowanie do potrzeb, preferencji i przyzwyczajeń użytkowników ma coraz bardziej istotne znaczenie w podejmowaniu przez decyzji o ich wykorzystaniu, co przekłada się bezpośrednio na ich powodzenie. Aby można było odpowiednio dostosować system do potrzeb użytkowników należy dysponować odpowiednim modelem użytkownika. W pracy przedstawiono różne metody pozyskiwania danych do jego konstrukcji jak i wykorzystania w różnorodnych systemach web-owych. 1. WPROWADZENIE Interfejs użytkownika coraz pełni coraz bardziej istotną rolę w ocenie współczesnych systemów informacyjnych, szczególnie w powszechnie dostępnych systemach sieci Internet. Przykładami takich systemów mogą być np. portale takie jak Yahoo czy Onet ale także bardziej specjalizowane serwisy informacyjne zawierające informacje z jednej wybranej dziedziny, np. serwis finansowy lub serwis turystyczny Z jednej strony liczba użytkowników tego typu systemów sięga często wielu milionów, natomiast z drugiej, pojedynczy użytkownik może używać nawet dziesiątek tego typu systemów. Stąd jakość interfejsu oraz jego zdolność do odpowiedniej adaptacji do potrzeb konkretnego użytkownika staje się obecnie krytycznym czynnikiem w jego funkcjonowaniu [7]. Model biznesowy wielu serwisów web-owych w sposób bezpośredni związany jest wyłącznie z liczbą odwiedzin jego stron. Duża konkurencja panująca na rynku określonych rozwiązań informacyjnych sprawia, że aplikacje nieakceptowane przez użytkowników nie maja żadnych szans na powodzenie. Stąd też stałe dążenie projektantów i dostarczycieli tych systemów do udoskonalania interakcji z tego typu systemami. Aby umożliwić projektantom i dysponentom informacyjnych systemów web-owych dostosowanie ich do potrzeb użytkowników należy opracować ich modele. Podstawą do tworzenia modelu użytkownika jest zwykle, jak wynika z badań prowadzonych przez specjalistów z dziedziny Interakcji Człowiek-Komputer (ang. Human Computer Interaction) [4], dokładne poznanie użytkownika, tzn. jego możliwości kognitywnych, uwarunkowań * Wydziałowy Zakład Systemów Informacyjnych, Politechnika Wrocławska, ul. Wyb. Wyspiańskiego 27, Wrocław, ( sobecki@pwr.wroc.pl.).

2 społecznych i w miarę dokładne poznanie jego potrzeb informacyjnych jak również przyzwyczajeń w interakcji. Ogólnodostępne web-owe systemy informacyjne mogą posiadać nawet miliony użytkowników, którzy różnią się między sobą pod wieloma względami, tak więc wypracowanie pojedynczego, uniwersalnego modelu odpowiedniego dla wszystkich z nich jest niemożliwe [8]. Stąd należy raczej zgromadzić dane dotyczące użytkowników. Dane te mogą być dostarczone bezpośrednio przez użytkownika, i zwane są wtedy danymi użytkownika (ang. user data), jak i zebrane w sposób automatyczny, i zwane są wtedy danymi użytkowania (ang. usage data) [2]. Na podstawie zgromadzonych danych o użytkownikach można ich przyporządkować do określonej klasy. Klasy te, mogą być znane z góry bądź mogą być tworzone dynamicznie. Klasy te wyznaczają następnie proces interakcji użytkownika z danym systemem, tzn. przynajmniej jeden z następujących elementów: prezentowane informacje i reklamy, możliwe do wyboru opcje a także wygląd interfejsu. Przy użyciu mechanizmów personalizacji, związanych nieodłącznie z wprowadzeniem swoich danych użytkownicy mogą dostosować niniejsze parametry samodzielnie. 2. DANE UŻYTKOWNIKA Dane użytkownika zawierają osobistą charakterystykę użytkownika [2]. Mogą one być dostarczane przez samego użytkownika lub zebrane w inny bardziej zautomatyzowany sposób, tzn. wywnioskowane na podstawie obserwacji danych użytkowania. Dane użytkownika można podzielić na następujące kategorie: dane demograficzne, wiedza użytkownika, umiejętności użytkownika, zainteresowania i preferencje użytkownika oraz cele i plany użytkownika. Dane dostarczane są przez użytkownika na drodze wypełniania formularza dostarczonego przez system web-owy i dotyczą najczęściej danych demograficznych. Formularze te mogą zawierać różnorodne pola identyfikujące użytkownika. Lista najczęściej spotykanych atrybutów, które użytkownik ma wypełnić w formularzu obejmuje (na przykładzie serwisów Wirtualnej Polski i Lycos) : imię, nazwisko, płeć, data urodzenia i/lub wiek, dane adresowe wraz z kodem pocztowym i krajem, dane kontaktowe (nr telefonów i adres ), zawód, wykształcenie, zainteresowania. Kobsa w swojej pracy [Kobsa] dzieli je na następujące kategorie: dane zapisowe (i.e. nazwisko, adres, nr telefonu), dane geograficzne (i.e. kod pocztowy, miasto, stan, kraj), charakterystyka użytkownika (i.e. wiek, płeć, wykształcenie, dochód, itp.), dane psychograficzne (i.e. określające styl życia), zachowania konsumenckie (i.e. częstość użycia produktu) oraz dane o rejestracji w różnego rodzaju serwisach. Dane te w sposób bezpośredni mogą posłużyć do zakwalifikowania użytkownika co skutkuje najczęściej w wyborze przez dysponentów serwisu reklam, które prezentowane są danemu odbiorcy. Czasami, wprowadzone przez użytkownika dane mają wpływ na selekcję lub prezentację wiadomości, np. najpierw należące do kategorii jego zainteresowań bądź też związane z jego miejscem zamieszkania, np. pogoda. Na podstawie dodatkowych badań statystycznych oraz informacji zebranych np. podczas spisów powszechnych organizowanych w wielu krajach co kilka lat można

3 wydobyć z tego typu danych o wiele więcej informacji. Już w latach 60-tych ubiegłego stulecia Jonathan Robbin amerykański specjalista w dziedzinie marketingu zauważył, że kod pocztowy związany z każdym miejscem zamieszkania w Stanach Zjednoczonych może służyć jako bardzo dobry wskaźnik statusu społecznego, preferencji politycznych, zainteresowań i wielu innych zachowań marketingowych. Zauważył on mianowicie, że ludzie mieszkający na tej samej ulicy kupują podobne samochody oraz oglądają te same programy telewizyjne [14]. Obecnie prace te są krytykowane, głównie ze względu na systemy przydzielania tych samych kodów pocztowych nawet bardzo długim arteriom bądź stronom ulicy, które to mają bardzo zróżnicowany status materialny swoich mieszkańców. Podobny problem występuje także w Polsce, gdzie bardzo często całe miasta, nawet powiatowe przykładem może tu być Lubliniec w województwie śląskim, i inne miejscowości mają ten sam kod pocztowy. Dane tego typu mają oczywiście charakter mocno przybliżony, jednak biorąc pod uwagę, że systemy web-owe wykorzystywane są codziennie nawet przez miliony użytkowników, tego rodzaju statystyczne podejście jest oczywiście jak najbardziej uzasadnione. Bardzo często systemy web-owe danych użytkownika wiążą z odpowiadającymi im danymi użytkowania, co ma bezpośredni wpływ na obsługę tego konkretnego użytkownika jak i wzbogacenie wiedzy o całej populacji użytkowników. Dane użytkowania zostaną dokładniej omówione w kolejnym punkcie. 3. DANE UŻYTKOWANIA Dane użytkowania zawierają zapisy dotyczące różnych aspektów wykorzystania przez konkretnego użytkownika różnych systemów web-owych. Systemy web-owe wykorzystują do komunikacji z użytkownikiem bezstanowego protokołu http. Każde żądanie klienta, tzn. generowane przez przeglądarkę internetową użytkownika, zawiera obok URL-a żądanego dokumentu, jego numer IP, wersję wykorzystywanego protokołu oraz rodzaj i wersję wykorzystywanej przeglądarki internetowej. Już tak skąpe dane, szczególnie skojarzone z odpowiednimi danymi o użytkowniku dla których, mogą być bardzo cennym źródłem informacji przydatnym w modelowaniu użytkownika. Specyfika sieci Internet, bardzo popularne wykorzystywanie łączy niestałych, wykorzystanie dynamicznych adresów IP, serwerów proxy, wykorzystywanie tych samych stacji roboczych przez wielu użytkowników, np. w kawiarenkach Internetowych czy pracowniach komputerowych, powoduje, że nazbyt często nie da się jednoznacznie przypisać konkretnemu użytkownikowi określony adres IP. Dlatego też opracowano inne metody umożliwiające taką identyfikację. Przede wszystkim należy tu wymienić mechanizm cookies * opracowany przez firmę Netscape. Cookies wykorzystywane są do identyfikowania użytkowników oraz zapisywania danych wprowadzonych w różnego rodzaju formularzach jaki i zawierających dane o * termin ten tłumaczony jest czasem jako ciasteczka, w niniejszym referacie pozostanę jednak przy jego oryginalnej nazwie.

4 odwiedzanych stronach oraz prezentowanych reklamach. Cookies są zapisami generowanymi przez serwer i dokonywanymi przez przeglądarkę internetową po stronie klienta na podstawie odpowiednich poleceń umieszczonych w kodzie dokumentów webowych. Pozwalają one na ustawienie i następnie pobranie odpowiednich wartości, należą do nich [9]: nazwa cookie, wartość cookie, data wygaśnięcia, ścieżka dla której posiadacza cookie, domena posiadacza cookie, informacja o wykorzystaniu SSL. Każde cookie może być odczytywane jedynie przez jedynie przez strony pochodzące ze wskazanej ścieżki i domeny określonych w parametrach cookie. Mechanizm Cookie jest procesem dwufazowym. W pierwszej są one zapisywane na komputerze użytkownika, w drugiej są one przesłane z komputera użytkownika do uprawnionego serwera systemu web-owego. Zapisy dokonywane są bez powiadamiania użytkownika tym fakcie. Przeglądarki internetowe mają oczywiście opcje umożliwiające wyłączenie tego mechanizmu lub zapisywanie cookies jedynie w plikach tymczasowych, jednak z drugiej strony wiele serwisów koniecznie wymaga jego włączenia, np. Onet. Wyłączenie cookies nie zapobiega przesyłania zapisów dokonanych przed wyłączeniem, w tym celu należy usunąć wszystkie pliki zawierające cookies. Niektóre systemy web-owe, np. bankowości elektronicznej, dla bezpieczeństwa polecają aby podczas korzystania z ich usług mechanizm cookies był wyłączony. Jak wynika z własności cookies tylko serwis, który zapisał cookie ma uprawnienia do jego odczytania. Jednak jeżeli użytkownik, który nie wyłączył tego mechanizmu w odpowiedniej kartotece może zobaczyć zapisy dokonane przez serwisy, których jak mu się jedynie wydaje, nigdy nie odwiedzał. W tym miejscu należy wrócić do istoty protokołu HTTP i dokumentów HTML. W przypadku gdy dana strona zawiera oprócz tekstu jakieś obrazy, wykorzystuje ramy lub zewnętrzne style kaskadowe, wtedy konieczne jest wywołanie więcej niż jednej sesji HTTP. Tak doczytywane elementy nie muszą wcale znajdować się na tym samym serwerze o tej samej domenie ale mogą pochodzić od organizacji specjalizujących się w zakresie badania zachowań użytkowników, należy do nich doubleclick, która stosuje technologię chronioną patentem. Wstawiane do dokumentu elementy to najczęściej niewidoczne obrazki wielkośći 1x1 pikseli. Takie wstawki zwane są czasem sieciowymi pluskwami (web-bugs) [6]. Mechanizm ten działa następująco [9]: - dysponent pewnego serwisu współpracujący np. z doubleclick umieszcza na swoich stronach odpowiednie pluskwy sieciowe, - po połączeniu się użytkownika z taką stroną aktywowanya jest pluskwa sieciowa, która najpierw sprawdza czy użytkownik posiada już plik cookie doubleclick i jeżeli nie, zostaje mu nadany unikalny numer identyfikacyjny i zapisany w pliku cookie, w przeciwnym przypadku następuje przesłanie do serwera doubleclick zawartości cookie, a następnie ustawieniu nowych; - odpowiednie dane dotyczące użytkownika wymieniane są pomiędzy serwisem webowym a doubleclick, które mają wpływ na odpowiednie zakwalifikowanie tego konkretnego użytkownika. Mechanizm pluskiew sieciowych może być wykorzystany również przez inną, bardzo popularna usługę sieci Internet, a mianowicie pocztę elektroniczną. Większości użytkowników sieci nie jest obce zjawisko spam-u czyli lawiny niechcianych i

5 niezamawianych wiadomości. Często są one spowodowane faktem podania swojego adresu w jakimś serwisie, którego dysponent sprzedał go dalej lub został uzyskany poprzez mechanizm web-bugs. Dla dostawców spam-u bardzo istotna jest informacja czy list został w ogóle otworzony. W tym celu wiadomość taka również zawiera w załączniku dokument HTML z wstawioną pluskwą, która przesyła odpowiednią informację oraz inne parametry użytkownika. Dodatkowo jest to potwierdzeniem czy dany , na który wysłano daną wiadomość jest rzeczywiście aktywny. Wykorzystanie pluskiew sieciowych na stronach WWW oraz w wiadomościach dostarczyć wiele różnorodnych i bardzo cennych danych dotyczących zachowań i cech użytkownika, są to m.in. następujące dane dotyczące [10]: - liczby odwiedzin określonej strony; - danych demograficznych użytkownika; - adresów odwiedzanych stron; - dotyczących prezentowanych użytkownikowi reklam, tzn. ich rodzaju i liczby pojawień; - kojarzących pojawienie się reklamy z faktem zakupu reklamowanego towaru lub przynajmniej odwiedzenia przez niego odpowiednich stron z informacjami o nim a przez to mierzenia jego efektywności; - zawierających zapytania użytkownika kierowanych do wyszukiwarek internetowych; - raportowaniu o wersji i ustawieniach przeglądarki internetowej; - synchronizacji cookie, polegającej na wzajemnej wymianie informacji o użytkowniku pomiędzy różnymi firmami; - sprawdzania aktualności adresu ; - sprawdzania czy klient poczty obsługuje wiadomości w formacie HTML; - sprawdzania liczby otwarć danego banera reklamowego. Jak widać wykorzystanie pluskiew sieciowych daje bardzo duże możliwości w zdobywaniu informacji o użytkownikach, jednak ich wykorzystanie choć wydaje się być legalne często jest oceniane jako niezbyt etyczne [9] lub przynajmniej kontrowersyjne [10]. Co prawda firmy takie jak doubleclick umożliwiają deindywidualizację zapisów poprzez zamianę unikalnego numeru identyfikacyjnego na numer jednakowy dla wszystkich chętnych do zachowania swojej anonimowości. 4. KLASYFIKACJA UŻYTKOWNIKÓW Wszelkie dane zgromadzone o użytkowniku, zarówno dane użytkownika jak i dane użytkowania mogą zostać wykorzystane do jego klasyfikacji. Poniżej zostanie przedstawiona pokrótce prosta metoda klasyfikacji użytkowników, której efekty mogą być dalej wykorzystane na wiele sposobów. Zwykle służy ona do wyznaczenia wartości pewnych parametrów, które dla konkretnego użytkownika nie są znane w chwili obecnej jednak można je wyznaczyć na podstawie analizy tego parametru przypisanego do innych reprezentantów określonej grupy. Tego typu metody zwane są klikowymi (ang. clique). Do najbardziej znanych tego typu zastosowań należy serwis Amazon, który po analizie

6 zamówienia sugeruje użytkownikowi nabycie kolejnych pozycji, które wybrali inni klienci, którzy kupili te same artykuły. Jednak zastosowanie tego typu metod może być o wiele większe przyczyniając się do w miarę dokładnego wyznaczenia modelu użytkownika. Problem klasyfikacji był podejmowany przynajmniej od wczesnych 60-tych lat ubiegłego stulecia przez specjalistów wielu dziedzin, m.in. wyszukiwania informacji [1]. Obecnie w dobie rozwoju Społeczeństwa Informacyjnego, badania te są kontynuowane przez specjalistów HCI, modelowania użytkowników i marketingu [3]. Klasyfikacja użytkowników dokonywana na potrzeby modelowania użytkowników może mieć różne własności. Po pierwsze, może być wykonywana ręcznie przez samych użytkowników, przez ekspertów lub automatycznie.po drugie, można przyporządkowywać użytkowników do określonych uprzednio klas lub tworzyć je automatycznie w zależności od własności całej populacji użytkowników. Oraz na koniec, należy również rozważyć wykorzystanie, zamiast klasyfikacji pewnego podziału zbioru z powtórzeniami. Wybór odpowiedniej metody klasyfikacji może zależeć od wielu czynników. Klasyfikacja wykonywana przez samych użytkowników może być najprostsza do implementacji. Może ona być poprzez prosty wybór kategorii do której należy użytkownik, np. student, absolwent czy wykładowca. Manualna klasyfikacja ma jednak określone wady, należą do nich m.in. niechęć użytkowników do podawania informacji lub też świadome lub nieświadome podawanie przez nich nieprawdziwych informacji na swój temat. Zaangażowanie ekspertów jest zwykle czasochłonne i dość drogie, lub nawet praktycznie niemożliwe w przypadku gdy należy zakwalifikować nawet miliony użytkowników w czasie rzeczywistym. Klasyfikację automatyczną przeprowadza się na podstawie danych o użytkowniku i danych użytkowania. Dokładne rodzaj zapisów który można uzyskać w ten sposób został przedstawiony powyżej. W niniejszym referacie zostanie jedynie zarysowana prosta metoda klasyfikacji użytkowników na podstawie ich zainteresowań wyrażonych w postaci listy URL-i stron HTML-owych, które odwiedził dany użytkownik, i znajdujących się na nich słowach kluczowych. Te słowa kluczowe można umieścić w wektorze, w którym każdemu słowu przyporządkowana jest wartość z przedziału [0,1] reprezentująca częstość występowania danego słowa w odwiedzonych przez użytkownika dokumentach. Wektor ten można traktować jako profil użytkownika. W efekcie działania procesu klasyfikacji otrzymujemy podział zbioru użytkowników U={u 1,,u n } na rozłączne klasy, który przeprowadza się zwykle z wykorzystaniem określonej miary podobieństwa lub odległości. Znalezienie odpowiedniej miary podobieństwa jak również reprezentacji użytkowników, są podstawowymi problemami każdej klasyfikacji. Proces klasyfikacji może być złożony obliczeniowo, nawet w stopniu wykładniczym. Dlatego też w praktyce wykorzystuje się rozwiązania sub-optymalne, które pozwalają jednak na ograniczenie tej niedogodności. Do takich rozwiązań należy np. algorytm Dattoli [1], np. z fumkcją podobieństwa P4. W algorytmie tym określa się pewien początkowy zbiór centroidów klas. Następnie dla każdego wektora oblicza funkcję podobieństwa z każdym centroidem i dołącza do tej klasy, do którego centroidu jest on najbardziej podobny. Jeżeli wektor nie jest w wystarczający sposób podobny do żadnego centroidu wtedy przyporządkowuje się do klasy wektorów izolowanych. Następnie dla każdej klasy

7 wyznacza się nowy centroid i powtarza cała iterację. Proces klasyfikacji kończy się, gdy żaden wektor nie zmieni swojej klasy. Wektory przyporządkowane do klasy wektorów izolowanych można następnie przyporządkować do klas, których centroidy są najbardziej do nich podobne. 5. PODSUMOWANIE W referacie przedstawiono podstawowe metody wykorzystywane w modelowaniu użytkowników web-owych systemów informacyjnych. Wraz ze wzrostem e-gospodarki dziedzina ta zyskuje coraz bardziej na znaczeniu, gdyż dokładne poznanie klienta jest kluczem do powodzenia na rynku. Metody wykorzystywane w modelowaniu, choć do tej pory legalne bywają jednak wątpliwe pod względem etycznym. Już obecnie trwają prace np. w Komisji Europejskiej, które np. nałożą wymóg na dystrybutorów spam-u na posiadaniu wyraźnej zgody od jego odbiorcy. Dlatego też projektując przyszłe środowiska modelujące zachowania użytkowników należy wziąć pod uwagę również przyszłe możliwe uregulowania prawne. LITERATURA [1] Dabrowski M., Laus-Maczynska K.: Information retrieval and classification. Survey of methods (in polish). WNT: Warszawa [2] Kobsa, A., Koenemann, J., Pohl, W.: Personalized Hypermedia Presentation Techniques for Improving Online Customer Relationships. The Knowledge Engineering Review 16(2) (2001) [3] Maglio, P.P., Barrett, R., Campbell, C.S., Selker, T.: SUITOR: an attentive information system. In: Proceedings of the 2000 international conference on Intelligent user interfaces (2000) [4] Newman W.M., Lamming M.G.: Interactive System Design. Addison-Wesley Harlow (1996). [5] Quinn L.M., Pawasarat J.,Confronting Anti-Urban Marketing Stereotypes: A Milwaukee Economic Development Challenge. June [6] Smith Richard M. FAQ: Web Bugs ( [7] Sobecki J., Nguyen N.T.: Consensus-based adaptive user interface for universal access systems, In Stephanidis,C.: Proceedings of 9 th Int. Conf. on Human-Computer Interaction and 1 st Int. Conf. on Universal Access in Human- Computer Interaction. LEA London 3 (2001) [8] Sobecki J.: One suits all - is it possible to build a single interface appropriate for all users? In: Grzech, A., Wilimowska Z.: Proceedings of the 23rd Int. Scientific School ISAT, PWr Press Wroclaw (2001) [9] Whalen D.:The Unofficial Cookie FAQ, Version 2.54 Contributed to Cookie Central by David Whalen, [10] Why are they bugging you?, (