Uma vez que o Data Webhouse foi constru´ıdo, existem algumas decis˜oes que se gostaria de tomar com base nos dados comportamentais. Para isso, ´e importante lembrar da seguinte progress˜ao:
dados → informa¸c˜oes → conhecimentos → decis˜oes
Os dados por si mesmos n˜ao apresentam grande utilidade. Entretanto, quando os dados s˜ao organizados coerentemente e pode-se perceber padr˜oes, ent˜ao tem-se algo mais ´util: as informa¸c˜oes. Mas mesmo assim, ver e descrever padr˜oes n˜ao leva `a a¸c˜ao. Quando pode-se identificar causa, efeito e correla¸c˜ao, ent˜ao consegue-se refinar ainda mais as informa¸c˜oes na forma de conhecimento ´util. No entanto, n˜ao adianta ter conhecimento e n˜ao agir. O resultado final de qualquer processo de KDD deve ser uma decis˜ao tomada como resultado do conhecimento adquirido.
A seguir ´e dada uma lista de poss´ıveis conhecimentos que podem ser inferidos da sequˆencia de cliques e que podem apoiar algumas decis˜oes. Em alguns casos, os dados da sequˆencia de cliques podem guiar as decis˜oes por si pr´oprios. Em outros, eles dever˜ao ser combinados com outros conjuntos de dados, como por exemplo os dados de transa¸c˜oes de vendas.
Personaliza¸c˜ao do marketing : caso seja identificado um cliente, pode-se personalizar a intera¸c˜ao com o mesmo quando ele retorna ao site. Dessa forma, identifica-se:
• Clientes de alto lucro × clientes de baixo lucro. Nesse caso ´e necess´ario iden- tificar realmente o usu´ario para que se possa ter acesso ao quˆe e quanto ele comprou no passado.
• Cliente novos × clientes que retornam.
• Clientes que ficam com o que compram × clientes que frequentemente retornam produtos.
Agrupamento dos clientes: se houver a possibilidade de identificar um retorno, pode- se agrupar os clientes (Apˆendice A) de acordo com as seguintes medidas:
Recentidade19
: quantos dias se passaram desde a ´ultima vez que o cliente visitou o site.
Frequˆencia: quantas vezes o cliente visitou o site.
19
Intensidade: a soma total das compras do cliente ou alguma outra medida quan- titativa que se deseja medir.
Agrupar os cliente de acordo com essas medidas ´e atraente porque pode-se utilizar os dados da sequˆencia de cliques por si pr´oprios para realizar toda a an´alise. As medidas de recentidade e frequˆencia podem, com certeza, ser obtidas a partir de um log, mas a medida de intensidade pode ou n˜ao estar na sequˆencia de cliques, dependendo se o site foi constru´ıdo com essa funcionalidade.
Essa an´alise pode ser muito mais sofisticada se houver uma boa base demogr´afica dos clientes. Tamb´em, de acordo com (Murray and Durrell 1999), ´e poss´ıvel inferir alguns dados demogr´aficos a partir dos acessos dos clientes.
Uma an´alise interessante que pode ser feita ´e agrupar os cliente de acordo com a sua hist´oria e, em consequˆencia, a probabilidade de responderem a certos tipos de promo¸c˜oes.
Pagamento de banners: muitas empresas colocam an´uncios, na forma de banners, em outros sites e pagam uma quantia de dinheiro por isso. Como pode-se, atrav´es da sequˆencia de cliques, verificar de onde veio o cliente, ´e poss´ıvel verificar por quais
banners os “melhores clientes” vˆem at´e o site. Ou melhor, saber se esses an´uncios est˜ao surtindo efeito.
Clientes que abandonam o site: durante uma sess˜ao, ´e poss´ıvel identificar um cliente que n˜ao consegue localizar o que quer. A velocidade e a amplitude das requisi¸c˜oes de p´aginas ´e um indicador. Se o cliente estiver clicando muito rapidamente ´e porque ele n˜ao est´a lendo a p´agina. Outro indicador ´e saber como ele chegou ao site e, especialmente, quais foram as palavras de busca que foram dadas pelo cliente, no caso da origem ter sido um site de busca.
Aprimoramento da efic´acia do site: o estilo e o conte´udo de um site s˜ao respons´aveis pela comunica¸c˜ao efetiva com os clientes. Algumas decis˜oes espec´ıficas seriam:
• A escolha dos estilos das p´aginas. Poderiam ser: uma grande quantidade de an´uncios, complexas, aparˆencia corporativa formal e limpa, paginas muito sim- ples, etc.
• Verificar se escolhas comuns feitas por clientes s˜ao ´obvias e rapidamente loca- lizadas.
• Identificar quais as caracter´ısticas de uma p´agina, ou do site, fazem com que um usu´ario o abandone.
• Verificar se o conte´udo do texto do site e as metatags est˜ao fornecendo a in- forma¸c˜ao correta para os sistemas de indexa¸c˜ao dos sites de busca.
Fornecimento de produtos: quase todos os produtos e servi¸cos conceb´ıveis podem ser descritos em um site. Qualquer produto que possa ser descrito, solicitado e moni- torado ´e um candidato a ser fornecido por um site. Pode-se utilizar a sequˆencia de cliques para verificar:
• Quais as descri¸c˜oes de produtos que est˜ao sendo lidas, e por quanto tempo. • Qual a correla¸c˜ao entre a descri¸c˜ao de um produto e um produto sendo com-
prado.
• Quantos cliques, a partir do in´ıcio da sess˜ao, s˜ao necess´arios para um cliente, novo ou antigo, solicitar algum produto.
• Quantas sess˜oes de requisi¸c˜ao de produto s˜ao abandonadas sem conclus˜ao. • Com que frequˆencia um cliente visita o site para monitorar a situa¸c˜ao de seu
pedido.
Verificando a lucratividade: uma vez que um neg´ocio na Web tem um forte foco no cliente, ´e desej´avel conhecer:
• Quais grupos de clientes s˜ao lucrativos. • Quais grupos de produtos s˜ao lucrativos.
• Durante que per´ıodo de tempo o neg´ocio ´e lucrativo. • Quais promo¸c˜oes s˜ao lucrativas.
No entanto, para conhecer cada um desses ´ıtens, a sequˆencia de cliques n˜ao ´e sufi- ciente. ´E necess´ario, tamb´em, ter-se os dados de cada fonte de renda e de custo.
3.5
Considera¸c˜oes Finais
Foi visto, neste cap´ıtulo, quais as a¸c˜oes que podem ser capturadas de um visitante nave- gando por um site. Al´em disso, tamb´em foi mostrado quais as decis˜oes que podem ser apoiadas por um Data Webhouse se uma perfeita representa¸c˜ao dos dados da sequˆencia de cliques estiver dispon´ıvel.
As fontes de dados coletadas pelo enorme fluxo de sequˆencias de cliques est˜ao se tor- nando os maiores bancos de dados conhecidos, superando at´e mesmo os grandes e famosos exemplos das empresas de telecomunica¸c˜oes e seguros. Quando a Web ´e trazida para o
warehouse, essas massa enorme de dados ´e trazida junto, de forma que pode-se analis´a-la,
Construindo um Data Webhouse
4.1
Considera¸c˜oes Iniciais
A fonte de dados que alimenta o Data Webhouse consiste da sequˆencia de cliques que um usu´ario efetua num site, ou seja, os registros de log produzidos pelo sevidor Web toda vez que uma requisi¸c˜ao HTTP1
´e completada. Neste cap´ıtulo, o conte´udo da sequˆencia de cliques ´e analisado em maiores detalhes.