OPERATIONEL ANALYSE AF WEBADFÆRD OAW – LEKTIONSGANG 8

OPERATIONEL ANALYSE AF WEBADFÆRD AGENDA AND MISC. Practicalities –Transfer from OAWF to OAW Summarize –External logging –FDIM, webmeasure Øvelse 2 – gennemgang User registration –Implementation –Examples

OPERATIONEL ANALYSE AF WEBADFÆRD ØVELSESRUNDE 2 - OPSUMMERING Aktører –List de aktører man henvender sig til med adfærds- og trafik- information på en online nyhedstjeneste. Beskriv kort deres informationsbehov. –Er der nogle aktørers informationsbehov vi ikke umiddelbart kan tilfredsstille? –Hvordan synes kursisten information om adfærd og trafik skal distribueres til de forskellige aktørerne (ugentlige , ved radikale ændringer i trafikken, adgang til et website, præsenteres på afdelingsmøder)?

OPERATIONEL ANALYSE AF WEBADFÆRD ØVELSESRUNDE 2 - OPSUMMERING Indsamling og strukturering af data –Lav en overordnet beskrivelse af den tabel-struktur der ligger til grund for din analyse. –Beskriv kort hvorledes data indsamles (ved include script, ved manuel optælling, ved daglige cron-jobs, etc) –Hvilke fejlkilder/mangler kan du indentificere?

OPERATIONEL ANALYSE AF WEBADFÆRD ØVELSESRUNDE 2 - OPSUMMERING Reflektering over udvikling af eget tracking- system –Hvilke primære muligheder opnås med med denne type tracking som ikke muligt i logfilsanalyse? –Hvilke ting er stadig ikke muligt at måle? –Hvor ressource-krævende er udvikling af egne systemer til tracking af adfærd og trafik-analyse?

OPERATIONEL ANALYSE AF WEBADFÆRD ØVELSESRUNDE 2 - OPSUMMERING Perspektivering –Beskriv et par forslag til hvorledes de indsamlede data kan bruges generisk i selve web-applikationen til at personalisere brugerens oplevelse (adaptive hypermedia).

OPERATIONEL ANALYSE AF WEBADFÆRD BRUGERREGISTRERING Registrering af brugere på et website Implementeringsudfordringer Eksempler fra danske og udenlandske websites

OPERATIONEL ANALYSE AF WEBADFÆRD HVORFOR REGISTRERE BRUGERE ? Gøre det muligt at tilbyde personlige services Dot-com: –Direkte valueringsredskab når nu indtægt ikke var det … –Post-dot-com: meget anderledes fokus på værdi ? Skabe loyalitet og inerti Forbedre annonce-indtjening Forberede betalingsvillighed Måling og forståelse af brugeradfærd –Sammenkæde adfærdsmæssige målinger med brugerdata

OPERATIONEL ANALYSE AF WEBADFÆRD HVILKE DATA REGISTRERES ? Brugernavn/kodeord –Brugernavn (UID): adresse, selvvalgt brugernavn, forudbestemt brugernavn Supplerende data –Navn, , alder, postnummer, adresse, branche, indkomst, interesseområder … etc Tvang/Frivilligt –Typisk dilemma: Mere data ved tvang vs. Større andel af AndersAnd-data ved tvang

OPERATIONEL ANALYSE AF WEBADFÆRD HVORDAN IMPLEMENTERES DET ? Mange muligheder. Eksempel: –T_users: uid, create_time, username, password (MD5) –T_extended_info: user_key, firstname, lastname, zip, country etc Privacy statement Overvej om data indtastes ved oprettelse eller løbende ? Cookie-levetid ved login –Brugere kan krydse af og vælge at maskinen skal huske brugernavn og password (persistent cookie i stedet for session) –Profil-information kan teoretisk set godt gemmes direkte i cookien, men typisk vil det nok være smartere blot at gemme bruger-id (eller en session-id jvf php sessions).

OPERATIONEL ANALYSE AF WEBADFÆRD HVORLEDES VALIDERES DATA ? Forskellig approach ved tvang/frivilligt Validering af generel data –Simpel logik. Det bør opsnappes hvis fødselsår sættes til 1987 og uddannelse sættes til Cand IT. –Længe på indtastning. Meget få fornavne består af én karakter. Validering af –Syntaksvalidering –Domæne-validering –Den 100% sikre: send en med et link der validerer

OPERATIONEL ANALYSE AF WEBADFÆRD EKSEMPLER Et par udmærkede eksempler at teste –TV2.dk (ping) –Opasia.dk (mit opasia) –IMDB.com –Yahoo.com / MSN

OPERATIONEL ANALYSE AF WEBADFÆRD BRUGERREGISTRERING, EKSEMPLER