Relace (webová analytika)

Aktuální verze stránky ještě nebyla zkontrolována zkušenými přispěvateli a může se výrazně lišit od verze recenzované 17. června 2021; kontroly vyžadují 4 úpravy .

Definice „relace“ ( anglicky  Session ), nebo „HTTP relace“, se liší zejména ve vztahu k vyhledávačům [1] . Relace je obvykle chápána jako „sekvence požadavků provedených koncovým klientem (webovým prohlížečem, aplikací, crawlerem atd.) při návštěvě konkrétního hostitele“ [2] . V kontextu vyhledávačů má „relace“ nebo „relace dotazu“ alespoň dvě definice [1] . V širokém slova smyslu se jedná o všechny požadavky uživatele v určitém časovém období [3] . V úzkém slova smyslu je „relace“ ve webové analýze série požadavků nebo přechodů s konzistentními potřebami uživatele.

Google Analytics používá koncept „ webové relace “ [ 4] . Yandex.Metrica používá termín „ relace “ nebo „ návštěva “ [5] .

Popis

Session je základní heuristika pro určení historie interakcí klienta a hostitele přes protokol HTTP. Mechanismy relací a relací se používají při konstrukci heuristiky vyšší úrovně, jako je uživatel atd.

Relace je vytvořena při prvním požadavku na hostitele (server). Když klient přistupuje k hostiteli, vygeneruje identifikátor relace, který pak klient používá pokaždé, když je hostitel kontaktován, dokud relace existuje. Na straně hostitele lze implementovat různé logiky ukončení relace: například uložení relace na dlouhou dobu, smazání relace, když relace skončí, otevření nové relace s každým přechodem z nového zdroje, otevření nové relace po identifikaci (přihlášení), smazání relace po určité době atd. Pokud klient přistupuje k hostiteli pomocí neaktivního (např. smazaného nebo označeného jako neaktivní, zastaralé) identifikátoru relace, vytvoří se nová relace. Na straně klienta je přerušení HTTP relace obvykle implementováno odstraněním identifikátoru relace. To je implementováno různě na různých klientech. Ve webových prohlížečích se to děje především aktualizací nebo mazáním cookies.

V některých systémech webové analýzy relace končí, když uživatel po určitou dobu neprovede nové akce, například v Google Analytics a Yandex.Metrica je výchozí nastavení 30 minut.

Výpočet organických relací na webu a reklamy je odlišný. Každé kliknutí na reklamu, bez ohledu na setrvání uživatele na webu, bude považováno za novou návštěvu [6] . Google.Analytics bude také vždy považovat relaci za ukončenou, pokud je čas o půlnoci, a po půlnoci je probíhající relace považována za novou [7] .

Aplikace

Relace lze použít pro zprávy webové analýzy ke studiu chování uživatelů na webových stránkách [8] . Studované metriky zahrnují trvání relace [9] a akce uživatelů na relaci [10] . Doba trvání relace je považována za přesnější alternativu k počtu zobrazení stránky [11] [12] .

Relace, které na webu prošly, se také používají k měření celkové návštěvnosti uživatelů, včetně měření počtu pracovních hodin strávených tvorbou Wikipedie [13] . Relace se také používají pro provozní analýzy, anonymizaci dat, detekci síťových anomálií a generování umělé zátěže pro testování serverů s umělým provozem [14] [15] .

Relace ukládají data o webu v době, kdy uživatel interaguje s webovým zdrojem prostřednictvím prohlížeče pomocí odpovídajícího klíče [16] .

Vyhodnocením návštěvnosti webu můžete určit zapojení zákazníků, k tomu byste měli vzít v úvahu trvání a frekvenci návštěv webu, procento opakovaných návštěv, dobu trvání návštěvy, šířku návštěvy (procento těch, kteří navštívil web), stejně jako statistiky prodeje prostřednictvím webu [17] .

Rekonstrukce relace

Weboví analytici studují relace, aby získali potřebné informace o webu, a důležitou roli zde hraje schopnost identifikovat relace. Schopnost rekonstruovat relaci uživatele se také nazývá „obnova relace“. Přístupy k rekonstrukci relací lze rozdělit do dvou hlavních kategorií: časově orientované a orientované na navigaci [18] .

Časově založený přístup ukazuje určitou dobu nečinnosti uživatele, která se nazývá „práh nečinnosti“. A když dojde k nečinnosti uživatele, předpokládá se, že opustil web nebo úplně přestal používat prohlížeč a relace skončila. Další požadavky od stejného uživatele jsou považovány za druhou relaci. Obecná hodnota pro práh nečinnosti uživatele je 30 minut [19] [20] . Někteří tvrdí, že 30minutová perioda relace vytváří artefakty kolem přirozeně dlouhých relací a experimentují s jinými periodami [21] [22] . Jiní tvrdí, že „neexistuje žádný časový práh účinný při zjišťování relací“ [23] , existuje alternativa k „prahové hodnotě nečinnosti“ 30 minut, která spočívá v použití vlastních dob pobytu na webu [24] [25] .

Druhý přístup, který se používá ke studiu uživatelské relace, je přístup zaměřený na navigaci . V tomto případě analytici využívají strukturu webových stránek, zejména přítomnost hypertextových odkazů a tendenci uživatelů procházet mezi stránkami téhož webu tak, že na ně klikají, aniž by do svého prohlížeče zadávali celou URL [26] . Jedním ze způsobů, jak identifikovat návštěvy z těchto dat, je vytvořit mapu webu: pokud lze určit první stránku návštěvy, návštěva pokračuje, dokud se uživatel nedostane na stránku, na kterou nelze získat přístup z žádné dříve zobrazené stránky . To zohledňuje backtracking, kdy uživatel zkontroluje své kroky před otevřením nové stránky [27] . Jednodušší varianta, která nezohledňuje backtracking, když je HTTP refererem každého požadavku stránka, která již byla v relaci [28] . Pokud tomu tak není, je relace považována za novou. Tato metoda "ukazuje velmi slabý výkon" na stránkách, které obsahují sady rámců [29] .

Viz také

Poznámky

  1. ↑ 1 2 Gayo-Avello, Daniel. Průzkum metod detekce relací v protokolech dotazů a návrh budoucího hodnocení // Informační vědy. - 2009. - č. 179 (12) . — S. 1822–1843 . — ISSN 0020-0255 . - doi : 10.1016/j.ins.2009.01.026 .
  2. ↑ Arlitt, Martin. Charakterizace webových uživatelských relací  // SIGMETRICS Performance Evaluation Review. - 2000. - č. 28 (2) . — S. 50–63 . - doi : 10.1145/362883.362920 . Archivováno 15. května 2021.
  3. ↑ Donato, Debora; Bonchi, Francesco; Chi, Tome. Chcete si dělat poznámky?: identifikace výzkumných misí v Yahoo! search pad // Sborník příspěvků z 19. mezinárodní konference o World Wide Web. — 2010.
  4. ↑ Definice webové relace v Google Analytics - Nápověda Google Analytics . support.google.com. Získáno 18. února 2020. Archivováno z originálu dne 17. března 2020.
  5. ↑ Termíny a definice - Metrika. Pomoc . yandex.ru. Staženo 18. února 2020. Archivováno z originálu 18. února 2020.
  6. ↑ Lekce 2: Základní pojmy: zobrazení, návštěvy, návštěvníci . yandex.ru. Získáno 5. března 2020. Archivováno z originálu dne 24. října 2019.
  7. ↑ Definice webové relace v Google Analytics - Nápověda Google Analytics . support.google.com. Získáno 5. března 2020. Archivováno z originálu dne 17. března 2020.
  8. ↑ Weischdel, Birgit; Huizingh, Eelko KRE Optimalizace webových stránek pomocí webových metrik: případová studie . — Sborník příspěvků z 8. mezinárodní konference o elektronickém obchodu. - 2006. - 463 s. — ISBN 978-1595933928 . - doi : 10.1145/1151454.1151525 . Archivováno 4. března 2016 na Wayback Machine
  9. ↑ Jansen, Bernard J.; Spink, Amando. Jak vyhledáváme na celosvětové síti? Srovnání devíti protokolů transakcí vyhledávače // Zpracování a správa informací. - 2006. - č. 42 (1) . — S. 248–263 . — ISSN 0306-4573 . - doi : 10.1016/j.ipm.2004.10.007 .
  10. ↑ Jansen, Bernard J.; Spink, Amanda; Saracevic, Tefko. Skutečný život, skuteční uživatelé a skutečné potřeby: studie a analýza uživatelských dotazů na webu // Information Processing and Management. - 2000. - č. 36 (2) . — S. 207–227 . — ISSN 0306-4573 . - doi : 10.1016/S0306-4573(99)00056-4 .
  11. ↑ Khoo, Michael; Pagano, Joe; Washington, Anne L.; Recker, Mimi; Palmer, Bart; Donahue, Robert A. Použití webových metrik k analýze digitálních knihoven. — Sborník příspěvků z 8. společné konference ACM/IEEE-CS o digitálních knihovnách. - ACM, 2008.
  12. ↑ Catledge, L.; Pitkow, J. Characterizing browsing strategy in the world-wide web" (PDF) // Proceedings of the Third International World-Wide Web Conference on Technology, Tools and Applications. - 1995. - No. 27 (6) . - P. 1065 -1073 - doi : 10.1016/0169-7552(95)00043-7 .
  13. ↑ Geiger, R.S.; Halfaker, A. Using Edit Sessions to Measure Participation in Wikipedia // Proceedings of the 2013 ACM Conference on Computer Supported Cooperative Work. - ACM, 2014. - S. 861 . — ISSN 9781450313315 . - doi : 10.1145/2441776.2441873 .
  14. ↑ Meiss, Mark; Duncan, John; Gonçalves, Bruno; Ramasco, José J.; Menczer, Filippo. Co je v relaci: Sledování individuálního chování na webu  // Sborník příspěvků z 20. konference ACM o hypertextu a hypermédiích. - ACM, 2009. Archivováno z originálu 8. května 2021.
  15. ↑ Arlitt, Martin. Characterizing Web User Sessions (PDF) // SIGMETRICS Performance Evaluation Review. - 2000. - č. 28 (2) . — S. 50–63 . - doi : 10.1145/362883.362920 .
  16. ↑ Příručka, část 7: Relace . Webová dokumentace MDN. Staženo 18. února 2020. Archivováno z originálu 18. února 2020.
  17. ↑ Okolnishnikova I.Yu. Jak měřit míru zapojení zákazníků do značky? // Ruské podnikání. — 2011.
  18. ↑ Spiliopoulou, Myra; Mobasher, Bamshad; Berendt, Bettina; Nakagawa, Miki. Rámec pro hodnocení heuristiky rekonstrukce relace v analýze používání webu // INFORMS Journal on Computing. - 2003. - č. 15 (2) . — S. 171–190 . — ISSN 1526-5528 . - doi : 10.1287/ijoc.15.2.171.14445 .
  19. ↑ Ortega, JL; Aguillo, I. Rozdíly mezi webovými relacemi podle původu jejich návštěv // Journal of Informetrics. - 2010. - č. 4 (3) . — S. 331–337 . — ISSN 1751-157 . - doi : 10.1016/j.joi.2010.02.001 .
  20. ↑ Eickhoff, Carsten; Teevan, Jaime; White, Ryan; Dumais, Susan. Lekce z cesty: Analýza protokolu dotazů učení v rámci relace. — Sborník příspěvků ze sedmé mezinárodní konference o vyhledávání na webu a dolování dat z webu. - ACM, 2014. - S. 223-232. — ISBN 9781450323512 . - doi : 10.1145/2556195.2556217 .
  21. ↑ Mehrzadi, David; Feitelson, Dror G. O extrahování dat relace z protokolů aktivit  // SYSTOR '12. ACM. - 2012. - ISSN 978-1-4503-1448-0 . doi : 10.1145 / 2367589.2367592 . Archivováno z originálu 20. září 2019.
  22. ↑ On, Daqing; Goker, Ayse; Harper, David J. Kombinace důkazů pro automatickou identifikaci webové relace // Information Processing and Management. - 2002. - č. 38 (5) . — S. 727–742 . — ISSN 0306-4573 . - doi : 10.1016/S0306-4573(01)00060-7 .
  23. ↑ Jonesová, Rosie; Klinkner, Kristina Lisa. Po uplynutí časového limitu relace: Automatická hierarchická segmentace témat vyhledávání v protokolech dotazů doi. — ACM. - 2008. - 699 s. — ISBN 9781595939913 . - doi : 10.1145/1458082.1458176 .
  24. ↑ Murray, G. Craig; Lin, Jimmy; Chowdhury, Abdur. Identifikace uživatelských relací pomocí hierarchického aglomerativního shlukování  // Proceedings of the American Society for Information Science and Technology. - 2006. - č. 43 (1) . — S. 1–9 . - doi : 10.1002/setkání.14504301312 . Archivováno z originálu 21. září 2019.
  25. ↑ Mehrzadi, David; Feitelson, Dror G. O extrahování dat relace z protokolů aktivit (PDF)  // SYSTOR '12. ACM.. - 2012. - ISBN 978-1-4503-1448-0 . doi : 10.1145 / 2367589.2367592 . Archivováno z originálu 20. září 2019.
  26. ↑ Spiliopoulou, Myra; Mobasher, Bamshad; Berendt, Bettina; Nakagawa, Miki. Rámec pro hodnocení heuristiky rekonstrukce relace v analýze používání webu // INFORMS Journal on Computing. - 2003. - č. 15 (2) . — S. 171–190 . — ISSN 1526-5528 . - doi : 10.1287/ijoc.15.2.171.14445 .
  27. ↑ Cooley, Robert; Mobasher, Bamshad; Srivastava, Jaideep. Příprava dat pro těžbu vzorů procházení webu // Znalostní a informační systémy. - 1999. - č. 1 (1) . - S. 19 . — ISSN 0219-3116 . - doi : 10.1007/BF03325089 .
  28. ↑ Cooley, Robert; Mobasher, Bamshad; Srivastava, Jaideep. Příprava dat pro těžbu vzorů procházení webu (PDF) // Znalostní a informační systémy. - 1999. - 1 (1). — S. 5–32 . — ISSN 0219-3116 . - doi : 10.1007/BF03325089 .
  29. ↑ Berendt, Bettina; Mobasher, Bamshad; Nakagawa, Miki; Spiliopoulou, Myro. Vliv struktury webu a uživatelského prostředí na rekonstrukci relace v analýze používání webu (PDF) // WEBKDD 2002 - Těžba webových dat pro zjišťování vzorů a profilů použití. WEBKDD. Springer.. - 2003. - ISBN 978-3-540-39663-5 . - doi : 10.1007/978-3-540-39663-5_10 .