Sesionador Web dirigido al estudio de sitios web culturales: Diseño e Implementación del paquete RWeb Sessionizer Ec. Esther Hochsztain Ing. Andrómaca Tasistro Cra. Carolina Asuaga Facultad de Ciencias Económicas y Administración Universidad de la República, Uruguay Octavo Congreso Latinoamericano de Sociedades de Estadística. Octubre de 2008

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 2 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 3 Plan de la presentación Introducción Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 4 Introducción Evaluar qué tan efectivo es su sitio web resulta imprescindible para las organizaciones. Usualmente se analiza solamente los datos referidos al número de páginas consultadas y la cantidad de visitantes en el sitio web, así como en qué partes del sitio web el usuario clickea, cuándo elige incluir un producto en el carro de compras, comprar un ítem, u otras acciones de compra, eventos de registro, vista de productos, acciones de pago, etc. Sin embargo, lo anterior brinda una visión muy básica y se necesitan aplicaciones más avanzadas para estudiar características adicionales.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 5 Introducción: Conceptos Básicos Un sesionador web (Web Sessioner) resulta de fundamental importancia en Web Usage Mining, que consiste en la aplicación de técnicas de Data Mining para la identificación de patrones de uso de un sitio web. Existen muy pocas implementaciones de sesionadores web, debido a que es un área muy reciente y a la complejidad de su propuesta.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 6 Introducción: Conceptos Básicos Una sesión de usuario está formada por un conjunto de objetos consultados por un mismo usuario durante una misma visita a un sitio web. Existen diversos métodos para la identificación de usuarios, en esta propuesta se usa la pareja dirección IP y el agente desde donde se realiza la solicitud. Este procedimiento presenta como ventaja que siempre está disponible y no se necesita tecnología adicional. Una vez identificado el usuario deben distinguirse las diferentes sesiones de usuario. Esto se realiza agrupando las peticiones de sesiones utilizando heurísticas orientadas al tiempo o a la navegación. Es fundamental contar con un buen método de identificación de crawlers, ya que pueden distorsionar todo el estudio que se haga del uso de un sitio web.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 7 Introducción: Metodología Se presenta el paquete RWeb Sessionizer donde se implementa en R la metodología propuesta inicialmente por R. Cooley, y que ha tenido varios refinamientos posteriores.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 8 Plan de la presentación Introducción Antecedentes y Elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 9 Antecedentes: Áreas de Investigación 1) Cultura e Internet 2) Web Log Mining

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 10 1)Cultura e Internet Tecnología y Cultura, Antecedentes: Imprenta de Gutenberg, radio, cine, televisión Tecnología y Cultura, Internet: El sitio web de una organización cultural proporciona una herramienta fundamental para cumplir con dos de sus objetivos básicos: difundir y democratizar la cultura.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 11 1) Elección del caso de estudio: Teatro Solís Principal referente de la cultura montevideana. Propicia una fuerte demanda social.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 12 1) Elección caso de estudio: Teatro Solís El sitio web del Teatro Solís: proporciona información sobre los horarios y tarifas de las distintas actividades, permite que el público visite virtualmente las instalaciones del teatro, posibilita el acceso a su valiosa colección documental; presenta un programa para docentes en el marco de los distintos programas escolares.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 13 2) Web Log Mining Conocer la forma en que los usuarios de una organización utilizan la web es clave para comprender si se está brindando el servicio que se requiere, si los productos o servicios son fácilmente encontrados y, en definitiva, hasta qué punto se cumple con el objetivo que la organización pretende lograr por medio de su presencia en la web. Uno de los métodos habituales para conseguir este conocimiento es el análisis de logfiles, un sendero útil pero no exento de problemas.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 14 2) Web Log Mining La estructura de un logfile es extremadamente simple. Cada vez que alguien descarga un elemento de la web, como por ejemplo una página o una imagen, el servidor escribe una línea en el archivo histórico o logfile. Los enfoques de las investigaciones actuales realizadas en Web Usage Mining son muy variados, pero la mayoría se centran en las sesiones.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 15 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 16 Generación de sesiones Las principales formas de identificar sesiones se basan en los siguientes aspectos:  IP + Agente Identificadores de sesiones embebidos Registro Cookie Agente de Software

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 17 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 18 Identificación de crawlers Un crawler es un programa que realiza búsquedas en la web, por tanto deben distinguirse los usuarios "humanos" de los usuarios crawlers. Los crawlers trabajan de una forma metódica y automatizada, creando así una base de datos donde va guardando los resultados de sus búsquedas consecutivas, para posteriormente poder analizar dicha información y realizar tareas como la indexación y búsquedas más eficientes en la web (técnicas usadas por ejemplo por motores de búsqueda como Google, Yahoo, etc.). El comportamiento de un crawler es cíclico, realiza búsquedas en profundidad, accediendo internamente a los links que se le dan y así sucesivamente dentro de los links que va encontrando a su paso.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 19 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 20 Paquete RWebSessionizer El sessionizer implementado posee las siguientes características: timeout parametrizable, elimina software robots (crawlers), asigna un identificador a cada sesión, genera datos de resumen del proceso de sesionalización.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 21 Paquete RWebSessionizer DATOS PREPROCESAMIENTO IDENTIFICACIÓN DE CRAWLERS DETERMINACIÓN DE SESIONES INGRESO DE TIMEOUT DETERMINACIÓN DE MEDIDAS DE RESUMEN

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 22 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 23 Aplicación al caso de estudio: Teatro Solís Cantidad de días: 3 Cantidad de líneas : Timeout: 10 minutos Cantidad de sesiones (eliminados crawlers): 5248 El promedio de bytes por sesión es: 8722 Duración promedio de la sesión: 4,4 minutos

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 24 Aplicación al caso de estudio: Teatro Solís

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 25 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 26 Conclusiones Contar con este paquete es un primer paso para comprobar si el sitio web del Teatro Solís está cumpliendo con los objetivos previstos. Con los resultados preliminares se pudo apreciar que la página principal está cumpliendo el objetivo de brindar los datos necesarios para la mayoría de los usuarios.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 27 Conclusiones El Teatro Solís es patrimonio de todos los Uruguayos. Una correcta gestión de su sitio web, en el que además de promover y difundir los diversos espectáculos artísticos, se propicie la cohesión social, así como la generación y reafirmación de valores simbólicos compartidos, es un tema no menor tanto en los objetivos del Teatro como en el beneficio de la sociedad toda.

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 28 Plan de la presentación Introducción Antecedentes y elección del caso de estudio Generación de sesiones Identificación de crawlers Paquete RWebSessionizer Aplicación al caso Conclusiones Trabajos futuros

Sesionador Web dirigido al estudio de sitios web culturales. Diseño e Implementación del paquete RWeb Sessionizer Hochsztain, Tasistro, Asuaga 29 Trabajos futuros Incorporar el módulo de análisis de sesiones, en base a datos de resumen y una galería de gráficos. Establecer un método de consulta interactivo. Establecer una interfaz de usuario gráfica, que facilite el uso del paquete.

Sesionador Web dirigido al estudio de sitios web culturales: Diseño e Implementación del paquete RWeb Sessionizer Ec. Esther Hochsztain Ing. Andrómaca Tasistro Cra. Carolina Asuaga Facultad de Ciencias Económicas y Administración Universidad de la República, Uruguay Octavo Congreso Latinoamericano de Sociedades de Estadística. Octubre de 2008