Profilazione d’utente nei sistemi di e-commerce

Presentazione sul tema: "Profilazione d’utente nei sistemi di e-commerce"— Transcript della presentazione:

1 Profilazione d’utente nei sistemi di e-commerce
Il caso del portale per la didattica e servizi intranet d’ateneo Relatori: Prof. Marco Mezzalama Prof. Matteo Sonza Reorda Candidato: Alessandro Ugo Quando chiudi la tua attività alla sera 3 miliardi di potenziali clienti si svegliano

2 Agenda L’utilità L’offerta del mercato Le tecnologie Il caso di studio
Quando chiudi la tua attività alla sera 3 miliardi di potenziali clienti si svegliano

3 L’utilità Le potenzialità “Avere a disposizione informazioni circa le preferenze dell’utente, un profilo per l’appunto, permette di applicare un alto grado di personalizzazione ai servizi” Quando chiudi la tua attività alla sera 3 miliardi di potenziali clienti si svegliano

4 L’utilità Più efficaci messaggi promozionali
Le motivazioni Più efficaci messaggi promozionali Tutto il contenuto personalizzato One-to-one relationship Ricerche di mercato di qualità a basso costo Quando chiudi la tua attività alla sera 3 miliardi di potenziali clienti si svegliano

5 L’utilità Interfaccia “su misura” senza alcuno sforzo
per l’utente Interfaccia “su misura” senza alcuno sforzo Velocità nell’incorporare le deduzioni caratteristica fondamentale Privacy in pericolo Quando chiudi la tua attività alla sera 3 miliardi di potenziali clienti si svegliano

6 Informazioni sull’utente
L’offerta del mercato Caratteristiche Interazioni dell’utente con il sistema Pattern Who What When Informazioni sull’utente User Profiling: l’e-business non sarà mai un e-pacco!

7 L’offerta del mercato Who: distinguere un navigatore da un altro
Pattern Who: distinguere un navigatore da un altro What: intercettare e rappresentare When: interesse per l’argomento e mutare delle preferenze User Profiling: l’e-business non sarà mai un e-pacco!

8 L’offerta del mercato Pacchetto software aggiuntivo Outsourcing
Proposte Pacchetto software aggiuntivo Outsourcing Centralizzare le informazioni Sfruttare l’opensource User Profiling: l’e-business non sarà mai un e-pacco!

9 L’offerta del mercato Database server Sito web basato su script
Elementi Database server Sito web basato su script Identificazione dell’utente Deduzione delle preferenze User Profiling: l’e-business non sarà mai un e-pacco!

10 L’offerta del mercato Identificazione Non in termini anagrafici, ma di riconoscibilità negli accessi successivi Tecniche impiegate: utilizzo dei cookie identificazione standard CGI pagine di login User Profiling: l’e-business non sarà mai un e-pacco!

11 L’offerta del mercato Flussi informativi User Profiling: l’e-business
non sarà mai un e-pacco!

12 L’offerta del mercato Identificazione User Profiling: l’e-business
non sarà mai un e-pacco!

13 Generazione dei contenuti
L’offerta del mercato Generazione dei contenuti User Profiling: l’e-business non sarà mai un e-pacco!

14 Generazione dei profili
L’offerta del mercato Generazione dei profili User Profiling: l’e-business non sarà mai un e-pacco!

15 Le tecnologie per la profilazione “Non esiste un modo predeterminato di creare un sistema di profilazione, esistono però delle tecnologie che emergono come punti fermi, o per lo meno come punti di riferimento.” Non accettate accessori dagli sconosciuti

16 Le tecnologie Cookie = variabile memorizzata nel browser
I cookie HTTP non conserva informazioni di stato, i cookie nascono per ovviare a questa carenza Cookie = variabile memorizzata nel browser Utilizzo indiscriminato porta gli utenti a sospettare dei cookie, qualche volta a disattivarli Non accettate accessori dagli sconosciuti

17 Le tecnologie I classificatori Estrarre in maniera automatica delle regole generali per dedurre la classe di appartenenza di un oggetto da una serie di esempi assumendo che siano applicabili ad oggetti nuovi I calcolatori “imparano” a classificare gli oggetti Non accettate accessori dagli sconosciuti

18 Strutture di decisione
Le tecnologie Strutture di decisione Liste di decisione Albero di decisione Non accettate accessori dagli sconosciuti

19 Le tecnologie Le directory Database specializzato che si differenzia da quelli tradizionali perché : ottimizzata per le operazioni di lettura transazioni semplici (dimensioni ridotte) indipendente dal luogo in cui risiede Non accettate accessori dagli sconosciuti

20 Il caso di studio “Sistema Integrato di Ateneo per la Didattica”:
SIAD “Sistema Integrato di Ateneo per la Didattica”: homepage privata per docenti e studenti pagina del corso con materiale didattico casella di posta istituzionale per studenti lista di distribuzione per iscritti ai corsi Architettura Flessibile

21 Il caso di studio Homepage studente Architettura Flessibile

22 Il caso di studio L’architettura Architettura Flessibile

23 Il caso di studio utilizzata in modo inconsapevole
La profilazione utilizzata in modo inconsapevole profili disponibili in forma distribuita personalizzazione per gruppi di appartenenza sistema di profilazione facilmente inseribile Presente Futuro difficoltà nella deduzione delle preferenze molti siti e servizi presenti non coordinati funzionalità realizzabili allettanti Architettura Flessibile

24 Conclusioni “Come nella corsa all’oro nel 1855, la grande corsa alla new economy potrebbe premiare, più che le aziende del settore, quelle che offrono servizi di comodity.” “Vista l’alta aspettativa dei navigatori, la battaglia per attirarne l’attenzione, va spostata dalla grafica ai contenuti, passando per quello che interessa all’utente.” Architettura Flessibile