Search Analytics
•
2 recomendaciones•595 vistas
Se estudia el problema de conocer cómo busca el usuario en sitios web. ¿Qué es la disciplina “Information Seeking Behaviour”? ¿Qué modelos son los más conocidos? De entre las diversas técnicas para conocer al usuario en HCI, se explican diversos estudios cuantitativos realizados mediante ténicas de Search Analytics, herramientas, aplicaciones y ejemplos reales.
![Search Analytics Unirioja 2008 Jorge Serrano-Cobos [email_address]](https://image.slidesharecdn.com/search-analytics-091014051432-phpapp02/85/Search-Analytics-1-320.jpg)
![Indice Unirioja 2008 ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recomendados
Recomendados
Más contenido relacionado
Similar a Search Analytics
Similar a Search Analytics (20)
Más de Jorge Serrano-Cobos
Más de Jorge Serrano-Cobos (19)
Último
Último (12)
Search Analytics
- 1. Search Analytics Unirioja 2008 Jorge Serrano-Cobos [email_address]
- 4. Conocer al usuario Unirioja 2008 Cómo usan Cómo encuentran Cómo buscan Information Seeking Search Analytics Findability Arquitectura información Usabilidad
- 5. Information Seeking Behaviour Unirioja 2008 Conducta que se produce cuando un usuario interactúa con un sistema de recuperación de información específico para buscar información relevante (Wilson, 2000)
- 7. Clásico Unirioja 2008 Documento Representación del Documento Query Necesidad de Información Matching Modelo de RI clásico: Marcia Bates
- 10. Information scent Unirioja 2008
- 14. Usabilidad Unirioja 2008 Wireframe
- 19. Search Analytics Unirioja 2008 Las búsquedas (queries) son oro: son datos reales que nos muestran exactamente qué están buscando los usuarios en sus propias palabras. (Rosenfeld & Wiggins 2006)
- 22. Key Performance Indicators (KPI´s) Unirioja 2008 resolvo.com Establecer objetivos Recolección de datos Predicción Análisis Acciones como respuesta
- 26. Search log Unirioja 2008
- 29. Google Analytics Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
- 31. Para comenzar Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
- 32. Evolución temporal Unirioja 2008 Rebekah Kilzer - Ohio State University Libraries
- 36. Site Search Unirioja 2008
- 37. Clicktracking Unirioja 2008 Site Overlay
- 38. Cuellos de botella Unirioja 2008
- 39. Google Adwords Unirioja 2008 Dendogramas Escalamiento multidimensional Concepto buscado Resultados naturales (sin publicidad) Google AdWords (CPC)
- 40. Google Adwords Unirioja 2008
- 41. Google Adwords Unirioja 2008
- 42. Google Adwords Unirioja 2008
- 44. Grafos co-ocurrencias Unirioja 2008 Webcam Altea Calpe spain Beach
- 49. Search log externo vs. interno Unirioja 2008 Search log externo Search log interno analog.cx = /
- 58. Best bets Unirioja 2008
- 59. Best Bets Unirioja 2008
- 61. Search Analytics y AI Unirioja 2008 ¿Qué términos o palabras clave son aquellas por las que queremos ser encontrados en internet? ( Posicionamiento en buscadores ) ¿Qué términos queremos que sean encontrados dentro de nuestro sitio web? ( Findability / Arquitectura de Información )
- 62. Construcción de categorías – Top Down Unirioja 2008 Dendogramas Escalamiento Card Sorting multidimensional Yussef Hassan
- 63. Bottom-up con Google Adwords Unirioja 2008
- 64. Const. de categorías bottom-up Unirioja 2008 Agrupar las palabras clave según afinidad temática
- 67. AI Dinámica Unirioja 2008 Fallas 2006
- 71. Unirioja 2008 ¡GRACIAS! Jorge Serrano Cobos [email_address]