2. About Me Education: Ph.D., Information Retrieval & Data Mining, Univ. of Hannover, Germany B.Sc., Ecole Polytechnique, Paris, France + “Politehnica” Univ. Bucharest, CS Dept. Roughly 8 yrs. in IT, out of which 7 in IR & DM Now in Adobe Romania (L3S, Yahoo!, Schlumberger and others in the past)
3. Web Mining The application of Data Mining algorithms to discover patterns in the Web. Three dimensions: Usage Mining Analyzes various access logs in order to provide input to Business Decisions By far the most used, with the highest ROI Content Mining Analyzes Web page content in order to extract useful information (e.g., keywords, topic, content type, sentiment, etc.) Structure Mining Also known as “Link Analysis” Investigates the hyperlink structure of the Web to improve current algorithms
4. Agenda Client side tools Google Analytics Omniture Server side tools AW-Stats Webalizer / AWF-Full Advanced analytics
5. Agenda Client side tools Google Analytics Omniture Server side tools AW-Stats Webalizer / AWF-Full Advanced analytics
6. Client side tools Purpose: Return basic information about traffic on your Web Site, SEO Most of them are also (partly) integrated with Monetization Tools (e.g., AdWords) Pros: Hosted by third party sites, zero or minimal cost for you Easy to implement and integrate, no maintenance Cons: The client side tracking code will eat some of your bandwidth (~200-600 ms. additional response time) If your traffic increases “too much” you have to pay
7. Client-side tools: Google Analytics Free, and well-engineered! Shows statistics about: Basic stuff: Visits, Pages, etc. Visitor profiles: Browser, OS, Language/Locale Visitor loyalty: How many times did each visitor return to your site, When was the last time they did it, For how long Trends: Is your traffic & popularity growing or decreasing Traffic sources: Entry/Exit pages, Referring sites & search engines Some customization planned for the near-term future Good for personal or small scale sites https://www.google.com/analytics
9. Omniture: Site Catalyst Low price per thousand of entries, but may become costly if you have a lot of traffic (millions of visits per day) or if you have many dozens of sensors Same statistics as Google Analytics, but you can drill down very deep: Statistics per hour of day, per file type (html, cfm, etc.), per action type (download, view page, etc.) Visitor segmentation down to the level of city Purchases, Promotions, and Many metrics for e-commerce (e.g., how many products added to the cart have actually been checked out) Most importantly, you can define ANY metric you want! (e.g., how many people click on my survey link, how many of them fill it in, etc.) www.omniture.com
11. Agenda Client side tools Google Analytics Omniture Server side tools AW-Stats Webalizer / AWF-Full Advanced analytics
12. Server side tools Purpose: Return basic information about traffic on your Web Site Similar to the client-side tools, but currently more focused on Reliability & Application Improvements Pros: Most importantly, zero bandwidth overhead for your app (Every ms counts!) Show a lot of developer specific information (errors, visitor browsers/OS, etc.) Very easy to install Cons: Usually open source, but hard to extend with your own metrics
13. FREE Server side tools Similar statistics as with the Client Side tools, but… Less business specific information (do not include Visitor Loyalty, Trends, etc.) More developer specific data (errors & error types, HTTP status codes, etc.) Good for medium and large scale sites http://awstats.sourceforge.net/ http://www.stedee.id.au/awffull/
16. Paid Server side tools Overcome most limitations of the free tools Log everything into text files (see next Section) Provide some sort of SQL-like query language which helps you define any type of query you want Run reports much faster The most expensive of them all, meant for professional use http://www.splunk.com/
17. Agenda Client side tools Google Analytics Omniture Server side tools AW-Stats Webalizer / AWF-Full Advanced analytics
18. How is this done in the heavy weight category ;-) Multiple log files, one per each functionality checked As simple as possible (see next slide for an example) The main guideline is to be able to parse any log file and generate statistics using only the command line Example: Tab separated
19. Sample log Date & Time IP (hashed) User ID (hashed) Query Parameters Sep 28 06:49:42 Ea9hjnc4ufTfU anonymous spell checker :0:10:en_US:en_US:0:0 Sep 28 06:49:42 8NCTsHqR366 anonymous javascript :0:10:fr_FR:fr_FR:0:1 Sep 28 06:49:42 K4nD5xy/R5fw anonymous text :0:10:en_US:en_US:0:1 Sep 28 06:49:43 lRqBaIaUWxna yxDkhBEqC6xxR8z= module :0:10:en_US:en_US:0:0 Sep 28 06:49:44 jMjJpy6bHAdb hPFLKaMNeShD0= delete spread :0:10:en_US:en_US:0:0 Sep 28 06:49:44 r3xgRLagX1cQ6 anonymous _x :0:10:ru_RU:ru_RU:0:0 Sep 28 06:49:45 b2DLBl3VTT67Q anonymous anti a :0:10:de_DE:de_DE:0:0 Sep 28 06:49:45 KaKiB2ITEdPeM VcLic9CIy4QxVtJQ= create a star :0:10:en_US:en_US:0:0
20. What can be done using this data You can basically measure everything ;-) Plus you can enable loads of new features: Personalization for search, sold/promoted products, etc. Browsing recommendations Improve site organization (make popular pages more accessible, promote some other pages and track their traffic increase, etc.) Search suggestions Advertising (keyword selection, etc.)
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului
“secrete” – “secretomanie” – oamenii nu suntinformati. Se tin informatiile la nivelulmanagerilor. Oamenii se simtdezinformati. Pierdereaincrederii in managerul direct. Zvonurilesuntincurajate.Oamenii nu stiu ce trebuie sa facapentru a puteaavansa in cariera deoarecemanagerii nu spun:Cum se avanseazaCare suntdirectiile de avansareIn ce directie se indreaptaechipaCare e strategiacampusului