Tıklama akışı

Bir Tıklama Akışı, bir bilgisayar kullanıcısının web'de gezinirken veya başka bir yazılım uygulamasını kullanırken tıkladığı ekran bölümlerinin kaydedilmesidir. Kullanıcı web sayfasında veya uygulamada herhangi bir yeri tıklattığında, eylem bir istemcide veya web sunucusunda, ayrıca muhtemelen web tarayıcısı, yönlendirici merkezinde, proxy sunucusu veya reklam sunucusunda günlüğe kaydedilir. Tıklama Akışı analizi, web etkinliği analizi, yazılım testi, pazar araştırması ve çalışan verimliliğini analiz etmek için yararlıdır.

Genel Bakış

İlk tıklama akışını veya tıklama yolu verilerini sunucu günlük dosyalarından derlemek zorundaydınız. Geçmişte bu sistem olmadığı için genellikle bu teknik sunucu üzerinde derleme yapılarak kontrol ediliyordu. Ancak insan ve makine trafiği ayrım yapmadığı için, insan tıklamaları çalışması büyük bir çaba sarf edilerek birbirinden ayrıldı. Ardından tarayıcılardan bir dizi sinyal üretmek için bir izleme çerezini kullanıldı ve Javascript teknolojileri geliştirildi. Başka bir deyişle, bilgi sadece tarayıcılarla sitelere tıklayan "gerçek insanlar" dan toplanabilir veri elde edildi.

Bir tıklama akışı, bir dizi sayfa isteği oluşturup, istenen her sayfa bir sinyal üretir. Bu sinyaller, tıklama akışlı raporlama için grafiksel olarak temsil edilebilir. Tıklama izinin ana noktası, web yöneticilerine, sitenizdeki ziyaretçilerin yaptıklarına ilişkin bilgi vermektir. Bu verinin kendisi, herhangi bir veri kümesinin tarafsız olması anlamında kullanılır ve "tarafsızdır". Veriler çeşitli senaryolarda kullanılabilir, bunlardan biri pazarlama. Ek olarak, bir webmaster, araştırmacı, blog yazarı veya bir web sitesine sahip olan kişi, sitelerini nasıl geliştireceğini de öğrenebilir.

Tıklama akışı verilerini kullanmak, özellikle bazı İnternet servis sağlayıcıları geliri artırmanın bir yolu olarak kullanıcıların tıklama bilgisi verilerini satmaya başvurduklarından, gizlilik kaygılarını artırabilir. Bu veriyi satın alan 10-12 şirket var, genellikle kullanıcı başına aylık 0.40 $ civarında gelir elde edebiliyorlar. Bu uygulama bireysel kullanıcıları doğrudan tanımlayamasa da, dolaylı olarak belirli kullanıcıları tanımlamak mümkündür, örneğin AOL arama verileri skandalı. Çoğu tüketici bu uygulamadan ve gizliliklerinden ödün verme ihtimalinden habersizdir. Buna ek olarak bazı İSS'ler kamuya bu uygulama sayesinde itiraf ediyor.

Bir şirketin web sitesini ziyaret eden müşterilerin verilerini analiz etmesi, rekabet ortamı oluşturabilmesi için önemli olabilir. Bu analiz, şirket için iki bulgu oluşturmak için kullanılabilir; ilk olarak, bir kullanıcı tıklama akışının bir analizi olmakla birlikte, kullanım şekillerini ortaya çıkarmak için bir web sitesi kullanıyor ve bu da, müşteri davranışını daha da arttırıyor diyebiliriz. Analizin bu şekilde kullanılması, bir şirketin web sitesini ziyaret eden insan türlerini anlamaya yardımcı olan bir kullanıcı profili oluşturur.

Van den Poel & Buckinx'de (2005) tartışılan gibi, tıklama analizi, bir müşterinin bir e-ticaret web sitesinden satın alıp almayacağını tahmin etmek için kullanılabilir. Bu strateji sayesinde müşteri portföyü oluşturulabilir.

Tıklama Akışı analizi, web sitesiyle ve şirketle olan müşteri memnuniyetini artırmak için de kullanılabilir. Bu, işletme avantajı oluşturabilir ve bir web sayfasında veya siteyle reklamın etkinliğini değerlendirmek için kullanılabilir. Veri madenciliği, sütun odaklı DBMS ve entegre OLAP sistemleri ile desteklenir, bu verileri daha iyi kaydetmek ve analiz etmek için tıklama akışlarıyla birlikte kullanılabilir.

Tıklama Akışları, kullanıcının nerede olduklarını görebilmelerini ve daha önce ziyaret ettikleri bir sayfaya (çoğu tarayıcıda zaten yer alan bir işleve) kolayca erişmelerine izin vermek için kullanılabilir.

Yetkisiz tıklama akışı veri toplama yazılımı casus yazılım olarak kabul edilir. Bununla birlikte, yetkili tıklama akışı veri toplama, özel tıklama koleksiyon araçıları indirip yükleyerek tıklama akış verilerini diğer şirketlerle paylaşmayı kabul eden panelistleri kullanarak pazar araştırması üretmek için opt-in panelleri kullanan kuruluşlardan gelir elde edebilir.

Ayrıca bakınız

Klavye dinleme sistemi

Kaynakça

1. AOL arama verileri skandalı
2. Veri madenciliği
3. WW Moe, PS Fader (2004),“Capturing Evolving Visit Behavior in Clickstream Data11 Ocak 2017 tarihinde Wayback Machine sitesinde arşivlendi.” Journal of Interactive Marketing (2004)
4. Patrali Chatterjee, Donna L. Hoffman and Thomas P. Novak (2003),“Modeling the Clickstream: Implications for Web-Based Advertising Efforts”, Marketing Science22(4), (Autumn, 2003), 520-541
5. Nasraoui, Olfa; Cardona, Cesar; Rojas, Carlos; Gonzalez, Fabio (2003). "Mining Evolving User Profiles in NoisyWeb Clickstream Data with a Scalable Immune System Clustering Algorithm". Proc. of KDD Workshop on Web mining as a Premise to…. CiteSeerX 10.1.1.58.95583 Şubat 2017 tarihinde Wayback Machine sitesinde arşivlendi..