Reti neurali per il web mining.
(Stage presso NUNATAC)

Christian Castiello, Facoltà di Economia - Università di Pavia
Relatore: prof. Paolo Giudici

Il web fornisce alle aziende l'opportunità di scoprire il comportamento e le preferenze dei propri consumatori, indagando l'imponente mole di informazioni contenuta nei log files dei propri siti web. L'analisi del clickstream impone, però, una revisione del modo di concepire l'architettura del data warehouse e l'analisi di data mining.

La prima parte del lavoro mette in luce le caratteristiche che il Web data warehouse deve possedere per la predisposizione di una corretta base dati necessaria per l'estrazione, con tecniche di Web mining, di informazioni significative dall'indistinta massa di dati presenti nel clickstream. Obiettivo dell'analisi è la segmentazione comportamentale dell'utenza di un sito web utilizzabile per decisioni di marketing relazionale.

A tal scopo l'analisi è stata articolata in due fasi distinte:

1. Individuazione delle classi di comportamento degli utenti attraverso
   l'uso congiunto di tecniche di cluster analysis e mappe di Kohonen
2. Individuazione di una regola che assegni ogni navigatore ad una classe comportamentale attraverso l'utilizzo di diverse architetture di reti neurali e confronto con le performance di altri modelli previsivi (alberi decisionali, regressione logistica multipla).

Tale analisi è stata effettuata con l'ausilio del software SAS/Enterprise Miner. Parole chiave: Reti neurali, Percettrone multistrato, Self Organizing Maps, Cluster analysis, Scelta del Modello, Clickstream analysis, Web data warehouse, Web mining.