SAS Italy | Academic

Web mining turistico: teoria e applicazione.

Lucrezia Lorini, Laurea in Economia del Turismo, Università di Perugia - Sede decentrata di Assisi
Docente: Stella Minuti
Relatore: Prof. Paolo Giudici - Università di Pavia

Il web mining nasce dall’unione di due aree che in questi ultimi anni hanno suscitato molto interesse: il data mining ed il world wide web.

Per le aziende è importante dotarsi di strumenti capaci di organizzare volumi considerevoli di dati (data warehouse) per poi, in un secondo momento, sfruttare il patrimonio informativo attraverso tecniche avanzate di esplorazione e modellazione (data mining) al fine di conoscere i propri clienti e proporre offerte mirate. Questa necessità è maggiormente sentita da tutte quelle aziende che operano in rete, dove è più difficile mantenere la fedeltà dei propri clienti in quanto basta un click per passare ad un altro “negozio”, conoscere le proposte della concorrenza e diventare suoi acquirenti. La chiave del successo consiste nella personalizzazione della navigazione all’interno del sito, proponendo percorsi e contenuti adatti al profilo di ciascun visitatore.

A tal proposito, il web mining, ovvero l’applicazione delle tecniche di data mining ai dati web, permette di capire chi sono i visitatori del sito e quali sono le loro preferenze, di analizzare i modelli di accesso degli utenti (clickstream analysis), di determinare, per ciascuna pagina web, la frequenza di visita ed il tempo medio di permanenza, etc...

Il web ci offre una fonte di dati senza precedenti. Infatti, ogni volta che un utente si collega ad un sito, il server registra tutte le azioni compiute nei log file. Ciò che si cattura è il “flusso di click” del mouse. Solitamente, ad ogni click, corrisponde la visualizzazione di una pagina web che compone il sito; quindi possiamo definire il “click-stream” come la sequenza delle pagine richieste. Invece, l’insieme delle pagine visualizzate da un determinato utente durante la connessione ad uno sito, è individuato con il termine “sessione server”, oppure, più comunemente, “visita”. Le informazioni che sono nascoste all’interno dei dati, sono molto preziose e grazie al web mining è possibile venirne a conoscenza. Tali informazioni possono diventare un valido strumento di supporto per le decisioni aziendali, nonché un elemento di riscontro per il lavoro effettuato.

Fino ad ora, le tecniche di web mining, sono state applicate a dati provenienti da siti di aziende che operano nel mondo della finanza, di banche e di assicurazioni, ed i risultati ottenuti sono sempre stati molto significativi.
L’oggetto del mio lavoro è stato quello di verificare se, applicando le tecniche di web mining, è possibile ottenere informazioni significative anche per il settore turistico.

Analizzare il comportamento di un utente che entra nel sito di una struttura ricettiva, ci permette di conoscere quali sono le sue esigenze ed i suoi gusti. Ottenute queste preziose informazioni, è poi possibile prendere delle decisioni, che possono essere di varia natura e che possono riguardare vari settori dell’attività presa in esame: da politiche di marketing mirate alle caratteristiche dell’utente, alla ristrutturazione stessa del sito, ecc...

Per il settore del turismo, la necessità di reperire informazioni sui potenziali clienti è preminente. Infatti, comprenderne le esigenze permette di offrire un servizio costruito “su misura” che induca l’utente del sito ad interessarsi al nostro prodotto invece che a quello dei concorrenti. Reperire dati è l’esigenza di tutti i settori dell’economia ma, a mio avviso, per il settore turistico, tale necessità, è molto più forte.

I servizi ed i prodotti turistici sono comunque intangibili e soprattutto non immagazzinabili: una camera non venduta è ormai persa. Per fare in modo che ciò non si verifichi dobbiamo costruire un prodotto che il potenziale cliente non può rifiutare perché lo ritiene adeguato e confacente ai suoi bisogni. Il web mining può essere una nuova strada per apprendere le esigenze dei potenziali clienti ma non può essere di certo l’unica.

Per ottenere delle informazioni il più possibile attinenti alla realtà, è necessario mettere insieme i dati provenienti da varie metodologie di raccolta. Solo così si può avere un quadro generale ed esaustivo del target di riferimento.

Oggetto del mio lavoro è stata l’applicazione delle tecniche di web mining in ambito turistico: in particolare, ho analizzato le visite al sito web di una struttura agrituristica operante in Umbria, con l’obiettivo di individuare le diverse tipologie di utenti e di analizzarne i modelli di accesso e di comportamento per poter definire, in conseguenza ai risultati ottenuti, delle adeguate e mirate politiche di marketing.

La mia tesi è composta da due parti: una teorica ed una che descrive l’elaborazione ed i relativi risultati.
Nella prima parte ho descritto a livello teorico, le tecniche statistiche che ho utilizzato per effettuare l’analisi. In particolare, mi sono principalmente soffermata sulle regole di “Associazioni e Sequenze” e sulla “Cluster Analysis”. La seconda parte descrive in cosa ha consistito l’elaborazione e le informazioni che è stato possibile ricavare dai dati analizzati. E’ anche opportuno, secondo me, descrivere i dati che ho elaborato. Purtroppo, a mio avviso, la “qualità” degli stessi era abbastanza scadente per due motivazioni:

le registrazioni delle sequenze di visita erano grossolane, dal momento che molte non erano complete; ciò è collegato al fatto che a priori non sono stati installati dei software, nel server, che registrassero tutti i dati in maniera completa. Forse questo è dipeso dal fatto che non è mai stata valutata l’ipotesi di un utilizzo secondario di quelle registrazioni;
il comportamento dei visitatori è stato molto uniforme all’interno del sito
dal momento che quest’ultimo è formato solo da 13 pagine.

Per quanto riguarda i risultati ottenuti, possiamo dire che le elaborazioni effettuate hanno messo in evidenza sia i punti di forza che quelli di debolezza del sito stesso ed hanno visualizzato un quadro generale degli utenti. Non è stato però facile scendere nel dettaglio della descrizione degli utenti e derivarne delle adeguate politiche di marketing perché, per ottenere un quadro più completo e formulare ipotesi e interpretazioni, è necessario integrare i risultati ottenuti con informazioni sulla clientela e sul mercato provenienti anche da altre fonti.

SAS Academic