Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa.

Análise do Comportamento dos Usuários Através de Visualização da Informação
Barbara Moissa

Sumário Objetivos Introdução Histórico
Visualização da informação: modelo de referência e técnicas de representação e interação Atualizado conforme o desenvolvimento da apresentação

Sumário Ferramentas de Análise do Comportamento do Usuário Conclusão
Website Exploration Tool (WET) Trail Explorer Trail Explorer 2 Conclusão

Objetivo Entender o que é a análise comportamental do usuário, qual a sua finalidade e sua importância no comércio eletrônico Objetivos específicos: Entender a conversão dos dados brutos para representações gráficas Conhecer as representações gráficas e as maneiras de interagir com as representações visuais

Introdução: Problema E uma necessidade:
Pascual-Cid (2008) cita dois interesses: Projetar websites nos quais os usuários consigam encontrar facilmente o que procuram Auxiliar analistas a melhorarem a experiência dos usuários em seus sistemas E uma necessidade: Compreender e descobrir os padrões de navegações dos usuários do sistema analisado De acordo com Pascual-Cid (2008), a Internet experimentou uma grande explosão na última década e, por isso, há um grande interesse em projetar websites nos quais os usuários consigam facilmente encontrar as informações que precisam. Além disso, outro interesse é ajudar analistas de websites a melhorarem a experiência dos usuários frente aos seus sistemas. Pascual-Cid (2008), ainda afirma que para melhorar um website e satisfazer as exigências dos usuários é necessário compreender e descobrir os padrões de navegação dos mesmos

Introdução: Solução Uma solução Análise dos dados navegacionais
Meio de analisar a usabilidade sem a participação direta do usuário (CYBIS, 2003 apud WEIRICH, 2006) Identificar problemas no sistema Técnicas de visualização da informação (VI) Representações gráficas manipuláveis (FREITAS et al, 2001) Permitem que o analista descubra padrões ou características (GHERSON; EICK; CARD, 1998) Weirich (2006) propõe a análise de logs para analisar os usuários e Carvalho (2013) propõe ferramentas web analytics. Ambas as ferramentas coletam os dados navegacionais dos usuários com o objetivo de conhecê-los melhor. De acordo com Cybis (2003 apud WEIRICH, 2006) é um meio de analisar a usabilidade sem a participação direta do usuário. Entretanto, ferramentas web analytics podem não fornecer informações suficientes, sendo que alguns analistas argumentam que estas ferramentas carecem de visualizações que permitam a exploração da enorme quantidade de dados coletados (PASCUAL-CID et al, 2009). Moissa (2013) propõe a utilização de técnicas de visualização da informação (VI) para suprir esta carência.

Introdução: Justificativa para as técnicas de VI
Dados brutos: O que vocês preferem analisar? Isto... Obs: é apenas uma imagem representando um volume grande de dados brutos de forma a ter noção que é mais difícil encontrar a informação desta maneira que no modo representado na imagem seguinte (um gráfico de barras) Figura 1. Dados brutos ARIZONA STATE UNIVERSITY. d13C and d18O of Carbonates. Disponível em: < Acessado em 12 set 2013.

Introdução: Justificativa para as técnicas de VI
Gráfico de barras (uma das técnicas de VI): ...ou isto? Obs: é apenas uma ilustração de um gráfico de barras para demonstrar que os dados podem ser analisados de maneira mais fácil através de gráficos, como por exemplo, o de barras. Figura 2. Gráfico de barras, um modo de representar dados brutos ONLINE CHART TOOL. ONLINE CHART TOOL. Disponível em: < >. Acessado em 12 set 2013.

Introdução: Aspectos que Podem ser Analisados em Comércio Eletrônico
Em comércio eletrônico (PIWIK, 2013): Compras realizadas Receita total Valor médio das compras Produtos comprados Carrinhos “abandonados” Visitantes que abandoram os carrinhos Total dos produtos nestes carrinhos Alguns dados relacionados aos usuários que são interessantes de analisar em comércio eletrônico de acordo com Piwik (2013)

Introdução: Aspectos que Podem ser Analisados em Comércio Eletrônico
Ainda em comércio eletrônico (GEOTRUST, 2013): Visitantes Páginas visitadas Site onde o visitante o encontrou Mais dados interessantes de analisar no contexto de comércio eletrônico, desta vez descritos pela GeoTrust (2013)

Introdução: Resumo A análise comportamental de usuário é um meio de conhecer os visitantes/clientes do seu comércio e identificar problemas no modelo de negócios Resumo do que é e para que serve a análise comportamental dos usuários no contexto do comércio eletrônico Também será abordado um breve histórico desta análise, como aplicar esta análise visual (modelo de referência e técnicas) e um estudo de caso com o sistema utilizado no eBay com esta finalidade (SHEN; SUNDARESAN, 2010) (SHEN et al, 2012)

Histórico: Linha do Tempo
Figura 3. Linha do Tempo Produção da autora

Histórico: Três Gerações da Usabilidade
Federici e Borsci (2013) separam a história da usabilidade em três períodos: : não “havia a necessidade” porque os programadores eram também os usuários : caracterizado pela evolução dos sistemas e dos modelos de interação Primeira interface gráfica interativa, o Sketchpad, foi criado pela Sun Systems Após 1985: acessibilidade e a usabilidade tornaram-se centrais devido a popularização dos computadores e da Internet Distinção entre programadores e usuários De acordo com Federici e Borsci (2013) PRIMEIRO PERÍODO ( ) Não havia a necessidade de acessibilidade e usabilidade nas interfaces humano-computador porque os programadores (e criadores da interface) eram, na época, também os usuários SEGUNDO PERÍODO ( ) Programadores continuaram sendo os usuários, mas neste período houve uma evolução dos sistema e dos modelos de interação Sutherland (1964), vice-presidente e sócio da Sun MycroSystems, desenvolveu a primeira interface gráfica interativa (Graphical User Interface - GUI), o Sketchpad TERCEIRO PERÍODO (a partir de 1985) Os problemas de acessibilidade e a usabilidade e tornaram importantes devido a popularização dos computadores e da Internet, distinguindo assim os programadores dos usuários e suas necessidas para acessar e utilizar a informação através da Internet

Histórico: Terceira Geração
GUIs + popularização dos computadores = aumento nos problemas de acessibilidade e usabilidade Por volta de 1980 surgiu o primeiro teste de usabilidade conhecido como “laboratory usability testing” Rubin (1994 apud FEDERICI; BORSCI, 2013) cita considerações dos desenvolvedores: Aumentar as vendas através do design mais competitivo Criar um histórico de benchmarks de usabilidade Diminuir custos com ligações Referência: Federici e Borsci (2013) A transição das Command Line Interfaces (CLI) para as GUIs, assim como a difusão dos computadores aumentou os problemas de acessibilidade e usabilidade e, como consequência, pesquisadores começaram a desenvolver metodologias de avaliação de forma a desenvolver sistemas amigáveis com boa performance e capazes de difundir a informação pela Internet A avaliação destes produtos e, em particular a avaliação da interação com os usuários, se tornou um fator importante ao desenvolver tecnologias. Na década de 1980, o primeiro tipo de teste de usabilidade conhecido como “laboratório de teste de usabilidade” (tradução livre de laboratory usability test) tornou-se rapidamente o principal método para avaliar um nova/modificada interface. Os desenvolvedores consideravam os testes em laboratório uma maneira de diminuir os custos com ligações de serviço, aumentar as vendas a partir do design de um produto mais competitivo e criando um histórico de benchmarks de usabilidade para lançamentos futuros (RUBIN, 1994).

Métodos para coletas dados do usuário: protocolos verbais (Ericsson and Simon 1984, 1987 apud FEDERICI; BORSCI, 2013) Relato de incidentes críticos (del Galdo et al, 1986 apud FEDERICI; BORSCI, 2013) Avaliações de satisfação dos usuários (Chin et al, 1988 apud FEDERICI; BORSCI, 2013) Na década de 90, foram explorados outros métodos de avaliação com o objetivo de diminuir os custos e o tempo exigidos (FEDERICI; BORSCI, 2013) Referência: Federici e Borsci (2013) Métodos para coletar dados do desempenho do usuário incluiam: protocolos verbais (Ericsson and Simon 1984, 1987), relatórios de incidentes críticos (del Galdo et al.1986) e notas de satisfação dos usuários (Chin et al. 1988) Na década de 1990, os desenvolvedores exploraram outros métodos de avaliação com o objetivo de diminuir gastos futuros e também o tempo necessário para realizar testes tradicionais de usabilidade

De acordo com ClickTale (2010) 1993: arquivos de log, WebTrends (commercial web analytics) 1996: Contadores de visitas, Accrue e WebSideStory 1997: tags JavaScript 2004: Criação da Web Analytics Association (WAA) 2005: Google Analytics 2006: In-Page analytics 1993 – Arquivos de Log, Criação da empresa WebTrends Cada vez que um determinado elemento HTML é requisitado por um visitante, isto é considerado uma requisição (ou uma visita, um hit) que é então armazenado em um arquivo de log. Uma requisição pode ser o texto de uma página web, uma imagem, um aúdio ou vídeo. No entanto, no início da Internet, ela era composta basicamente de páginas estáticas limitadas a texto e links. Por isto, quando uma requisição era feita, assumia-se que o usuário estava interagindo com todo o conteúdo desta. Conforme a utilização da Internet cresceu, os donos de sites ficaram preocupados com o número de visitas que recebiam. O desenvolvimento dos arquivos de log levou ao inicio das web analytics com a fundação da WebTrends Análise de log salva dados da requisição feita pelo usuários diretamente no servidor, ou seja, quando o servidor está processando a requisição do usuário ele “aproveita” para salvar os dados 1996 – Contadores de Visitas Surgiu o primeiro serviço amplamente utilizado de contagem de visitas (hit counter), o Web Counter. Accrue, Omniture, e WebSideStory foram fundadas (empresas de web analytics). 1997 – Javascript Tags Conforme as páginas web começaram a incluir imagens e outros elementos além de textos, tornou-se claro que apenas o número de visitas não representava mais o número de páginas requisitadas. Tags javascript se tornaram o novo método de coletar dados para relatar com precisão diferentes tipos de tráfego e tendências. Hoje é o método mais difundido de coleta de dados. Coleta os dados a partir do navegador do usuário (que são enviados para o servidor para serem salvos) e, por este motivo, pode coletar muito mais informações que a análise de logs. Quando o usuário requisita uma página web, os dados não são mais salvos no servidor ao processar a requisição. Agora com o auxílio das tags javascript os dados são enviados para o servidor pelo navegador do usuário, podendo fornecer informações que antes não era possível (essencial para as in page analytics). 2004 – Criação da Associação de Web Analytics (Web Analytics Association (WAA)) Web analytics estava bem estabelecidas como uma ferramenta essencial para a otimização web, fornecendo soluções cada vez mais complexas e relatórios com um grande volume de dados. Pode coletar os dados tanto através de arquivos de log quanto por page tagging (utilizando as JavaScript tags) 2005 – Google compra Urchin e lança a Google Analytics Google Analytics tornou-se rapidamente o serviço mais utilizado. Com um foco em análises quantitativas, integra-se facilmente com outros serviços da Google. 2006 – In-Page analytics O lançamento de In-Page analytics permitiram que os donos de websites vejam tudo o que os usuários fazem nestas: coordenadas (x,y) dos cliques do usuário, reprodução e pausa de vídeos… fornecendo estatísticas quantitativas e dados comportamentais qualitativos sobre os visitantes. Utiliza obrigatoriamente as tags java script para coletar os dados do usuário

Termo Descrição Arquivos de log Meio da analisar o comportamento do usuário a partir da coleta de dados realizada diretamente no servidor ao processar uma requisição de página Contadores de visitas Recurso que mostra para os visitantes e webmasters o total de visitas no site ou em uma página específica (CARVALHO, 2013) Tags JavaScript Código incluso nas páginas HTML para possibilitar que o navegador do usuário realize ações na mesma (inclusive enviar dados ao servidor para serem salvos) Web Analytics É a ciência e arte de otimizar sites para aumentar a rentabilidade através da evolução da experiência dos usuários (WAISBERG; KAUSHIK, 2009). É uma abordagem de análise que envolve coletar, medir, monitorar, analisar e mostrar através de relatórios e gráficos o uso do site ou aplicação web para compreender a experiência dos usuários (CARVALHO, 2013). InPage Analytics Quando se analisa ações na página, como por exemplo play/pause em vídeos, coordenadas x e y dos cliques... Foi possibilitada pelas tags JavaScript

Visualização da Informação: Justificativa
Como mencionado anteriormente, devido ao grande volume de dados coletados para analisar o comportamento do usuário, é mais fácil realizar análises através de representações gráficas interativas

Visualização da Informação: Modelo de Referência
Existem diversos modelos de referência O mais difundido é o de Card, Mackinlay e Shneiderman (1999) Todos abordam os dados brutos e a conversão destes, bem como o mapeamento para as estruturas visuais Apenas o de Card, Mackinlay e Shneiderman (1999) aborda a interação do usuário Modelos para ferramentas de visualização da informação: Haber e McNabb (1990) Campo, Orosko e Teyseyre (1997) Chi e Riedl (1998) Card, Mackinlay e Shneiderman (1999) => é o mais difundido/popular, aborda as diversas fases da transformação dos dados brutos em visualizações e, diferentemente dos demais modelos explicados anteriormente, aborda também o papel do usuário neste processo (SILVA, 2006).

Visualização da Informação: Modelo de Referência
Descrição do modelo de Card, Mackinlay e Sheidermann (1999): Dados brutos: são os dados coletados, os dados que o usuário deseja analisar Tabela de dados: geralmente é necessário converter os dados para conseguir representá-los (por exemplo, realizar somas de acordo com algum atributo, calcular uma média, ou qualquer outra operação necessária). Card, Mackinlay e Shneiderman tratam os dados transformados como se fossem uma tabela, mas Freitas et al (2001) diz que não é preciso que seja necessariamente uma tabela (pode ser utilizada qualquer estrutura de dados) Estruturas visuais: as estruturas visuais são os gráficos (por exemplo: linhas, barras, setores, dispersão, etc) no qual os dados transformados serão representados. São os dados mapeados, a relação do que representa o quê Visualizações: é o resultado final, a interface da ferramenta, o programa com o qual o usuário irá interagir para explorar os dados O papel do usuário neste modelo é representado, pois mostra que dependendo da ação que ele realizar é possível retornar a etapas anteriores do processo. Por exemplo: se ele realizar um filtro por período o processo volta ao estágio dos dados brutos para poder trazer dados do período determinado;7 se ele alterar de um gráfico de linhas para um gráfico de barras, voltará ao estágio de mapeamento dos dados pois precisará mapear os elementos do gráfico de linhas em um gráfico de barras se ele realizar um zoom, apenas alterá-la a visualização atual dele, pois não requer que os dados sejam mapeados novamente e nem que os dados brutos sejam recalculados Com os dados representados visualmente para o usuário, este pode então transformar, a partir da interação, esta representação para extrair as informações que deseja. Neste modelo, a interação do usuário pode afetar desde os dados que são selecionados até a visualização final. Isto ocorre de acordo com solicitação do usuário ao sistema, pois para atualizar a visualização de forma a atender a esta solicitação pode ser necessário realizar uma transformação ou mapeamento de dados diferente da realizada até então, fazendo com que o usuário volte a estados anteriores no modelo. Figura 4. Modelo de referência de Card, Mackinlay e Shneiderman (1999) CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999.

Visualização da Informação: Modelo de Referência - Dados brutos
São os dados coletados, aqueles que serão analisados Podem ser dados navegacionais de usuários, respostas de questionários, registros de vendas, etc Os dados brutos são aqueles que serão analisados para realizar as análises. É possível analisar qualquer conjunto de dados: navegação do usuário, compras, vendas, respostas de questionários, etc.

Visualização da Informação: Modelo de Referência – Tabela de Dados
Os dados brutos são convertidos em uma tabela de dados composta de variáveis (colunas), itens (linhas) e metadados, conforme o modelo de Card, Mackinlay e Shneiderman (1999) Realizar somas de acordo com algum atributo, calcular uma média, ou qualquer outra operação necessária Freitas et al defendem que esta Tabela de Dados pode ser qualquer tipo de estrutura de dados (objeto, vetor, etc) Tabela de dados: geralmente é necessário converter os dados para conseguir representá-los (por exemplo, realizar somas de acordo com algum atributo, calcular uma média, ou qualquer outra operação necessária). “Os dados brutos são convertidos em uma tabela de dados, composta de variáveis (colunas), itens (linhas) e metadados, que ajudam a descrever cada uma das variáveis.” (MOISSA, 2013) “Freitas et al (2001) consideram que esta transformação não precisa ocorrer exatamente desta maneira, pois os dados, além de serem representados em uma tabela, podem ser representados em outros tipos de estruturas de dados.” (MOISSA, 2013)

Visualização da Informação: Modelo de Referência – Tabela de Dados
Exemplo: calcular a receita total por produto num produto preço data 1 Fogão R$ 370,00 01/11/2013 2 Geladeira R$ 1.250,00 3 Cafeteira R$ 52,90 4 02/11/2013 5 03/11/2013 6 7 04/11/2013 produto total Fogão R$ 740,00 Geladeira R$ 2.500,00 Cafeteira R$ 158,70 Dados transformados para análise Dados brutos referentes a vendas de produtos

Visualização da Informação: Modelo de Referência – Estruturas Visuais
Para chegar nesta etapa, a Tabela de Dados é mapeada em um estrutura visual (gráfico) Exemplo: mapear os dados transformados no exemplo anterior para um gráfico de barras Após organizar os dados brutos em tabelas, é então determinado como estes dados serão representados, ou seja, qual estrutura de representação visual será utilizada e também como será utilizada. Para representá-los visualmente, é realizado um mapeamento dos dados nestas estruturas de representação (MOISSA, 2013). produto total Fogão R$ 740,00 Geladeira R$ 2.500,00 Cafeteira R$ 158,70 Eixo x Eixo y Fogão R$ 740,00 Geladeira R$ 2.500,00 Cafeteira R$ 158,70 Dados transformados para análise Mapeamento para um gráfico de barras

Visualização da Informação: Modelo de Referência – Visualizações
É o resultado final É o que o usuário vê É o gráfico É o resultado final do processo, aquilo que o usuário final irá ver na tela do computador, o gráfico gerado a partir do qual ele podera analisar os resultados

Visualização da Informação: Modelo de Referência – Visualizações
Exemplo: gráfico de barras do mapeamento anterior Eixo x Eixo y Fogão R$ 740,00 Geladeira R$ 2.500,00 Cafeteira R$ 158,70 Mapeamento para um gráfico de barras Gráfico resultante

Visualização da Informação: Modelo de Referência – Interação
Com o processo concluído, o usuário pode transformar a representação para extrair as informações que deseja Pode afetar desde os dados que são selecionados até a visualização final “Com os dados representados visualmente para o usuário, este pode então transformar, a partir da interação, esta representação para extrair as informações que deseja. Neste modelo, a interação do usuário pode afetar desde os dados que são selecionados até a visualização final. Isto ocorre de acordo com solicitação do usuário ao sistema, pois para atualizar a visualização de forma a atender a esta solicitação pode ser necessário realizar uma transformação ou mapeamento de dados diferente da realizada até então, fazendo com que o usuário volte a estados anteriores no modelo.“ (MOISSA, 2013)

Visualização da Informação: Técnicas de Representação
De acordo com Card, Mackinlay e Shneiderman (1999), baseiam-se na utilização do espaço e possuem quatro abordagens: ortogonais (1D, 2D e 3D); multidimensionais (nD); árvores; redes.

Visualização da Informação: Técnicas de Representação - Ortogonais
Utilizado para representar dados tabulares com poucas variáveis Histogramas, gráfico de barras, gráfico de linhas, gráfico de setores, gráfico de bolha, gráfico de área, gráfico de dispersão, mapa geográfico, etc Representações ortogonais (1D, 2D e 3D) utilizam eixos ortogonais ou algum tipo de marcação. Este tipo de estrutura é conhecido e bastante efetivo para representar dados tabulares com poucas variáveis. Exemplos de representações ortogonais são histogramas, gráficos de barras, gráficos de setores, gráficos de barra, gráficos de bolhas, gráficos de área, gráficos de dispersão, gráficos de superfície, scatterplots, mapas geográficos, entre outros.

Visualização da Informação: Técnicas de Representação - Multidimensionais
Utilizadas quando os dados tabulares possuem mais de três variáveis e as representações ortogonais são insuficientes Coordenadas paralelas e gráfico de radar Representações multidimensionais (nD) são utilizadas quando os dados tabulares possuem mais de três variáveis e as visualizações ortogonais são insuficientes. Uma técnica multidimensional são as coordenadas paralelas. De acordo com Inselberg (2008), as coordenadas paralelas acomodam diversas variáveis ao mesmo tempo, já que mostram os n eixos em paralelo. Figura 5. Gráfico de coordenadas paralelas Fonte: Inselberg (2008)

Visualização da Informação: Técnicas de Representação - Árvores
Representam relações hierarquicas ou de composição entre elementos como: diretórios de arquivos, árvores genealógicas (VAZ; CARVALHO, 2004) 5 maneiras de representá-las: Nós e arestas; Aninhamentos; Adjacências; Identação; Matrizes. São visualizações utilizadas para representar relações hierárquicas ou de composição entre elementos, como por exemplo, diretórios de arquivos e árvores genealógicas (VAZ; CARVALHO, 2004). Existem cinco maneiras de representar árvores. A mais difundida é a representação através de nós (ou nodos) e arestas, porém existem também a representação através de aninhamentos, através de adjacências, através da identação e através de matrizes (GRAHAM, KENNEDY, 2010). Em uma representação de árvore utilizando nós e arestas, linhas indicam o relacionamento entre os itens que são representados pelos nós (GRAHAM, KENNEDY, 2010).

Cada nó representa um elemento Cada aresta representa um relacionamento Figura 6. Árvore representada através de nós e arestas Fonte: Adaptado de Graham; Kennedy (2010)

Representa o relacionamento entre, o que na representação através de nós e arestas seriam um nó pai e um nó filho, posicionando o nó filho dentro dos limites do nó pai (GRAHAM, KENNEDY, 2010) Treemaps A representação através de aninhamentos representa o relacionamento entre, o que na representação através de nós e arestas seriam um nó pai e um nó filho, posicionando o nó filho dentro dos limites do nó pai (GRAHAM, KENNEDY, 2010). Um exemplo deste tipo de representação são as treemaps. Figura 7. Árvore representada através de aninhamentos Fonte: Adaptado de Graham; Kennedy (2010)

A representação por adjacências posiciona os nós filhos próximos ao nó pai Requer uma definição de orientação pai e filho não só para diferenciar a relação entre nós irmãos como também para indicar a direção do relacionamento A representação por adjacências posiciona os nós filhos próximos ao nó pai. Este método requer uma definição de orientação pai e filho não só para diferenciar a relação entre nós irmãos como também para indicar a direção do relacionamento, sendo normalmente ou de cima para baixo (top-down) ou de dentro para fora (GRAHAM, KENNEDY, 2010). Figura 8. Árvore representada através de adjacências Fonte: Adaptado de Graham; Kennedy (2010)

Na representação através de identações cada nível da árvore é identado de acordo com a sua profundidade Os filhos possuem uma margem esquerda um pouco maior que seu pai Na representação através de identações cada nível da árvore é identado de acordo com a sua profundidade. Assim os filhos possuem uma margem esquerda um pouco maior que seu pai. Exemplos reais de árvores identadas são as linhas de código e os diretórios de arquivos. Figura 10. Árvore representada através de identações Fonte: Adaptado de Graham; Kennedy (2010)

Por fim, as representações através de matrizes evidenciam o parentesco entre pai e filho relacionando linhas e colunas (GRAHAM, KENNEDY, 2010) Linhas representam os pais e as colunas representam os filhos ou vice-versa Por fim, as representações através de matrizes evidenciam o parentesco entre pai e filho relacionando linhas e colunas (GRAHAM, KENNEDY, 2010), onde as linhas representam os pais e as colunas representam os filhos, ou vice-versa (as linhas representam os filhos e as colunas representam os pais). De acordo com Graham e Kennedy (2010), esta é a representação menos comum. Segundo eles, isto se deve ao fato de que é difícil perceber a relação de parentesco. Figura 11. Árvore representada através de uma matriz Fonte: Adaptado de Graham; Kennedy (2010)

Visualização da Informação: Técnicas de Representação - Redes
Assim como as árvores, as redes também representam relacionamentos entre entidades, porém não hierárquicos Uma rede é representada por um grafo, direcionado ou não, que é composto por vértices, que representam os elementos, e por arestas, que representam o relacionamento destes elementos Assim como as árvores, as redes também representam relacionamentos entre entidades, porém não hierárquicos. Uma rede é representada por um grafo, direcionado ou não, que é composto por vértices, que representam os elementos, e por arestas, que representam o relacionamento destes elementos. Alguns exemplos de grafos são a rede de computadores e diagramas entidade-relacionamento (representações de banco de dados) (VAZ; CARVALHO, 2004). De acordo com Tarawneh, Keller e Ebert (2011) um grafo pode ser representado através de matrizes (da mesma maneira que uma árvore).

Figura 12. Grafo direcionado Fonte: Adaptado de Pascual-Cid et al (2009)

Também podem ser representadas através de matrizes (da mesma maneira que uma árvore) Exemplos de redes: rede de computadores e diagramas entidade-relacionamento (banco de dados)

Visualização da Informação: Técnicas de Interação
Para compreender melhor o conjunto de dados que está sendo trabalhado, o usuário pode sentir a necessidade de realizar algumas alterações no conjunto de dados As técnicas de interação auxiliam os usuários nestas manipulações Para compreender melhor o conjunto de dados que está sendo trabalhado, o usuário pode sentir a necessidade de realizar algumas alterações no conjunto de dados que está sendo representado e até mesmo na própria representação. Desta forma, as técnicas de interação auxiliam os usuários nestas manipulações.

Visualização da Informação: Técnicas de Interação
Yi et al (2007) propõem sete categorias de técnicas: Seleção; Exploração; Reconfiguração; Codificação; Abstração/elaboração; Filtragem; Conexão. Yi et al (2007) propõem uma classificação para as técnicas de interação. A taxonomia proposta por eles é constituída de sete categorias: seleção, exploração, reconfiguração, codificação, abstração/elaboração, filtragem e conexão.

Visualização da Informação: Técnicas de Interação - Seleção
Permitem que os usuários selecionem itens de seu interesse de forma a analisá-los Distingue os itens de interesse dos demais e os usuários podem facilmente analisar os itens de seu interesse quando muitos itens estão representados Técnicas de seleção permitem que os usuários selecionem itens de seu interesse de forma a analisá-los. Quando muitos itens são representados ou quando as representações são alteradas, é difícil acompanhar a localização destes itens. Com a possibilidade de distinguir os itens de interesse dos demais, os usuários podem facilmente analisar os itens de seu interesse em grandes conjuntos de dados ou quando as representações são alteradas.

Visualização da Informação: Técnicas de Interação - Seleção
Um exemplo de técnica de seleção é a funcionalidade de marcação da ferramenta Dust & Magnet (YI et al, 2005 apud YI et al, 2007) ilustrada na Figura 13, onde cada item é um fragmento de ferro que se move conforme os ímãs são manipulados. Esta técnica permite que o usuário selecione partículas de ferro que então recebem um rótulo em vermelho (na figura: KS1114, KS1103 e KS2085). Mesmo após rearranjar as partículas de ferro, o usuário pode identificá-las facilmente. Um exemplo similar é a ferramenta de destaque do software Table Lens (RAO; CARD, 1994 apud YI et al, 2007), um sistema que visualiza dados números através de gráfico de barras. A diferença é que esta técnica destaca os itens ao invés de rotulá-los. Figura 13. Seleção no programa Dust & Magnet Fonte: Yi et al (2007)

Visualização da Informação: Técnicas de Interação - Exploração
Permitem que o usuário examine diferentes subconjuntos de dados Usuários normalmente podem ver apenas um número limitado de itens por vez Mais comum: panning Outra técnica é a Direct Walk Técnicas de exploração permitem que o usuário examine diferentes subconjuntos de dados. Quando os usuários visualizam os dados representados, eles normalmente podem ver apenas um número limitado de itens por vez. Estas técnicas não realizam necessariamente alterações no conjunto de dados sendo visualizado, apenas mostram novos itens e escondem outros. A técnica de exploração mais comum é a panning. Esta técnica permite que o usuário clique na representação e a reposicione ou então utilize barras de rolagem para visualizar outras porções da representação. Outra técnica é a Direct-Walk. Esta técnica permite que o usuário veja outras partes de uma representação através de links que o levam até estas partes através de uma animação.

Visualização da Informação: Técnicas de Interação - Reconfiguração
Fornecem aos usuários diferentes perspectivas dos dados visualizados através da troca da organização das representações Permitem que os usuários alterem a maneira que os itens estão organizados ou o alinhamento destes Exemplos: ordenar e reorganizar colunas em uma tabela, mover os nós de um grafo Técnicas de reconfiguração fornecem aos usuários diferentes perspectivas dos dados visualizados através da troca da organização das representações. Algumas técnicas de reconfiguração permitem que os usuários alterem a maneira que os itens estão organizados ou o alinhamento destes de forma que seja possível analisar os dados sob diferentes perspectivas. Ordenar e reorganizar colunas em uma tabela é um exemplo de técnica de reconfiguração. Outros exemplos são a possibilidade de alterar os atributos pelos eixos de gráficos ortogonais e a possibilidade de mover os nós de um grafo. Em uma representação em 3D, uma técnica de reconfiguração que pode ser utilizada é a rotação parcial ou total da visualização.

Visualização da Informação: Técnicas de Interação - Codificação
Permitem que os usuários alterem a representação visual (cor, tamanho, forma) dos dados Exemplos: alterar o gráfico Técnicas de codificação permitem que os usuários alterem a representação visual dos dados, incluindo a aparência (cor, tamanho, forma) de cada elemento. Um exemplo é permitir que o usuário altere a técnica de representação utilizada, ou seja, se o usuário está vendo um gráfico de barras, ele poderia optar por visualizar os dados representados através de um gráfico de linhas.

Visualização da Informação: Técnicas de Interação – Abstração/Elaboração
Habilitam o usuário a ajustar o nível de abstração dos dados representados Alterar de visão geral para uma visão mais detalhada Exemplos: tooltip, zoom in, zoom out Técnicas de abstração/elaboração habilitam o usuário a ajustar o nível de abstração dos dados representados. Estes tipos de interação permitem que o usuário altere a representação de uma visão geral para uma visão mais detalhada. Um exemplo é o tooltip, mostrado com mais informações quando o ponteiro do mouse passa por cima de um item. Outros exemplos desta técnica são a ampliação, através da qual o usuário pode alterar a escala da representação de forma a terem uma visão geral do conjunto de dados (zoom out) ou a visão detalhada de um subconjunto (zoom in).

Visualização da Informação: Técnicas de Interação - Filtragem
Permitem que os usuários alterem o conjunto de dados que é representado com base em algumas condições específicas Exemplos: sliders para selecionar um intervalo de valores, checkboxes para selecionar valores específicos ou ainda através da interação com o teclado Técnicas de filtragem permitem que os usuários alterem o conjunto de dados que é representado com base em algumas condições específicas. Assim, apenas os dados que atenderem aos critérios definidos são representados. Geralmente os dados são apenas escondidos ou mostrados de uma maneira diferente. Os usuários podem selecionar intervalos de valores através de sliders ou ainda selecionar valores específicos através de checkboxes. A ferramenta Attribute Explorer (SPENCE; TWEEDIE, 1998 apud YI et al, 2007) altera as cores dos dados filtrados ao invés de removê-los. Isto ajuda os usuários a entender o contexto das informações do conjunto de dados, já que os dados que não atendem aos critérios especificados ainda são mostrados. Outro método de filtrar os dados é a partir da interação com o teclado. O usuário informa um valor e a representação mostra os dados que satisfazem o valor informado pelo usuário.

Visualização da Informação: Técnicas de Interação - Conexão
Permitem que o usuário destaque associações e relações entre itens Mostram itens escondidos que são relevantes a um item específico Exemplo: ao passar o ponteiro do mouse sobre um nó em um grafo, destacar os nós relacionados a ele Técnicas de conexão permitem que o usuário destaque associações e relações entre itens já representados ou mostram itens escondidos que são relevantes a um item específico. Um exemplo de técnica de conexão pode ser visto na ferramenta Vizster (HEER; BOYD, 2005 apud YI et al, 2007) que representa grafos, já que ao passar o ponteiro do mouse sobre um nó, os nós relacionados são destacados.

Visualização da Informação: Técnicas de Interação - Outras
Yi et al (2007) citam outras técnicas que não são exclusivas da Visualização da Informação Exemplos: desfazer e refazer operações ou alterar configurações do sistema Além das técnicas contidas nas sete categorias descritas anteriormente, Yi et al (2007) citam outras técnicas que não são exclusivas da Visualização da Informação, como desfazer e refazer operações ou alterar configurações do sistema.

Visualização da Informação: Modelo de Referência - Relembrando
Figura 14. Modelo de referência de Card, Mackinlay e Shneiderman (1999) CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999.

Ferramentas Para Análise do Comportamento do Usuário
Website Exploration Tool Trail Explorer Trail Explorer 2 Três ferramentas: Website Exploration Tool: utilizada para analisar o caminho percorrido do usuário dentro de um site/sistema Trail Explorer: utilizada pela equipe do eBay para analisar as ações realizadas pelos usuários dentro do sistema Trail Explorer 2: nova versão da Trail Explorer As duas versões da ferramenta Trail Explorer contém um estudo de caso no eBay

Website Exploration Tool (WET)
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET) Website Exploration Tool (WET) Ferramenta visual de suporte à mineração de dados na web Sua principal característica é a capacidade de criar uma representação visual baseando-se na estrutura, no conteúdo e na utilização do website analisado Seu diferencial são as diversas visualizações combinadas Website Exploration Tool (WET) é uma ferramenta visual de suporte à mineração de dados na web que possui como principal característica a capacidade de criar uma representação visual baseando-se na estrutura, no conteúdo e na utilização do website analisado (PASCUAL-CID, 2008). Um dos diferenciais desta ferramenta de VI para outras ferramentas é a utilização de diversas representações combinadas

Composta de três módulos
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET) Composta de três módulos Sistema de Recuperação da Informação e Web Mining Sistema da Lógica do Grafo Sistema de Visualização A arquitetura da WET é composta de três módulos: Sistema de Recuperação da Informação e Web Mining Sistema da Lógica do Grafo Sistema de Visualização (o interesse deste minicurso é este módulo)

Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET)
Sistema de Recuperação da Informação e Web Mining Utiliza um crawler para obter a estrutura do site, bem como seu conteúdo Calcula um conjunto de métricas dos dados de navegação coletados Salva no banco de dados Sistema de Recuperação da Informação e Web Mining Este módulo utiliza um crawler para obter a estrutura e o conteúdo textual do site alvo da análise e calcula um conjunto de métricas a partir dos dados de navegação dos usuários (coletados pelo servidor a partir de técnicas de análise de log e page tagging). Por fim, estes dados são armazenados no banco de dados.

Sistema da Lógica do Grafo O objetivo deste módulo é evitar sobrecargas computacionais e visuais Extrai subgrafos significativos da estrutura do site para simplificar o processo de análise Exemplo: nós com uma determinada porcentagem de acessos Retorna um arquivo XML Sistema de Lógica do Grafo O objetivo deste módulo é evitar sobrecargas de processamento e também visualizações muito “carregadas”. Extrai subgrafos significativos do grafo que representa a estrutura do site de forma a simplificar a visualização. Este módulo é capaz de, por exemplo, selecionar os nós que representam uma determinada porcentagem de acessos. A partir destes nós, uma árvore é “calculada” de forma que contenha o menor caminho da raiz (geralmente a página inicial do site) até cada um dos nós selecionados. Como resultado tem-se um arquivo XML que serve de entrada para o próximo módulo.

Figura 15. Exemplo da extração do subgrafo da WET Fonte: Adaptado de Pascual-Cid (2008)

Figura 16. Estrutura da WET Fonte: Tradução de Pascual-Cid (2008)

Sistema de Visualização Módulo que efetivamente cria a visualização dos dados Três visualizações principais: uma representação hierárquica da estrutura do website, outra dos caminhos percorridos mais comuns a partir de uma determinada página de entrada e um grafo ilustrando todos os caminhos percorridos Sistema de Visualização: Cria a representação visual a partir do arquivo XML e permite que o usuário explore os dados. Fornece três visualizações distintas. Um dos diferenciais desta ferramenta é a utilização de diversas representações combinadas. O sistema possui três visualizações principais: uma representação hierárquica da estrutura do website, outra dos caminhos percorridos mais comuns a partir de uma determinada página de entrada e um grafo ilustrando todos os caminhos percorridos.

O sistema possui três visualizações principais: uma representação hierárquica da estrutura do website, outra dos caminhos percorridos mais comuns a partir de uma determinada página de entrada e um grafo ilustrando todos os caminhos percorridos. Importante notar na imagem: O tamanho do nó do grafo representa o total de acessos que esta teve A cor dos nós representa um tipo de conteúdo (nós verdes poderiam representar um produto) Figura 17. Interface da WET Fonte: Pascual-Cid (2008)

Técnicas de representação:
Ferramentas Para Análise do Comportamento do Usuário: Website Exploration Tool (WET) Técnicas de representação: Árvore radial Treemap Grafos Gráfico de barras Técnicas de interação: Definir o nó de origem da árvore Alterar todas as visualizações ao mesmo tempo

Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer
Seu objetivo é ajudar na compreensão da experiência do usuário em um fluxo de páginas Permite a correlação do tempo com a taxa de sucesso em um determinado fluxo A Trail Explorer é uma ferramenta visual para ajudar na compreensão da experiência de um usuário em um fluxo de páginas web (SHEN; SUNDARESAN, 2010) a partir dos dados de sessão de seus usuários. Ela permite a correlação do tempo online e a taxa de sucesso de um fluxo (sequência de páginas).

Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer 2
Duas etapas: consulta de dados e a criação da representação gráfica Análise de dados temporais Níveis de detalhamento A interface é igual a versão anterior A Trail Explorer 2 (SHEN et al, 2012) é a evolução da Trail Explorer. Esta versão da ferramenta suporta um processo de análise visual em duas etapas: consultar dados das sessões dos usuários e obter uma representação gráfica para analisar. A consulta dos dados ocorre na primeira etapa, onde os dados são clusterizados. Já a representação gráfica está na segunda etapa, onde o usuário consegue interagir com as mesmas (SHEN et al, 2012). Assim como a primeira versão, a Trail Explorer 2 também enfatiza a análise dos dados temporais. Porém, ao contrário da sua antecessora, ela permite a exploração dos dados em diferentes níveis de detalhamento. A interface do Trail Explorer 2 é igual a interface da Trail Explorer, ou seja, utiliza um gráfico de barras, painel de detalhes e o mesmo mapeamento dos dados. Esta ferramenta diferencia-se da sua antecessora devido a possibilidade de realizar consultas nos dados de sessão do usuário. Evidencia a eficácia da estrutura de visualização escolhida.

Ferramentas Para Análise do Comportamento do Usuário: Trail Explorer e Trail Explorer 2
ATrail Explorer possui quatro componentes: (1) a visualização principal, (2) o painel de informações detalhadas, (3) a legenda e (4) o gráfico com a distribuição do tempo online. As sessões do usuário são mostradas na visualização principal através de um gráfico de barras, no qual conjuntos de sessões são clusterizados com base no fluxo de navegação e representados como uma barra, sendo que a espessura da mesma indica a quantidade de sessões contidas no conjunto e a largura indica a duração. Cada uma das páginas, ou eventos, são representados por uma cor diferente. Figura 18. Interface da Trail Explorer e Trail Explorer 2 Fonte: Shen; Sundaresan (2010)

Estudo de Caso: Trail Explorer
Estudos de Caso da utilização da ferramenta Trail Explorer pelos analistas do eBay Fluxo de pagamento Fluxo de cadastro

Fluxo de Conclusão de Compra Impacta diretamente na receita do eBay Tornar este processo o mais fácil possível Reduzir o número de desistentes Figura 19. Fluxo de Conclusão de Compra no Ebay Fonte: Shen; Sundaresan (2010) O fluxo de pagamento é um dos fluxos mais críticos no eBay. Após realizar uma compra (ProcStep 1), o usuário é direcionado para uma página na qual pode conferir o valor total da compra e os métodos de pagamento. Nos processos ProcStep 2 e 3, o usuário deve preencher as informações de pagamento do método selecionado. Em seguida ele precisa confirmar o pagamento em “Payment Confirm”. Por fim o usuário alcança a página de conclusão do processo. A taxa de sucesso neste fluxo impacta diretamente na receita do eBay. Por este motivo o principal objetivo é tornar este processo o mais fácil possível para reduzir o número de desistentes.

Foi descoberta uma correlação entre o tempo gasto na página de Revisão da Compra e a Taxa de Sucesso Quanto maior o tempo na página de Revisão da Compra, menor a taxa de sucesso Foi decidido que esta página seria simplificada para reduzir o tempo que os usuário permanecem nela Uma das descobertas realizadas pelos analistas do eBay a partir da utilização da Trail Explorer foi a correlação entre o tempo que o usuário gastou na etapa de Revisão da Compra e a taxa de sucesso. Quanto maior o tempo gasto nesta etapa menos provável é que o usuário vá concluir o processo de conclusão de compra. Após realizar esta descoberta, foi decidido que a página de revisão do pagamento seria simplificada para reduzir o tempo que os usuários permanecem nela.

Fluxo de Registro Se o usuário se sentir frustrado e ir embora, o eBay perde um cliente Quando um novo usuário chega ao eBay, ele precisa realizar o processo de registro. Este é o fluxo mais crítico do eBay para adquirir novos usuários. Se o usuário se sentir frustrado durante este processo e sair sem completá-lo, o eBay perde um cliente. Figura 20. Fluxo de Registro no Ebay Fonte: Shen; Sundaresan (2010)

Principal descoberta feita foi em relação a seleção do país 33,5% dos usuários ia embora do sistema após esta etapa O problema foi corrigido e a taxa de sucesso deste processo cresceu A principal descoberta feita foi em relação a seleção do país. Durante o processo de registro, o usuário deve selecionar ser país. Apenas alguns países (Estados Unidades, Inglaterra, etc) eram mostrados como opção padrão. Caso usuário não fosse de nenhum destes países ele deveria ir para outra página selecionar o seu país. 33,5% dos usuários ia embora do sistema após esta etapa. Conforme o eBay expande para mais países, há mais usuários de outros países que se registram. Este fluxo acabou tornando-se um problema para estes usuários. O problema foi corrigido e a taxa de sucesso deste processo cresceu.

Outras descobertas: Etapas mais demoradas Padrões de diferentes tipos de clientes A maioria ocasionou em modificações do sistema Outras descobertas em relação a este fluxo foram as etapas mais demoradas, padrões de diferentes tipos de clientes. A maioria destas descobertas ocasionaram modificações no sistema.

Conclusão A análise comportamental de usuário é um meio de conhecer os visitantes/clientes do seu comércio e identificar problemas no modelo de negócios

Conclusão As técnicas de visualização da informação auxiliam no processo de analisar os dados navegacionais coletados pois permitem a análise gráfica e interativa dos mesmos

Conclusão A partir do estudo de caso de ferramentas como WET, Trail Explorer e Trail Explorer 2 pode-se afirmar que analisar o comportamento do usuário frente a um sistema traz resultados positivos para o seu negócio, visto que a partir dos padrões navegacionais é possível descobrir os problemas no sistema e solucioná-los

Conclusão A partir da solução para os problemas/barreiras encontrados, os usuários não terão dificuldades em, por exemplo, realizar uma compra em seu sistema

Referências FREITAS, C. M. D. S.; CHUBACHI, O. M.; LUZZARDI, P. R. G.; CAVA, R. A. Introdução à Visualização de Informações. Revista de Informática Teórica e Aplicada, Porto Alegre, RS, Brasil, v. 8, n. 2, p , GEOTRUST. Introduction to Web Analytics for E-Commerce: How to Track Activity to Optimize your Web Site. Disponível em < >. Acesso em 12 set GHERSON, N.; EICK, S. G.; CARD, S. Information Visualization. Interactions, New York, NY, USA, v.5, n. 2, p. 9-15, MOISSA, B. O Uso de Técnicas de Visualização da Informação para Representação de Informações Web Analytics em Sistemas Educacionais. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina (Em andamento). Joinville, PASCUAL-CID, V. An information visualization system for the understanding of web data. IEEE Symposium on Visual Analytics Science and Technology (VAST ‘08), p PIWIK. Ecommerce reports in Piwik. Disponível em < Acesso em 12 set 2013.

Referências FEDERICI, S.; BORSCI, S. Usability evaluation: models, methods, and applications. International Encyclopedia of Rehabilitation. Disponível em < Acesso em 20 set 2013. CLICKTALE. A Brief History of Web Analytics Disponível em < Acesso em 20 set 2013. WAISBERG, D.; KAUSHIK, A. Web Analytics 2.0: empowering customer centricity. SEM.org Journal, Vol. 2 No. 1. Disponível em < Acesso em 01 nov 2013. HABER, R. B.; MCNABB, D. A. Visualization Idioms: a conceptual model for scientific visualization systems. Visualization in Scientific Computing. p CHI, E. H.; RIEDL, J. T. An Operator Interaction Framework for Visualization Spreadsheets. Proceedings of IEEE Information Visualization Symposium.1998.

Referências CARVALHO, L. S. O uso de web analytics para melhorar a análise do comportamento do aluno no AdaptWeb. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina (Em andamento). Joinville, 2013. CARD, S. K.; MACKINLAY, J. D.; SHNEIDERMAN, B. Readings in Information Visualization: using vision to think, 1st Edition. Morgan Kauffman, 1999. CAMPO, M.; OROSCO, R.; TEYSEYRE, A. Automatic Abstraction Management in Information Visualization Systems. Proceedings of the International Information Visualization Conference. p.50-56, 1997. YI, J. S.; KANG, Y.; STASKO, J. T.; JACKO, J. A. Toward a Deeper Understanding of the Role of Interaction in Information Visualization. IEEE Transactions on Visualization and Computer Graphics. p WEIRICH, R. Análise de log para a avaliação do comportamento do aluno no AdaptWeb. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) - Universidade do Estado de Santa Catarina. Joinville, 2006.

Referências VAZ, F. R.; CARVALHO, C. L. Visualização de Informações. Relatório técnico -Universidade Federal de Goiás SHEN, Z.; WEI, J.; SUNDARESAN, N.; MA, K. Visual Analysis of Massive Web Session Data. IEEE Symposium on Large Data Analysis and Visualization. p SHEN, Z.; SUNDARESAN, N. Trail Explorer: Understanding User Experience in Webpage Flows. IEEE VisWeek Discovery Exhibition. p PASCUAL-CID, V.; BAEZA-YATES, R.; DUSTELER, J. C.; MINGUEZ, S.; MIDDLETON, C. New Techniques for Visualizing Web Navigational Data. 13th International Conference Information Visualization. p GRAHAM, M.; KENNEDY, J. A survey of multiple tree visualisation. Information Visualization. v. 9, n. 4, p

Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa.

Apresentações semelhantes

Apresentação em tema: "Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa."— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback

Login

Autorizar-se através da rede social:

Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa.

Apresentações semelhantes

Apresentação em tema: "Análise do Comportamento dos Usuários Através de Visualização da Informação Barbara Moissa."— Transcrição da apresentação:

Apresentações semelhantes

Sobre projeto

Feedback