Table Of ContentKai Honsel
Integrated Usage Mining
GABLER RESEARCH
Kai Honsel
Integrated Usage Mining
Eine Methode zur Analyse
des Benutzerverhaltens im Web
Mit einem Geleitwort von Prof. Dr. Mareike Schoop
RESEARCH
Bibliografi sche Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der
Deutschen Nationalbibliografi e; detaillierte bibliografi sche Daten sind im Internet über
<http://dnb.d-nb.de> abrufbar.
Dissertation Universität Hohenheim (Stuttgart), 2011
D100
1. Aufl age 2012
Alle Rechte vorbehalten
© Gabler Verlag | Springer Fachmedien Wiesbaden GmbH 2012
Lektorat: Marta Grabowski | Sabine Schöller
Gabler Verlag ist eine Marke von Springer Fachmedien.
Springer Fachmedien ist Teil der Fachverlagsgruppe Springer Science+Business Media.
www.gabler.de
Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede
Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne
Zustimmung des Verlags unzulässig und strafbar. Das gilt insbesondere für
Vervielfältigungen, Übersetzungen, Mikroverfi lmungen und die Einspeicherung und
Verarbeitung in elektronischen Systemen.
Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk
berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der
Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann
benutzt werden dürften.
Umschlaggestaltung: KünkelLopka Medienentwicklung, Heidelberg
Gedruckt auf säurefreiem und chlorfrei gebleichtem Papier
Printed in Germany
ISBN 978-3-8349-3073-6
FürSilje
Geleitwort
Im Unternehmensumfeld sind Webanwendungen wie zum Beispiel Shops, Markt-
plätze oder Portale, die als Benutzeroberfläche Webseiten aufweisen, ein wichtiges
Vertriebs-undInformationsinstrumentzumKunden.DieFrage,obeineWebseiteer-
folgreichist,istdahereinezentraleFrageimHinblickaufdenUnternehmenserfolg.
DabeiwirdderErfolgeinerWebseitenichteinheitlichdefiniert.Generellmusseine
WebseitealleFunktionalitätenanbieten,dieeinNutzer(ineinemUnternehmenskon-
text also der Kunde) benötigt, und diese Funktionalitäten müssen gezielt auf Basis
derNutzeranforderungenverwendetwerden.
Bisher haben sich Forschungsansätze entweder der Analyse großer Datenmengen
aus Web Logs oder der Analyse des Benutzerverhaltens auf einer Webseite gewid-
met.
DasDataMiningbeschäftigtsichmitAlgorithmenzurMusterentdeckungingroßen
Datenbeständen.DasWebUsageMiningwendetdieseAlgorithmenaufWebdaten,
insbesondere Webseiten an. Beim Web Usage Mining wird zusätzlich die Nutzung
dieserWebseitenbetrachtet.Zielistes,Interessen,ErwartungenundVerhaltenvon
Nutzern zu analysieren, um den Webauftritt zu optimieren. Allerdings kann das
Nutzerverhalten auf einzelnen Webseiten nicht detailliert erfasst werden. So ist es
zum Beispiel nicht möglich zu unterscheiden, ob ein Nutzer eine Information auf
einerWebseitesuchtoderzwischenzeitlichpausiert,wennzwischendemAufrufei-
nerWebseiteunddemnächstenMausklickoderdemnächstenSeitenaufrufmehrere
Minutenvergehen.
Die detaillierte Analyse des Benutzerverhaltens auf einer Webseite ist der Gegen-
standdesEyeTracking.HierbeiwerdendieAugenbewegungenvonProbandenau-
tomatischdurcheinBlickmesssystem,densogenanntenEyeTracker,aufgezeichnet.
Dadurch wird dokumentiert, wohin ein Benutzer auf der Webseite schaut, in wel-
cher Reihenfolge die Blickbewegungen ausgeführt werden und wie lange das Fi-
xiereneinzelnerElementedauert.DieseAnalysenwerdenunterLaborbedingungen
durchgeführt, da Eye Tracker in der Regel in Unternehmen nicht vorhanden sind
undumalleäußerenParameterzukontrollieren.
EsgibtbisherkeineMethode,diedasVerhalteneinesNutzersaufWebseitensowohl
hinsichtlichderHistorie(alsoderbereitsbesuchtenWebseiten)alsauchderProzes-
sedokumentierenundanalysierenkann.WährendWebUsageMiningdieHistorie
alsPfadüberbesuchteWebseitenundVerweildauernaufzeichnet,ohnejedochAus-
sagen darüber machen zu können, was genau auf einer Webseite betrachtet wird,
analysiertEyeTrackingdasBenutzerverhaltenaufeinerkonkretenSeite,ohnealler-
dingszuberücksichtigen,auswelchemKontextderBenutzerdieWebseiteaufgeru-
fenhat.
VIII Geleitwort
Esist dasVerdienst dervorliegendenexzellenten Arbeit,eineintegrierte Methodik
zuentwickeln,diedieseForschungslückeschließt.DazuwerdenElementeausdem
WebUsageMiningundausdemEyeTrackingverwendet.ZunächstwirddieInte-
gratedUsageMiningMethodikkonzipiert,umdannineinemweiterenSchritteine
Referenzimplementierung(denIntegratedMiner)zuerstellen,dieschließlichgetes-
tet wird. Dazu wurde eine umfangreiche Studie mit 645 Probanden durchgeführt,
die mit einer Datenbasis von über 13GB Daten zu einer der größten gehört, die in
der Eye Tracking Forschung je durchgeführt wurde. Es kann gezeigt werden, dass
dasIntegratedUsageMiningdieForschungszielevollerfüllt.
DievorliegendeArbeit untersuchteineanspruchsvolleForschungsfrage undbietet
ErkenntnissefürdiePraxisundfürdieWissenschaft.DieWissenschafterhältsowohl
imGebietdesDataMiningalsauchimGebietdesEyeTrackingneueAlgorithmen
und zum ersten Mal eine Arbeit, die beide Gebiete in einer integrierten Methode
vereint. Die Praxis erhält einen voll funktionsfähigen Prototypen, der die eingangs
erwähntenFragestellungen(wiehängtdasNutzerverhaltenaufeinerWebseitevom
Pfad ab, den der Nutzer bisher im Internet »gegangen« ist, welche Muster finden
sich in Abhängigkeit von vorher besuchten Webseiten etc.) softwaretechnisch und
automatischaufzeigenkann.
IchwünschedieserhervorragendenArbeiteineentsprechendeVerbreitunginWis-
senschaftundPraxis.
Prof.Dr.MareikeSchoop
Danksagung
DieseArbeitistimRahmenmeinerForschungamLehrstuhlfürWirtschaftsinforma-
tikIanderUniversitätHohenheimentstanden.WährenddieserZeiterhieltichvon
vielenSeitengrosseUnterstützung–dafürmöchteichandieserStelledanken.
DergrößteDankgiltmeinerDoktormutterProf.Dr.MareikeSchoop,aufdieichstets
zählendurfte.MitgutenIdeenundDiskussionensowiehervorragendenKontakten
zurForschungsgemeinschafthatsiemeineArbeitjederzeitgefördert.Ohnedievon
ihr gewährten Freiräume und die erstklassische technische Ausstattung des Lehr-
stuhls wäre die Arbeit in dieser Form nicht entstanden. Prof. Dr. Walter Habenicht
dankeichfürdieÜbernahmedesZweitgutachtens.
MeinemlangjährigenFreundundKollegenDr.BerndSchneiderdankeichfürseinen
fachlichen Rat, seine großzügige Hilfsbereitschaft und die guten Gespräche – auch
jenseitsdesFachlichen.MeinenMitstreiternDr.FrankKöhne,Dr.DirkStaskiewicz
undDr.PhilippKordowichsowiemeinerKolleginFranziskaKubschmöchteichfür
dieschönegemeinsameZeit,wichtigeRatschlägeunddieherzlicheAtmosphäream
Lehrstuhldanken.EswareineFreude,inundmitdiesemfreundschaftlichenTeam
zuarbeiten.
Dominik Eckert und Dennis Warth zeigten grosses Interesse an der Thematik, und
ihrem Engagement hat der Integrated Miner ein paar nützliche Zusatzfunktionen
zuverdanken.DanielFehrleundMichaelAncuticihabenmirfreundlicherweisedie
WebServer-LogszurVerfügunggestellt.DasTeamvonTobiiTechnologyhatsichbei
Problemdiagnose und Fehlerbeseitigung bei der Erstellung der Eye Tracking-Logs
redlichbemüht.
InsbesonderedankeichmeinerFrauAnn-Kristin,diemichzudiesemProjektermu-
tigt,dieNebenwirkungendurchlittenundmichvorallemimletztenJahrangetrie-
ben,gestütztundertragenhat.MeinbesondererDankgiltauchmeinenEltern,auf
derenVertrauenundZuversichtichinschwierigenMomentenstetsbauenkonnte.
KaiHonsel
Inhaltsverzeichnis
Abbildungsverzeichnis XV
Tabellenverzeichnis XIX
Abkürzungsverzeichnis XXI
1 Einleitung 1
1.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 ErfolgsmessungvonWebauftritten . . . . . . . . . . . . . . . . . 1
1.1.2 KriterieneinergeeignetenAnalysemethode . . . . . . . . . . . 2
1.1.3 MethodenzurAnalysedesBenutzerverhaltens . . . . . . . . . 3
1.2 Forschungsgegenstand . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Vorgehen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2 BausteinefüreineintegrierteMethodik 11
2.1 Vergleichskriterien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 WebUsageMining(WUM) . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.1 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2.2 Vorgehen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.3 Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.4 Arbeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 EyeTracking(ET) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.1 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3.2 Vorgehen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3.3 Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.4 Arbeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4 Eingabeprotokollierung(EP). . . . . . . . . . . . . . . . . . . . . . . . . 46
2.5 Bewertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3 IntegratedUsageMining(IUM) 51
3.1 IntegrationserfordernisbestehenderVerfahren . . . . . . . . . . . . . . 51
3.2 IntegrationspotentialevonWUMundET . . . . . . . . . . . . . . . . . 53
3.2.1 IntegrationaufEbenederDaten . . . . . . . . . . . . . . . . . . 54
3.2.2 IntegrationaufEbenederMethoden . . . . . . . . . . . . . . . . 59
3.2.3 IntegrationaufEbenederMuster. . . . . . . . . . . . . . . . . . 62
3.2.4 AbgleichderunterschiedlichenDatenmengen . . . . . . . . . . 62
3.2.5 WahleinesIntegrationsverfahrens . . . . . . . . . . . . . . . . . 63
