I METODI DI MONITORAGGIO
Indici Indici ee indicatori indicatori di di qualità qualità del del servizio servizio
1
Indici Indici ee indicatori indicatori di di qualità qualità del del servizio servizio
Indici Indici ee indicatori indicatori di di qualità qualità del del servizio servizio
2
Indici Indici ee indicatori indicatori di di qualità qualità del del servizio servizio
Le Le modalità modalità di di rilevazione rilevazione previste previste dalla dalla Direttiva Direttiva
• una modalità diretta, diretta attuata attraverso un questionario su web o per via telefonica, da proporre periodicamente; • una modalità indiretta fondata sulle informazioni acquisite attraverso le e-mail ricevute, il contact center e ogni altra forma di contatto prevista con gli utenti; • una modalità “tecnica” basata sull’analisi dei comportamenti di navigazione.
3
Questionari Questionari autocompilati autocompilati on on line line vantaggi: • costi di raccolta e di elaborazione dati molto contenuti • ridotti tempi di svolgimento dell’indagine • riduzione della possibilità di errori • immediatezza e dimensione partecipativa
svantaggi: • impossibilità di coinvolgere vasti segmenti popolazione • autoselezione rispondenti (facilità d’uso e fiducia nella rete) • verifica identità possibile solo nei sistemi a codice di accesso
Intervista Intervista telefonica telefonica (( CATI) CATI) vantaggi: • costi di raccolta e di elaborazione dati relativamente contenuti • ridotti tempi di svolgimento dell’indagine • tempestività dei risultati • estensione del numero di soggetti coinvolti
svantaggi: • poche domande e commisurate al livello di attenzione • difficoltà nel porre problemi in modo analitico • limitata attendibilità delle risposte
4
Altri Altri metodi metodi di di monitoraggio monitoraggio Attraverso l’esperienza del front line – analisi dei feedback nelle interazioni in presenza (URP e punti informativi) o in voce (call center). Attraverso strumenti correlati ad un apporto volontario – form di reclamo/suggerimento, – partecipazione a sondaggi, forum di discussione. Attraverso metodi di analisi qualitativa come i Focus Group e le interviste in profondità profondità – la discussione di gruppo viene usata per raccogliere direttamente percezioni e atteggiamenti dei clienti/utilizzatori verso un prodotto o un servizio. Attraverso ricerche motivazionali mediante il ricorso a tecniche proiettive – Batteria di atteggiamenti – Test di immaginazione e associazione verbale
Esempio Esempio di di indagine indagine sui sui canali canali di di comunicazione comunicazione Con quale frequenza utilizza questi strumenti 100% 90%
81,3
80% 63,5
70%
57,6
60%
55 43
50%
42
39,1
38,1
40%
29,2 22,2
30%
12,9
20%
12,4
10% 0%
televisi televisi quotidia settim a quotidia nali e oni oni ni ni locali naziona locali naziona m ensili
non risponde m ai
2,2
8,2
libri
radio naziona li
radio locali
altre parteci inform a internet pubblic pazione zione azioni ad con
0,2
0,3
0,4
0,4
0,1
0,2
0,1
1,2
0,2
0,6
15,2
17,3
24,1
26,2
30,9
29,1
53,2
51,3
70,8
74,8
10
29,5
28
30,7
37,8
32,9
35
40,3
16,7
33,8
20,8
15
spesso
29,6
25,7
25,3
21,2
22,1
28,8
19,5
17,3
19,3
9
6,6
6,8
regolarm ente
58,2
36,6
31,3
30,5
15,6
11,7
14,4
13,1
10,7
4,7
1,6
2,8
Indice sintetico 0-100
81,3
63,5
57,6
55
43
42
39,1
38,1
29,2
22,2
12,9
12,4
raram ente
5
Esempio Esempio di di indagine indagine sui sui canali canali di di comunicazione comunicazione Parlando di comunicazione effettuata dal Comune di Modena quali mezzi di comunicazione Le vengono in mente (Multipla - risposte 1545) m ensile del com une
55,3% 35,2%
i m edia 17,4%
urp di piazza grande
14,0%
sito internet
11,8%
m ateriale stam pato 8,6%
non m i viene in m ente nulla 4,5%
sportelli com unali
3,6%
contatti telefonici presso uffici/centralino
1,1%
Non risponde i punti di contatto ed il personale
1,1%
altro canale
0,9%
cam pagne sensibilizzazione sociale
0,6% 0%
10%
20%
30%
40%
50%
60%
Esempio Esempio di di indagine indagine sui sui canali canali di di comunicazione comunicazione Come valuta il suo grado di informazione su ciò che riguarda il Comune di Modena ed i suoi servizi (Indice 0-100= 64,5) per nulla informato 0,6%
non risponde 0,8%
poco informato 19,2%
molto informato 13,3%
informato 66,1%
6
Esempio Esempio di di indagine indagine sui sui canali canali di di comunicazione comunicazione Per un Comune comunicare significa sia informare che ascoltare. Oggi, secondo Lei, il Comune di M odena cosa deve accentuare?
non risponde 1,6%
non saprei 12,7%
inform azione ai cittadini 31,6% ascolto dei cittadini 54,1%
Esempio Esempio di di indagine indagine sui sui canali canali di di comunicazione comunicazione Quali servizi conosce e utilizza 100% 90%
23,5
16,4
22,2
80%
Utilizza
46,9
70%
Non conosce60%
77
35,1
47
50%
65,7
Conosce 40%
32,7
30% 20% 10%
4,2
41,4
36,6 20,4
18,8
12,1
0% m ensile m odena com une
piazza grande urp
centralino del com une
m onet sito internet
televideo trc
7
IlIl web web mining: mining: l’analisi l’analisi dei dei processi processi di di navigazione navigazione WM è il processo di scoperta ed analisi di informazioni utili dai documenti e servizi Web, usando tecniche di data mining. I dati che possono essere usati nel processo di WM: Dati di uso (Web log) descriventi come le pagine sono accedute Contenuto delle pagine Web Struttura della pagina (HTML o XML tags) Struttura del sito (hyperlink tra le pagine) Profili utente includenti informazioni demografiche e di registrazione.
IlIl web web mining: mining: l’analisi l’analisi dei dei processi processi di di navigazione navigazione • Capire il comportamento degli utenti • Analizzare il comportamente di navigazione degli utenti per capirne le preferenze e quindi massimizzare l’attività commerciale. • Capire chi utilizza i servizi e quali servizi utilizza • Scoprire la % degli utenti che riescono a condurre a termine una transazione • Determinare l’ l’efficacia di un sito Web • Capire i pattern di navigazione per • migliorare la struttura del sito • personalizzare la navigazione • Misurare il succeso dell’ dell’attività attività di marketing • Capire l’impatto sull’attività di servizio delle campagne di marketing • Classificare gli utenti per personalizzare l’offerta
8
IlIl web web mining: mining: l’analisi l’analisi dei dei processi processi di di navigazione navigazione
Web Mining
Web Content Mining
Web Structure Mining
Web Usage Mining
WebAccess Usage Mining Custumized Pattern Analisy Web Content Mining General Access Customized Access Pattern Analisy Web Structure General Mining Pattern Analisys Usage Analisys
Search Result Web Page L'insieme processi, delle tecniche di e • Adaptive dei sites: Analizza i patterns • Estrazione di di conoscenza dai finalizzato pattern di Processo di scopertaMining di informazioni Content Mining delle tecnologie data analysis, accesso di ciascun utente, uno per volta. Il Processo di informazioni utili accesso alle pagine utili dall’analisi del contenutodidi scoperta dati alla diristruttura significativiseschemi di sito scoperta Web stesso Web. dall’analisi della struttura del sito (hyperlink) comportamento (pattern) server automaticamente imparandodai daiWeb patterns di • Puòdescriventi aiutare la struttura del logs navigazione degli utenti e/o delle pagine (tags HTML o XML)perlamigliorare accesso sito, migliorare il caching, ecc . in uno o più siti Web. • Personalization:Fornisce raccomandazioni per aiutare la navigazione degli utenti.
Web Usage Mining Il Web Usage Mining (WUM) indica l'insieme complessivo dei processi, delle tecniche e delle tecnologie di data analysis, finalizzato alla scoperta di significativi schemi di comportamento (pattern) dai Web log descriventi la navigazione degli utenti in uno o più siti Web. I Web log possono essere esaminati dal lato client o dal lato server. Dal lato server permettono di scoprire informazioni sul sito/siti su cui il servizio risiede, che possono essere usate, ad esempio, per migliorare la struttura del sito Dal lato client permettono di individuare informazioni su sequenze di click (clickstrem), sul singolo utente o su gruppi di utenti, che possono essere usate, ad esempio, per la personalizzazione del contenuto delle pagine.
9
Sorgenti di dati per WUM
Sorgenti di dati per WUM Server level Il server Web registra, in uno o più file, i dati descriventi il comportamento di navigazione degli utenti.
Client level Il client invia a un repository informazioni concernenti il proprio comportamento.
Proxy level L’informazione è memorizzata livello server proxy.
10
Server access log file Formato ECLF IP Address
Userid
Time
Method/URL/ Protocol
Status
Size
Referrer
Agent
IP Address Æ indirizzo Internet della macchina da cui proviene la richiesta, può corrispondere all’indirizzo di un server proxy. UserId Æ presente quando la richiesta richiede l’autenticazione per accedere a determinati file. Time Æ momento in cui il Web server ha ricevuto la richiesta Method/URL/Protocol Æ modalità di accesso al Web server Status Æ codice ritornato dal server in risposta all’azione richiesta Size Æ numero di bytes trasmessi Referrer Æ URL del documento da cui è stata emessa la richiesta della pagina. Agent Æ sistema operativo e browser utilizzati dal client
Esempio di access log file nel formato ECLF
11
Meccanismo dei Cookie Un cookie è un identificatore del client generato dal server web e spedito ad un brower, che, se abilitato, lo memorizza per usi successivi. In genere, è assegnato ad un browser la prima volta che questo si collega ad un server Web. Il messaggio è poi inviato al server Web ogniqualvolta il browser richiede una pagina a tale server Web. Principale uso: identificare gli utenti per fornire ad esse contenuti/servizi personalizzati.
Formato del Cookie In genere costituito da 7 campi: Dominio Æ identificatore del server che ha creato il cookie Metodo Æ specifica il metodo con cui il cookie è inviato = TRUE se inviato usando un HTTP header = FALSE se inviato tramite un Javascript Path Æ specifica il sottoinsieme di URL per cui il cookie è valido Secure Æ specifica se il cookie è criptato Expiration time Æ specifica il tempo di vita del cookie Name Æ identifica il cookie Value Æ memorizza informazioni (es. pagine visitate, scelte effettuate, ecc)
Il meccanismo dei cookie deve essere abilitato dal client.
12
Livello Client Dati collezionati tramite un agente software (es. Javascript o Java applets) o con specifiche estensioni al codice sorgente del browser usato. L’uso di un browser modificato può permette di collezionare dati descriventi gli accessi a più siti Web. In ambedue i casi è richiesta la collaborazione dell’utente. Rispetto al livello server ha il vantaggio di rimuovere problemi dovuti all’uso della cache e all’identificazione delle sessioni.
Livello Proxy Un proxy Web opera come un intermediario tra i brower client e i server Web. L’informazione è memorizzata a livello server proxy. Può riguardare più siti Web. Sono collezionati i dati dei soli client che accedono al sito passando per il server proxy.
13
Data modelling Le informazioni collezionate ai vari livelli possono essere usate per identificare varie astrazioni di dato. W3C ha definito le astrazioni di dato: User, Page view, Click stream, User session, Server session, Episode
che possono essere analizzare l’uso del Web.
usate
per
Data modelling e Definizioni Frequenti User: un singolo individuo che sta accedendo file da uno o più server Web tramite un browser. Page view: insieme di file (es. frame, graphic, ecc.) che contribuisce alla visualizzazione di una singola pagina sul browser utente. Click-stream: una sequenza di richieste di page view. User session: click-stream di page view per un singolo utente all’intero dell’intero Web. Server session: insieme di page view relativo ad uno specifico sito Web (comunemente detta visita o sessione). Episode: qualsiasi sottoinsieme semanticamente significativo di un server o user session.
14
