Business process mining from e-commerce web logs
Visualitza/Obre
Poggi.pdf (437,4Kb) (Accés restringit)
Sol·licita una còpia a l'autor
Què és aquest botó?
Aquest botó permet demanar una còpia d'un document restringit a l'autor. Es mostra quan:
- Disposem del correu electrònic de l'autor
- El document té una mida inferior a 20 Mb
- Es tracta d'un document d'accés restringit per decisió de l'autor o d'un document d'accés restringit per política de l'editorial
10.1007/978-3-642-40176-3_7
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/23226
Tipus de documentText en actes de congrés
Data publicació2013
EditorSpringer
Condicions d'accésAccés restringit per política de l'editorial
Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i
industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva
reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets
Abstract
The dynamic nature of the Web and its increasing importance as an economic platform create the need of new methods and tools for business efficiency. Current Web analytic tools do not provide the necessary abstracted view of the underlying customer processes and critical paths of site visitor behavior. Such information can offer insights for businesses to react effectively and efficiently. We propose applying Business Process Management (BPM) methodologies to e-commerce Website logs, and present the challenges, results and potential benefits of such an approach. We use the Business Process Insight (BPI) platform, a collaborative process intelligence toolset that implements the discovery of loosely-coupled processes, and includes novel process mining techniques suitable for the Web. Experiments are performed on custom click-stream logs from a large online travel and booking agency. We first compare Web clicks and BPM events, and then present a methodology to classify and transform URLs into events. We evaluate traditional and custom process mining algorithms to extract business models from real-life Web data. The resulting models present an abstracted view of the relation between pages, exit points, and critical paths taken by customers. Such models show important improvements and aid high-level decision making and optimization of e-commerce sites compared to current state-of-art Web analytics.
CitacióPoggi, N. [et al.]. Business process mining from e-commerce web logs. A: International Conference on Business Process Management. "Business Process Management: 11th International Conference, BPM 2013: Beijing, China, August 26-30, 2013: proceedings Any d'edició: 2013". Beijing: Springer, 2013, p. 65-80.
ISBN978-3-642-40175-6
Versió de l'editorhttp://link.springer.com/chapter/10.1007%2F978-3-642-40176-3_7
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
Poggi.pdf | 437,4Kb | Accés restringit |