Экспертиза

Новая категория ПО “учится” тому, чего хотят посетители Web-узлов

Джим Рапоза (PC Week Labs)

Инструменты фильтрации, применяемые для организации групповой совместной работы и сравнивающие предпочтения одного посетителя Web-узла с предпочтениями других, раньше были единственным средством, позволяющим компаниям с крупными Web-узлами предоставить своим клиентам персонализированное содержимое. Однако стали появляться продукты, дающие возможность индивидуально настраивать содержимое, просто анализируя действия посетителя.

ПО Learn Sesame 1.2, выпущенное в феврале подразделением Open Sesame фирмы Charles River Analytics, представляет собой один из примеров подобной технологии. Learn Sesame 1.2 отслеживает все действия посетителя в ходе его пребывания на узле и строит “профиль” (набор характеристик) этого пользователя. После того как в БД Learn Sesame накопится достаточно данных, узел предложит посетителю содержимое, индивидуально настроенное на основании анализа ранее выполненных им действий.

Инструменты фильтрации для групп, например GroupLens фирмы Net Perceptions, тоже могут отслеживать деятельность визитера, но, предлагая содержимое, они опираются на данные о некотором классе посетителей, сравнивая предпочтения данного пользователя со склонностями других членов группы. Learn Sesame, напротив, может предлагать индивидуализированное содержимое даже в том случае, когда посетитель является единственным.

Хотя инструменты, подобные Learn Sesame, обеспечивают наилучший метод предоставления экспертной информации (например, в системах поддержки пользователей или финансовых консультаций), групповым инструментам фильтрации вымирание пока не грозит. Эти средства идеально подходят для того, чтобы рекомендовать содержимое на основе анализа мнений, например информацию о книгах или музыке.

Групповые фильтры также выигрывают в случае, когда существенным фактором является скорость, ибо они предлагают содержимое немедленно. Learn Sesame не сможет предоставить информацию, пока не накопится достаточного объема данных о действиях посетителя. Вследствие этого ограничения Learn Sesame больше подходит для тех узлов, куда пользователи возвращаются регулярно или где они проводят длительное время.

В цену Learn Sesame ($30 000), сравнимую с ценой фильтрующих приложений групповой работы, входит стоимость консультаций, необходимых для такого структурирования содержимого узла, которое позволило бы максимально использовать возможности продукта.

Learn Sesame состоит из трех компонентов: Ambassador (посол) находится на Web-сервере и отслеживает действия посетителя, Knowledge Manager (менеджер знаний) ведет БД действий пользователей, а Learn Engine (механизм обучения) анализирует эти действия для определения предпочтений каждого посетителя.

Мы тестировали Learn Sesame под Windows NT 4.0, используя в качестве Web-сервера Internet Information Server корпорации Microsoft.

Конфигурирование узла для использования Learn Sesame является, на наш взгляд, наиболее сложным этапом установки. Компании, желающие воспользоваться предлагаемыми средствами персонализации, должны перестроить свои узлы с применением механизма Active Server Pages. Нам пришлось предоставлять посетителям “куки” или пользовательские имена и пароли, чтобы получить возможность индивидуально следить за действиями каждого их них на узле.

Пользователю, прежде чем продукт сможет сформировать его содержательный профиль, придется провести на узле длительное время или же несколько раз его посетить. По мере накопления дополнительной информации эффективность продукта повышается.     

Информация - это деньги

Канадская фирма Newstar Technologies, производитель ПО для финансовых учреждений, применяет Learn Sesame в качестве одного из компонентов Web-системы предоставления персонализированной финансовой информации.

По словам Стива Салкелда, генерального менеджера Newstar, Learn Sesame позволяет компании отслеживать действия пользователей и динамически предоставлять страницы с учетом их предпочтений. “Определив, например, что посетителя интересуют рискованные инвестиции, мы динамически показываем ему данные о некоторых видах облигаций именно такого рода”, - сообщил он.

По мнению Салкелда, Learn Sesame нужнее групповых фильтров, так как последние предлагают содержимое на базе предпочтений членов некоторого класса пользователей, что не всегда является лучшим способом формирования рекомендаций об инвестициях.

Версия для печати