論文の概要: Augmented Web Usage Mining and User Experience Optimization with CAWAL's Enriched Analytics Data
- arxiv url: http://arxiv.org/abs/2510.17253v1
- Date: Mon, 20 Oct 2025 07:41:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-25 00:56:39.354864
- Title: Augmented Web Usage Mining and User Experience Optimization with CAWAL's Enriched Analytics Data
- Title（参考訳）: CAWALの強化分析データによるWeb利用量削減とユーザエクスペリエンスの最適化
- Authors: Özkan Canay, {Ü}mit Kocabıcak,
- Abstract要約: 本研究では、Web利用のマイニングを強化し、UXを改善するための方法論であるAWUM(Augmented Web Usage Mining)を紹介する。
1ヶ月に120万以上のセッション記録(8.5GBのデータ)が処理され、豊富なデータセットに変換された。
結果、87.16%のセッションが複数のページで行われ、98.05%のページビューに寄与し、40%のユーザが様々なサービスにアクセスし、50%が安全な出口を選んだ。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Understanding user behavior on the web is increasingly critical for optimizing user experience (UX). This study introduces Augmented Web Usage Mining (AWUM), a methodology designed to enhance web usage mining and improve UX by enriching the interaction data provided by CAWAL (Combined Application Log and Web Analytics), a framework for advanced web analytics. Over 1.2 million session records collected in one month (~8.5GB of data) were processed and transformed into enriched datasets. AWUM analyzes session structures, page requests, service interactions, and exit methods. Results show that 87.16% of sessions involved multiple pages, contributing 98.05% of total pageviews; 40% of users accessed various services and 50% opted for secure exits. Association rule mining revealed patterns of frequently accessed services, highlighting CAWAL's precision and efficiency over conventional methods. AWUM offers a comprehensive understanding of user behavior and strong potential for large-scale UX optimization.
- Abstract（参考訳）: Web上でのユーザ動作を理解することは、ユーザエクスペリエンス(UX)を最適化するためにますます重要になっています。
本研究では,高度Web分析のためのフレームワークであるCAWAL(Combined Application Log and Web Analytics)が提供するインタラクションデータを活用することにより,Web利用のマイニングとUXの改善を目的としたAWUM(Augmented Web Usage Mining)を紹介した。
1ヶ月で収集された120万以上のセッション記録(約8.5GBのデータ)が処理され、豊富なデータセットに変換された。
AWUMはセッション構造、ページリクエスト、サービスインタラクション、終了メソッドを分析します。
結果、87.16%のセッションが複数のページで行われ、98.05%のページビュー、40%のユーザが様々なサービスにアクセスし、50%が安全な出口を選んだ。
協会のルールマイニングは頻繁にアクセスされるサービスのパターンを明らかにし、CAWALの従来の方法よりも精度と効率性を強調した。
AWUMは、ユーザの振る舞いを包括的に理解し、大規模なUX最適化の強力な可能性を提供します。
関連論文リスト
- RecoMind: A Reinforcement Learning Framework for Optimizing In-Session User Satisfaction in Recommendation Systems [2.4762227354811293]
RecoMindは、Webスケールでのセッションベースの目標を効果的に最適化するために設計されたシミュレータベースの強化学習フレームワークである。
RecoMindは、従来の教師付き学習推奨手法よりも、セッション内ユーザの満足度において大幅に向上することを示す。
論文 参考訳（メタデータ） (2025-07-31T23:01:14Z) - SessionIntentBench: A Multi-task Inter-session Intention-shift Modeling Benchmark for E-commerce Customer Behavior Understanding [64.45047674586671]
本稿では,意図木の概念を導入し,データセットキュレーションパイプラインを提案する。
我々は,L(V)LMsのセッション間意図シフト理解能力を評価するマルチモーダルベンチマークSessionIntentBenchを構築した。
1,952,177の意図的エントリ,1,132,145のセッション意図軌跡,および10,905のセッションを使用してマイニングされた13,003,664のタスクにより,既存のセッションデータを活用可能なスケーラブルな方法を提供する。
論文 参考訳（メタデータ） (2025-07-27T09:04:17Z) - Talk2X -- An Open-Source Toolkit Facilitating Deployment of LLM-Powered Chatbots on the Web [4.672906650393819]
本稿では,適応型検索拡張生成手法を利用したオープンソースエージェントTalk2Xを提案する。
Talk2Xのアーキテクチャは、開発者が統合に使えるツールを提供する任意のウェブサイトに一般化できる。
我々の発見は、ウェブ上の情報へのアクセス方法のパラダイムシフトに技術的進歩をもたらしている。
論文 参考訳（メタデータ） (2025-04-04T10:58:57Z) - CAWAL: A novel unified analytics framework for enterprise web applications and multi-server environments [0.0]
本稿では、代替モデルおよびオンプレミスフレームワークとして、CAWAL(Combined Analytics and Web Application Log)フレームワークを提案する。
CAWALは、データ所有権とプライバシ規則に従って、Webファーム内の正確なデータ収集とクロスドメイン追跡を可能にする。
エンタープライズレベルのWebアプリケーションに統合されたCAWALは、それぞれOpen Web Analytics(OWA)とMatomoと比較して約24%と85%のレスポンスタイムを達成した。
論文 参考訳（メタデータ） (2025-03-29T22:55:33Z) - Predictive modeling and anomaly detection in large-scale web portals through the CAWAL framework [0.0]
本研究では,CAWALフレームワークを通じて収集されたセッションおよびページビューデータを用いて,高度な予測モデリングとWeb利用マイニングアプリケーションにおける異常検出を行う手法を提案する。
その結果,ユーザの行動やシステムパフォーマンスの指標を詳細に把握し,大規模Webポータルの効率性,信頼性,スケーラビリティを向上させるための信頼性の高いソリューションであることが示唆された。
論文 参考訳（メタデータ） (2025-02-01T12:21:59Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - Persona-DB: Efficient Large Language Model Personalization for Response Prediction with Collaborative Data Refinement [79.2400720115588]
本稿では,タスクコンテキスト間の一般化を改善するための階層的な構築プロセスからなる,シンプルで効果的なフレームワークであるPersona-DBを紹介する。
応答予測の評価において,Persona-DB は精度を著しく低減した検索サイズで維持する上で,より優れたコンテキスト効率を示す。
我々の実験は、ユーザーが極めて少ないデータを持つ場合、コールドスタートシナリオで10%以上の顕著な改善が示されていることも示している。
論文 参考訳（メタデータ） (2024-02-16T20:20:43Z) - Enhancing User Intent Capture in Session-Based Recommendation with
Attribute Patterns [77.19390850643944]
周波数属性パターン拡張変換器(FAPAT)を提案する。
FAPATは属性遷移グラフと一致する属性パターンを構築することで、ユーザの意図を特徴づける。
FAPATは、様々な評価指標に対して平均4.5%の最先端手法を一貫して上回っていることを実証する。
論文 参考訳（メタデータ） (2023-12-23T03:28:18Z) - Maximizing Cumulative User Engagement in Sequential Recommendation: An
Online Optimization Perspective [26.18096797120916]
ユーザエンゲージメントの向上とユーザブラウジングの促進という、潜在的に矛盾する2つの目標をトレードオフするためには、しばしば必要となる。
より長いユーザブラウジング期間と高いユーザエンゲージメントを明示的にトレードオフする,フレキシブルで実用的なフレームワークを提案する。
このアプローチは大規模なEコマースプラットフォームにデプロイされ、累積クリックの7%以上の改善が達成されている。
論文 参考訳（メタデータ） (2020-06-02T09:02:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。