• social e-commerce
• data mining
• Fp-Growth
• profiling user
• association rules
• Facebook

Questo lavoro di tesi ha l'obiettivo di applicare le teorie della market basket
analysis su un e-commerce (shop.sereni.net) attualmente gestito dall'azienda
in cui si svolge la tesi (Puntoweb.net), introducendo il concetto di social
commerce come nuova forma e strategia commerciale.
Si utilizza il set di dati dei clienti dell'e-commerce in modo da offrire loro
un elevato grado di personalizzazione sia nell'offerta dei prodotti sia nell'elaborazione
di strategie commerciali mirate.
Il sistema che viene proposto, sfrutta Facebook per cercare di capire i gusti
personali dei clienti che navigano il sito, fornendogli quindi, dei suggerimenti
specifici. Le informazioni personali degli utenti, vengono integrate con i dati
di acquisto per creare il dataset delle transazioni, a cui si applica l'algoritmo
FP-Growth per creare il set di regole associative, che sono la base del suggerimento.
In questo modo quando un utente si autentica sul sito, il sistema
provvede al recupero delle informazioni personali dal profilo Facebook e le
confronta con il set di regole. Da questo confronto emergono gli eventuali
prodotti da suggerire.
Nella seconda parte di questo lavoro viene presentato un sistema che cerca
di determinare un certo numero di profili tipici dal log degli accessi e di
associare i clienti ad uno di questi profili. Dopo aver filtrato il log degli
accessi, rimuovendo ad esempio, gli utenti occasionali e indecisi, l'algoritmo
di clustering C-means, raggruppa gli utenti in gruppi caratterizzati da un
insieme di interessi comuni e rappresentati da un prototipo, che definisce il profilo tipico del membro del gruppo.
Per attestare la validita di questi profili, si estrae un insieme di regole di
associazione dal log degli accessi (tramite l'FP-Growth) e si verica che le
relazioni evidenziate dalle regole forti siano contenute nei profili emersi.