logo SBA

ETD

Archivio digitale delle tesi discusse presso l’Università di Pisa

Tesi etd-10222012-093651


Tipo di tesi
Tesi di laurea specialistica
Autore
LOIUDICE, PIETRO
URN
etd-10222012-093651
Titolo
Un sistema per la Market Basket Analysis supportata da dati estratti da social network
Dipartimento
INGEGNERIA
Corso di studi
INGEGNERIA INFORMATICA
Relatori
tutor Antonelli, Michela
relatore Prof. Marcelloni, Francesco
correlatore Prof.ssa Lazzerini, Beatrice
Parole chiave
  • association rules
  • data mining
  • Facebook
  • Fp-Growth
  • profiling user
  • social e-commerce
Data inizio appello
13/12/2012
Consultabilità
Non consultabile
Data di rilascio
13/12/2052
Riassunto
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 specifici. 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 profilo 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 profili tipici dal log degli accessi e di associare i clienti ad uno di questi profili. Dopo aver filtrato 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 definisce il profilo tipico del membro del gruppo.
Per attestare la validità di questi profili, si estrae un insieme di regole di associazione dal log degli accessi (tramite l'FP-Growth) e si verica che le relazioni evidenziate dalle regole forti siano contenute nei profili emersi.
File