監視されていない機械学習モデルを使用して,ウェブサイト訪問の背後にある意図を特定する
Judah Soobramoney1, Retius Chifurira1, Temesgen Zewotir1
1School of Mathematics, Statistics and Computer Science, University of KwaZulu-Natal, Durban, South Africa.
Annals of data science
|August 26, 2025
まとめ
この研究では,監視されていない機械学習を使用して,ウェブサイト訪問者データを分析し,5つの主要なユーザー意図を特定しました. 階層的なクラスタリングは,オンライン訪問の動機を理解するのに最も効果的であることが判明しました.
科学分野:
- データサイエンス
- 機械学習
- 消費者の行動分析
背景:
- デジタル化が進むにつれ 企業のウェブサイト利用の理解が求められます
- 複雑で大量のウェブサイトデータを分析して 消費者の行動を理解するのは 難しいことです
研究 の 目的:
- 企業ウェブサイトの訪問者の意図を特定するために,無監督の機械学習モデルを適用します.
- 複雑なウェブサイト訪問データから 実行可能な洞察を抽出します
主な方法:
- 企業情報サイトから Google アナリティクスを利用しました
- 採用されたk-means,階層,およびDBSCANの無監督機械学習モデル.
- クラスタの均質性とサイズに基づいてモデルのパフォーマンスを評価します.
主要な成果:
- この3つのモデルで 訪問者の意図は 5つに分けられます "偶然" "ドロップオフ" "没頭" "接触" "探求"
- 階層的なクラスタリングは,クラスタの均質性とサイズをバランスさせる上で優れたパフォーマンスを示しました.
結論:
- 監視されていない機械学習は ウェブサイトのデータから ユーザーの意図を効果的に特定します
- 階層的なクラスタリングは,訪問者の動機を分析し,企業ウェブ戦略を最適化するための堅実な方法を提供します.
