Analyse comparative de modèles statistique et d’apprentissage profond pour l’étude du parcours utilisateur sur un site internet - DUMAS - Dépôt Universitaire de Mémoires Après Soutenance Accéder directement au contenu
Mémoires Année : 2018

Comparison between statistical model and deep-learning model to predict user pathway on a website

Analyse comparative de modèles statistique et d’apprentissage profond pour l’étude du parcours utilisateur sur un site internet

Mathilde Gorieu
  • Fonction : Auteur

Résumé

A website’s popularity can be evaluated using precise indicators such as the number of visits per day and the number of viewed webpages per visit. However, sytems that are used nowadays are mostly based on cookies, which can be blocked by users. We asked ourselves whether or not these analyses gave an accurate overview of a website’s actual traffic. A study of data which is automatically saved onto a server (log apache data) was carried out. During the study, other challenges arose and were dealt with. The work presented here consists of three keys steps. Firstly, a filter was applied to the data so as to store clean data in a database. Then, a dashboard was put in place to give marketing teams and management access to information regarding user habits. A comparison between this dashboard and a classic cookie based dashboard was done. Finally, another comparison was done, this time, between a classic statistics model and a deep-learning LSTM model, to see if they could similarly predict how a page can interest users based on their navigation data. It turned out that both models had a very similar accuracy, roughly 30 %. The study can be reproduced by any website team with server data.
La visibilité d’un site internet est mesurée par des indicateurs précis comme le nombre de visites et le nombre de pages vues par visite. Or les systèmes de mesure actuelle des visites sur un site internet font appel à des cookies, qui peuvent être bloqués par l’utilisateur. On s’est donc demandé si cette moyenne était représentative du trafic réel du site internet. Une étude des données enregistrées automatiquement sur un ser- veur (appelé données de logs apache) est effectuée. Au fur et à mesure de l’exploitation, d’autres enjeux sont apparus et ont été abordés. Ce travail consistera donc en trois points clés. Premièrement, un filtre est appliqué afin de récupérer des données de qualité et de permettre un stockage dans une base de données. Ensuite, une interface de visualisation a été construite pour obtenir des informations utiles à l’équipe marketing et à la direction en lien avec les visiteurs du site. La comparaison avec d’autres interfaces est alors effectuée. Pour finir, une comparaison de modèle est réalisée entre un modèle classique statistique de graphe et un modèle de Réseau Récurrent à Mémoire à Court Terme Résiduelle afin de prédire une page intéressante à proposer aux visiteurs du site. Ce modèle permettrait ainsi d’augmenter le nombre de pages vues par visite. Les deux modèles donnent au final des prédictions similaires, avec une précision autour de 30 %. Cette étude pourra être reproduite et utilisée pour tout site internet ayant accès aux données de leur serveur.
Fichier principal
Vignette du fichier
2018_GORIEU_Mathilde_Data_Science.pdf (1.59 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

dumas-01961614 , version 1 (20-12-2018)

Identifiants

  • HAL Id : dumas-01961614 , version 1

Citer

Mathilde Gorieu. Analyse comparative de modèles statistique et d’apprentissage profond pour l’étude du parcours utilisateur sur un site internet. Sciences du Vivant [q-bio]. 2018. ⟨dumas-01961614⟩
168 Consultations
387 Téléchargements

Partager

Gmail Facebook X LinkedIn More