6.2.2 Construction de groupes d'utilisateurs
La construction de groupes d'utilisateurs est effectuée
en deux étapes. La première étape consiste à
attribuer à chaque visite un ou plusieurs motifs de navigation,
caractériser les visites par un ensemble de variables et les regrouper
en classes. La seconde étape consiste à construire à
partir des groupes de visites des groupes d'utilisateurs et les
caractériser. La classification des visites est effectuée selon
le schéma suivant.
FIG. 6.17 : Etapes de classification des visites
En effet, afin de réduire l'espace des variables, nous
avons recourt à l'application de l'ACP. Les axes factoriels obtenus sont
utilisés comme des variables d'entrée pour les cartes de
Kohonen.
Analyse en composantes principales
L'ACP s'applique à un tableau (individus £
variables). Les variables considérées sont continues. Dans notre
cas, les individus sont les visites et les variables considérées
sont présentées ci-dessous.
TAB. 6.2: Variables utilisées dans l'ACP
A partir des coordonnées de ces variables sur les axes
factoriels, une étiquette est donnée aux trois premiers axes qui
expliquent environ 90% de l'inertie totale du nuage des points. Le premier axe
factoriel est expliqué par les deux variables »Duree _visite»
et »DureeMoyPage» . Le deuxième axe factoriel est
expliqué par les variables »PourcReqDiff» et »PourcReqO
k» . Le troisième axe factoriel est expliqué par la variable
»NbReqVisite» . La projection des visites sur le deuxième plan
factoriel montre trois nuages de points non disjoints.
FIG. 6.18 : Résultat de l'application de l'ACP à la
base des visites
Pour aboutir à un meilleur résultat, nous avons
recourt à la combinaison de l'ACP avec une seconde méthode de
classification à savoir les cartes de Kohonen.
Cartes de Kohonen
L'application des cartes de Kohonen met en évidence
trois classes de visites. La première classe est composée de
visites dont la durée moyenne de la visite, le nombre moyen de
requêtes par visite et la durée moyenne de consultation des pages
sont assez élevées en comparaison avec les deux autres classes.
Ceci s'explique par le fait que ces visites sont effectuées
principalement dans le but de télécharger des cours ou visiter
des institutions universitaires. La troisième classe est
caractérisée par le pourcentage le plus élevé de
requêtes réussies (95%) et de requêtes différentes
(98%). Ces visites sont effectuées afin de profiter des services fournis
par le CCK tels que les services Internet, les services de calcul, le compte
Internet. La deuxième classe comporte des visites dont l'objectif est
d'avoir des informations sur les congrès, les colloques,.. etc.
FIG. 6.19 : Résultat de la classification des visites
Pour chaque groupe de visites, un groupe d'utilisateurs est
construit contenant tous les utilisateurs possédant au moins une visite
dans ce groupe de visites. Ainsi, nous obtenons des groupes d'utilisateurs
ayant le même motif de navigation. Le premier groupe est celui des
universitaires dont l'objectif de la navigation sur le site est le
téléchargement des cours, l'inscription dans les
établissements universitaires et la visite des bibliothèques
universitaires. Le deuxième groupe est celui des chercheurs qui
demandent des informations sur les congrès, les colloques, les
mastères et les thèses et visitent les laboratoires de recherche
(Larodec2 par exemple). Le troisième groupe est celui des
visiteurs du site du CCK afin de profiter des services qu'il fournit. Un
dernier groupe est déjà défini lors du pré-
traitement des fichiers Logs et dont les requêtes ont été
supprimées. Il s'agit des agents et robots utilisés par les
moteurs de recherche pour parcourir les sites Web et mettre à jour leurs
index de recherche.
La caractérisation de ces groupes en se servant des
variables disponibles tels que le navigateur et la plateforme donne les
résultats suivants:
TAB. 6.3 : Caractérisation des classes d'utilisateurs
par les variables
»navigateur» et »plateforme»
La classe des chercheurs présente une certaine
différence par rapport aux deux autres classes. En effet, 10% des
utilisateurs appartenant à cette classe utilisent des navigateurs
différents de Microsoft Internet Explorer et 6% utilisent des
systèmes d'exploitation différents de Microsoft Windows.
| 
