www.maysaconsultores.com.ar

Web Mining

Dirigido a:

• Gerentes, analistas de datos y personal

Modalidad:

• Hands-on

Duración:

• 2 días

Descripción:

• Este curso proporciona una introducción a la utilización de técnicas de data mining para
  el análisis de distintos tipos de datos provenientes de transacciones en la World Wide Web.
  Se consideran los problemas y prácticas más relevantes y se utilizan varias herramientas.
  

Aprenda cómo

• Utilizar herramientas estadísticas para hacer análisis de datos de transacciones en la Web
  (Web analytics).
• Identificar e interpretar métricas clave.
• Comprender las principales técnicas de recolección de datos, su impacto sobre las métricas
  y sus limitaciones.
• Obtener conclusiones sobre cómo optimizar el diseño de un sitio web o realizar actividades
  de marketing.

¿Quiénes debieran asistir?

• Analistas que desean comprender las mejores prácticas, técnicas, tendencias y problemas
  del área de Web mining, incluyendo analistas de data mining, de marketing y CRM.
  

Prerrequisitos:

Antes de asistir a este curso usted debiera:
• Tener un conocimiento básico del funcionamiento de la Web y de las cuestiones básicas
  del comercio electrónico (e-commerce) y publicidad en línea.
• Tener un conocimiento básico de estadística descriptiva e inferencial.
• Tener un conocimiento básico de las principales técnicas de data mining.

Contenido:

1. Introducción:
1. Definición, ejemplos y breve historia de la World Wide Web.
2. Revisión de las principales tecnologías y estándares en la Web.
3. Análisis de flujo de clicks.
2. Técnicas de recolección de datos de flujo de clicks:
1. Análisis de logs.
2. Tagging de páginas web.
3. Cookies.
4. Sniffing de paquetes.
5. Herramientas de análisis.
3. Métricas en la Web
1. Vistas de páginas, visitas (sesiones), diversas clases de visitas,
   tiempo en una página, tasa de rebotes, etc.
2. Análisis de contenidos, páginas más populares, págines de entrada
   y salida.
3. Métricas vinculadas a sucesos.
4. Medición de resultados/acciones: cadena de conversión, tasas de
   conversión, tasas de abandono, etc.
4. Monitoreo y análisis:
1. Monitoreo y detección de anomalías.
2. Análisis de tendencias.
3. benchmarking.
4. tableros de control.
5. segmentación y OLAP.
6. análisis de navegación.
7. experimentación y análisis multivariado.
8. analytics de búsqueda, motores de búsqueda y optimización.
5. Modelización descriptiva de transacciones en la Web
1. Pre- y postprocesamiento de datos.
2. Reglas de asociación.
3. Análisis de secuencia.
4. Clustering (k-medias).
6. Modelización predictiva:
1. Ejemplos de aplicaciones de web mining.
2. Sistemas de recomendación y filtrado colaborativo.
7. Redes sociales y su análisis:
1. Ejemplos (Twitter, Facebook, etc).
2. Métricas de blogs.
3. Métricas de redes sociales.
4. Análisis de comunidades en la Web.
5. Difusión en redes sociales y marketing viral.