گروه نرم افزاری شاپرک

از جمله مباحثی که در زمینه وب کاوی مورد بحث می باشد clickstream می باشد که از استقبال خوبی نیز برخوردار بوده .

اطلاعات کلیک استریم می تواند از طریق applet java ، یا کد های javascript درون ISP ذخیره شود.

با استفاده از این تکنولوژی سایت ها می توانند به صورت داینامیک آگهی های مورد توجه کاربر با توجه به رفتار کاربر را نمایش داد. Clickstream محققان را قادر می سازد تا بفهمند عکس العمل کاربر نسبت به طراحی و ساختار چگونه است، چگونه صفحات سایت را مرور می کنند ، چگونه از یک سایت به سایت دیگر می روند^[1].

دنیای وب به صورت غیر قابل تصوری در حال گسترش می باشد و سالانه به واسطه کسب و کار هایی که توسط اینترنت انجام می شود میلیارد ها دلار تبادل می شود. این امر سبب شده حتی یک کاربر نیز برای بهبود کسب و کار مهم باشد. امروزه صاحبان سایت ها در سدداند تا با استفاده از شخصی سازی محیط برای کاربران با توجه به رفتار آنها ، کاربران را جذب نمایند. مشکلی که بر سر راه آنهاست ذخیره و آنالیز کردن اطلاعات عظیم درباره ی بازدید کاربران (لاگ فایل های درون سرور ) می باشد. امروزه خزندگان و خدمات بسیار گسترده ای در زمینه موتورهای جستجو و دایرکتوری ها در مقیاس های بزرگ و خدمات تخصصی به عنوان پورتال های سرمایه گذاری، ابزار هوش رقابتی، و مخازن مقاله علمی ارائه می دهند. هرچند خیلی اتفاق افتاده که وبمستر ها از دسترسی غیر قانونی این خزنده ها به اطلاعاتشان خبر داده اند. هدف از clickstream در دنیای وب شخصی سازی و کلاستر کردن سشن کاربران با توجه به رفتار آنهاست منتها باید در این میان خزندگان را از بین کاربران عادی تشخیص داد تا بتوان بهترین آنالیز را انجام داد. اما رفتار خزنده ها بسیار شبیه کابران معمولی است و این امر کار را مشکل می کند.[2]

با توجه به ساختار سایت هر ضربه می تواند بیش از یک بار در لاگ سرور ذخیره شود. مشاهده جزئیات اطلاعات صفحه شامل اطلاعات استاندارد ( از قبیل زمان دسترسی، آدرس IP، میدان ارجاع، و غیره)، سایر اطلاعات مانند این که آیا کاربر به خرید و یا دانلود در این صفحه خاص پرداخته و مشاهده زمان تقریبی صرف شده چه می زان بوده همه از طریق HTTP header امکان پذیر است.  سشن ها بر اساس توپولوژی سایت می باشند.

تمام اطلاعات ارسالی به کاربر می تواند در سرورلاگ شود .این اطلاعات به دو دسته اطلاعات html  و اطلاعات مربوط به فایل ها تقسیم می شود.

یکی از راه های شناسایی کاربران بررسی IP آنها می باشد. البته این به تنهایی کافی نخواهد بود پس نیاز به بررسی صفحات مرور شده توسط کاربر خواهیم داشت. دیگر مواردی که می تواند به شناسایی کاربر کمک کند سشنی که در سرور ست می شود و کوکی ها می باشند که تا حدودی ترکیب این ها با هم مشکلات شناسایی را کاهش می دهد.

یک دیاگرام ستاره ای می تواند شامل اطلاعات زیر باشد :

1.     تعداد ثانیه های سپری شده قبل از ثبترویداد صفحه بعدی

2.     تاریخ بازدید

3.     سشن

4.     صفحات بازدید شده

5.     کاربر

6.     ایونت ها که در هنگام نمایش صفحات توسط کاربر رخ می دهد

7.     ارجاعات[3]