Surowe dane z badań nad wykorzystaniem danych behawioralnych w systemie e-commerce do predykcji zachowań klientów i stworzenia mechanizmów preloading danych

Zbiór zawiera surowe dane na podstawie których prowadzono badanie dotyczące wykorzystania danych behawioralnych w systemie e-commerce AtomStore, do predykcji zachowań klientów i stworzenia mechanizmów preloading danych.

Badania zostały przeprowadzone przez zespół programistów AtomStore w ramach prac nad nową wersją frontendu. Zespół zweryfikował, czy na podstawie treści wyświetlanych wcześniej przez klienta na platformie e-commerce możliwe będzie przewidzenie jego kolejnych ruchów na stronie internetowej sklepu. Wykorzystano metodę klasyfikacji k-nearest neighbors (k-NN) oraz różne metryki odległości w celu określenia najbardziej prawdopodobnych kolejnych ruchów użytkowników na podstawie 3–4 wcześniejszych odsłon stron. Zbudowanie algorytmu przewidującego z dużym prawdopodobieństwem dalsze zachowanie klienta, pozwoliło na zaimplementowanie mechanizmu preloadingu danych bazujących na predykcji zachowań w obrębie platformy e-commerce AtomStore. Wyniki wskazują, że zastosowanie odpowiednich metryk oraz wag dla typów widoków pozwala na skuteczne przewidywanie kolejnych działań użytkownika, co znacząco skraca czas ładowania stron i poprawia doświadczenie użytkownika. Najlepsze wyniki osiągnięto dla metryk M1 i M2c, co sugeruje ich potencjał w zastosowaniach e-commerce.