Com o advento da Internet, as empresas puderam mostrar-se para o mundo. A possibilidade de colocar um negócio na World Wide Web (WWW) criou um novo tipo de dado que as empresas podem utilizar para melhorar ainda mais seu conhecimento sobre o mercado: a sequência de cliques que um usuário efetua em um site. Esse dado pode ser armazenado em uma espécie de Data Warehouse para ser analisado com técnicas de descoberta de conhecimento em bases de dados. Assim, há a necessidade de se realizar pesquisas para mostrar como retirar conhecimento a partir dessas sequências de cliques. Neste trabalho são discutidas e analisadas algumas das técnicas utilizadas para atingir esse objetivo. é proposta uma ferramenta onde os dados dessas sequências de cliques são mapeadas para o formato atributo-valor utilizado pelo Sistema Discover, um sistema sendo desenvolvindo em nosso Laboratório para o planejamento e execução de experimentos relacionados aos algoritmos de aprendizado utilizados durante a fase de Mineração de Dados do processo de descoberta de conhecimento em bases de dados. Ainda, é proposta a utilização do sistema de Programação Lógica Indutiva chamado Progol para extrair conhecimento relacional das sessões de sequências de cliques que caracterizam a interação de usuários com as páginas visitadas no site. Experimentos iniciais com a utilização de uma sequência de cliques real foram realizados usando Progol e algumas das facilidades já implementadas pelo Sistema Discover.

Thesis (M.B.A.)--Boston University

University of Macau / Faculty of Science and Technology. / Department of Computer and Information Science

University of Macau / Faculty of Science and Technology. / Department of Computer and Information Science

University of Macau / Faculty of Science and Technology. / Department of Computer and Information Science

Atualmente, um dos grandes desafios enfrentados pelas empresas que operam no comércio eletrônico é de garantir a fidelidade de seus clientes. Devido a este fato, as empresas têm se preocupado cada vez mais na utilização de uma ferramenta capaz de integrar os dados distribuídos em banco de dados operacionais, para transformar suas informações em diferencial competitivo. Desta forma, a aplicabilidade da ferramenta Data Warehouse no comércio eletrônico, juntamente com a estratégia do Customer Relationship Management (CRM), surge como um elemento central da empresa focada no cliente, pois é capaz de fornecer informações competitivas e essenciais aos responsáveis pelas decisões estratégicas. Assim, através da ferramenta Data Warehouse sustentada pela estratégia de CRM, toda a \"sequência de cliques\" realizada pelos clientes do comércio eletrônico é armazenada historicamente, possibilitando a retenção destes com a empresa. Portanto o objetivo do presente trabalho é analisar a aplicabilidade do Data Warehouse no comércio eletrônico, visando o CRM analítico. O trabalho contribui também para mostrar às empresas que a integração entre tecnologia de informação (Data Warehouse) e marketing (CRM) em um ambiente Web oferece diferentes oportunidades de coleta de dados a respeito dos clientes, promovendo desta forma a personalização de produtos e serviços, garantindo maior lealdade destes com a empresa e, conseqüentemente, maior lucratividade. / Currently, one of the greatest challenges faced by companies that operate in the electronic commerce is to guarantee their customers\' fidelity. Due to this fact, these companies have been considering the employment of tools capable of integrating distributed data onto operational databases in order to transform information into a competitive and distinguishing asset. Thus, the applicability of Data Warehouse tools in Electronic Commerce, together with the strategy of Customer Relationship Management (CRM), appear as a key element for customer-oriented companies, since they are capable of supplying the ones responsible for strategic decisions with competitive and essential information . Hence, through Data Warehouse tools supported by the CRM strategy, all the \"clickstream\" carried out by the customers in electronic commerce, can be historically stored, making it possible, through further analyses, to identify potential customers, as well as keeping them with the company. The objective of the present research is to consider the applicability of Data Warehouse in Electronic Commerce, aiming at the analytical CRM. The research also shows companies that Data Warehouse, when combined with the CRM in a Web environment, offers alternative means for customer-related data collection, thus, providing the customization of products and services, reassuring clients\' loyalty to the company and, consequently, greater profits.

by Chan Chun-kwong, Lau Yick-man. / Bibliography: leaves 107-110 / Thesis (M.B.A.)--Chinese University of Hong Kong, 1983

by Ng Wai-ming. / Abstract in English and Chinese / Bibliography: leaves 121-123 / Thesis (M.B.A.)--Chinese University of Hong Kong, 1983

by Zen Wei-peu. / Bibliography : leaf 112 / Thesis (M.B.A.)--Chinese University of Hong Kong, 1984

by Chi-ming Wat. / Thesis (M.Phil.)--Chinese University of Hong Kong, 1995. / Includes bibliographical references (leaves 77-82). / Chapter 1 --- Introduction --- p.1 / Chapter 1.1 --- Performance analysis of on-line algorithms --- p.2 / Chapter 1.2 --- Randomized algorithms --- p.4 / Chapter 1.3 --- Types of adversaries --- p.5 / Chapter 1.4 --- Overview of the results --- p.6 / Chapter 2 --- The k-server problem --- p.8 / Chapter 2.1 --- Introduction --- p.8 / Chapter 2.2 --- Related Work --- p.9 / Chapter 2.3 --- The Evolution of Work Function Algorithm --- p.12 / Chapter 2.4 --- Definitions --- p.16 / Chapter 2.5 --- The Work Function Algorithm --- p.18 / Chapter 2.6 --- The Competitive Analysis --- p.20 / Chapter 3 --- The weighted k-server problem --- p.27 / Chapter 3.1 --- Introduction --- p.27 / Chapter 3.2 --- Related Work --- p.29 / Chapter 3.3 --- Fiat and Ricklin's Algorithm --- p.29 / Chapter 3.4 --- The Work Function Algorithm --- p.32 / Chapter 3.5 --- The Competitive Analysis --- p.35 / Chapter 4 --- The Influence of Lookahead --- p.41 / Chapter 4.1 --- Introduction --- p.41 / Chapter 4.2 --- Related Work --- p.42 / Chapter 4.3 --- The Role of l-lookahead --- p.43 / Chapter 4.4 --- The LRU Algorithm with l-lookahead --- p.45 / Chapter 4.5 --- The Competitive Analysis --- p.45 / Chapter 5 --- Space Complexity --- p.57 / Chapter 5.1 --- Introduction --- p.57 / Chapter 5.2 --- Related Work --- p.59 / Chapter 5.3 --- Preliminaries --- p.59 / Chapter 5.4 --- The TWO Algorithm --- p.60 / Chapter 5.5 --- Competitive Analysis --- p.61 / Chapter 5.6 --- Remarks --- p.69 / Chapter 6 --- Conclusions --- p.70 / Chapter 6.1 --- Summary of Our Results --- p.70 / Chapter 6.2 --- Recent Results --- p.71 / Chapter 6.2.1 --- The Adversary Models --- p.71 / Chapter 6.2.2 --- On-line Performance-Improvement Algorithms --- p.73 / Chapter A --- Proof of Lemma1 --- p.75 / Bibliography --- p.77