Case studies, automatic reporting, evaluation and optimization of usability using Advanced User Behaviour Analysis

Abstract

Aktuelle Herangehensweisen das Nutzerverhalten aufzuzeichnen um Webseiten zu verbessern zielen hauptsächlich auf die Benutzer von stationären Computern ab und berücksichtigen Nutzer mobiler Geräte nicht in ausreichender Weise. Aufgrund der Tatsache, dass die Verbreitung von Smartphones als Endgerät zur Nutzung des Internets signifkant ansteigt ist es notwendig geworden, Webseiten auch auf ihre Verwendbarkeit mit diesen Geräten hin zu analysieren und zu optimieren. Advanced User Behaviour Analysis versucht die Benutzerfreundlichkeit von Webseiten mit Hilfe der Daten die von diesen Geräten aufgezeichnet wurden zu optimieren. Hierzu bedarf es neuer Herangehensweisen die evaluiert und verwendet werden um dieses Ziel zu erreichen. Mobile Geräte werden verwendet um Benutzerinteraktionen aufzuzeichnen und weitergehend zu analysieren um Webseiten zu optimieren. Das Kernkonzept hierbei bildet der begrenzte sichtbare Bereich einer Webseite auf einem Smartphone welcher als Substitut für die Aufmerksamkeit eines Nutzers dient. Durch Erfassung dieses Bereiches kann eingegrenzt werden, welcher Bereich die Aufmerksamkeit eines Nutzers hatte. Mittels dieses Projektes wurde eine Studie durchgeführt die die Möglichkeiten aufzeigen soll, die sich durch diesen Ansatz ergeben. Hierzu wurde ein Prototyp (siehe Kapitel 6) einer Auswertungsapplikation entwickelt der dazu verwendet wurde, die aufgezeichneten Daten der Studie (siehe Kapitel 7) durchgeführt mit Studenten der Lehrveranstaltung Applied Web Data Extraction and Integration zu analysieren. Kennwerte und Kennzeichen für Benutzerfreundlichkeit von Webseiten wurden identifiziert die mit herkömmlichen Herangehensweisen, die nur auf der Ebene von Webseitenbesuchen und den Pfaden zwischen Webseiten auswerten, nicht aber die Daten innerhalb einer Webseite verwenden wie beispielsweise Google Analytics nicht machbar sind. Beispielsweise wird das Verhalten von Personen beim Surfen auf einer mobilen Webseite mit dem Verhalten auf einer normalen Webseite bei Verwendung des eigenenen Smartphones verglichen und Unterschiede und Gemeinsamkeiten werden aufgezeigt die auftreten, wenn verschiedene Webseiten eines Gebietes miteinander verglichen werden. Einige Kennzahlen werden hierfür theoretisch behandelt wohingegen andere auch praktisch implementiert wurden und deren Ergebnisse exemplarisch aufgeführt werden.<br />

Current approaches to track user behaviour in order to improve web pages are mainly focused on desktop users and do not consider the special group of mobile users. Because of the increasing domination of smartphones in the World Wide Web these days, it is very important to analyse and optimize web pages according to those devices. Advanced User Behaviour Analysis tries to improve the effectiveness and usability of web pages in general and for specific user groups, using information that is gained from tracking users utilizing mobile devices. The term Advanced User Behaviour Analysis points out the fact that new approaches are evaluated and used in order to achieve this goal. The main focus is to use mobile devices to track typical user interactions that can be archived and further interpreted, in order to analyse or adapt web pages. The key concept of this project is the limited viewport (visible area) of a website on a mobile device acting as a surrogate for the attention of a user. By tracking this small area, it can be reconstructed what a user could have read. With this approach, studies are made which show possibilities of usage of such a tool. Also a prototype (see chapter 6) of an analysis-portal was created that can be used to analyze the recorded data. This tool was used to analyze the data from a study (see chapter 7) done with students of the course Applied Web Data Extraction and Integration. Metrics and indicators for web usability are identified that are not available with traditional 'inter-page-level' approaches like Google Analytics focusing on the navigation path between web pages. The analysis shows how people behave differently when accessing a desktop or mobile version of a website with their smartphone and which differences and similarities can be found when comparing different websites of one domain to each other. Some key performance indicators are theoretically discussed and some were implemented and their results are shown.