[논문 리뷰] Analysing Parallel and Passive Web Browsing Behavior and its Effects on Website Metrics

Christian von der Weth, Manfred Hauswirth|arXiv (Cornell University)|2014. 02. 21.

Recommender Systems and Techniques참고 문헌 25인용 수 3

한 줄 요약

이 논문은 DOBBS 장기 사용자 행동 연구에서의 결과를 제시하며, 고해상도 클라이언트 측 로깅을 통해 병렬 및 수동 브라우징을 분석한다. 대부분의 사용자가 병렬 탭 사용과 장기적인 무활동 상태를 겪으며, 기존의 체류 시간 메트릭스가 성립하지 않음을 드러내며, 웹사이트 참여도를 더 잘 반영하고 기존 방법과 다른 인기 순위를 도출하는 데 더 나은 메트릭스인 '집중 비율'과 '활동 비율'을 제안한다.

ABSTRACT

Getting deeper insights into the online browsing behavior of Web users has been a major research topic since the advent of the WWW. It provides useful information to optimize website design, Web browser design, search engines offerings, and online advertisement. We argue that new technologies and new services continue to have significant effects on the way how people browse the Web. For example, listening to music clips on YouTube or to a radio station on Last.fm does not require users to sit in front of their computer. Social media and networking sites like Facebook or micro-blogging sites like Twitter have attracted new types of users that previously were less inclined to go online. These changes in how people browse the Web feature new characteristics which are not well understood so far. In this paper, we provide novel and unique insights by presenting first results of DOBBS, our long-term effort to create a comprehensive and representative dataset capturing online user behavior. We firstly investigate the concepts of parallel browsing and passive browsing, showing that browsing the Web is no longer a dedicated task for many users. Based on these results, we then analyze their impact on the calculation of a user's dwell time -- i.e., the time the user spends on a webpage -- which has become an important metric to quantify the popularity of websites.

연구 동기 및 목표

• 유튜브, 페이스북, 스트리밍 플랫폼과 같은 새로운 기술 및 서비스의 영향을 받는 웹 브라우징 행동의 변화를 이해하기 위해.
• 병렬 브라우징(다중 탭/윈도우 사용)과 수동 브라우징(무활동 상태)이 기존의 웹사이트 메트릭스, 예를 들어 체류 시간과 같은 표준 메트릭스에 어떤 영향을 미치는지 조사하기 위해.
• 단순한 페이지 체류 시간 계산을 넘어서 사용자 참여도를 반영하는 개선된 웹사이트 인기 메트릭스를 개발하기 위해.
• 장기적이고 실제 세계적인 브라우징 행동 분석을 위한 대표성 있고 프라이버시를 보호하는 데이터셋(DOBBS)을 제공하기 위해.

제안 방법

• Firefox와 Chrome에서 클라이언트 측 이벤트(탭 열기, 페이지 로드, 윈도우 상태)를 기록하는 비침습적이고 프라이버시를 보호하는 브라우저 확장 프로그램인 DOBBS를 활용하였다.
• 실험실 제약 없이 자연스럽고 일상적인 브라우징 행동을 유지하면서 실제 사용자로부터 장기적인 데이터를 수집하였다.
• 페이지가 활성화되어 있고 보이기(백그라운드 또는 최소화되지 않은) 상태였던 시간 비율로 정의된 '집중 비율'과 활성 시간 대 전체 세션 시간의 비율인 '활동 비율'을 정의하고 계산하였다.
• 이벤트 로그를 사용하여 다중 탭 간 사용자 탐색 경로를 재구성하였으며, 브라우저 시작을 루트로 하는 방향 그래프로 모델링하였다.
• 이벤트 구조와 시간적 일관성 기반으로 손상되거나 완전하지 않은 데이터를 식별하고 걸러내었다.
• 윈도우가 최소화되거나 백그라운드 상태일 때를 감지하여 이를 무활동 기간과 연관지켜 무활동 시간을 분석하였다.

실험 결과

연구 질문

• RQ1 사용자가 한 세션 동안 여러 탭이나 윈도우를 통해 병렬 브라우징를 얼마나 자주 수행하는가?
• RQ2 세션 중 무활동 상태로 정의되는 수동 브라우징이 기존의 체류 시간 메트릭스 정확도에 어떤 영향을 미치는가?
• RQ3 집중 비율과 활동 비율은 기존 메트릭스와 비교하여 웹사이트 인기 순위에 어떻게 영향을 미치는가?
• RQ4 웹사이트 간 브라우징 패턴은 어떻게 다를 수 있으며, 이러한 차이는 참여도 측정에 어떤 함의를 지닌다?
• RQ5 다중 탭 탐색의 그래프 기반 표현 방식은 별도의 브라우징 행동 패턴을 드러내는가?

주요 결과

• 대부분의 사용자가 단일 브라우저 윈도우를 유지하면서도 지속적으로 여러 탭을 사용하여 광범위한 병렬 브라우징 행동이 존재함을 시사한다.
• 수동 브라우징—무활동 상태로 특징지어지는 행동—은 특히 장시간 세션에서 브라우징 세션의 상당 부분을 차지한다.
• 기존의 체류 시간 메트릭스는 페이지가 백그라운드에 있거나 최소화된 상태일 때의 시간까지 포함하기 때문에 사용자 참여도를 과대평가한다.
• 집중 비율과 활동 비율은 기존 표준 메트릭스와는 다른 웹사이트 인기 순위를 도출하며, 이는 참여도를 더 정확히 측정한다는 것을 시사한다.
• DOBBS 데이터셋은 탭 간 사용자 탐색 경로를 세밀하게 재구성할 수 있으며, 브라우징 행동의 그래프 기반 분석을 지원한다.