[ابوالوليد المسلم]

تقييم مواقع التجارة الإلكترونية باستخدام تقنية التنقير المعرفي

لمحتويات مواقع الويب



حسن مظفر الرزّو

4- 2- تحليل معمارية مواقع التجارة الإلكترونية:

تأتي الميزات والخصائص الفريدة التي تميزت بها مواقع الويب المنتشرة على الإنترنت بوصفها نتيجة مباشرة لتوظيف آلية النص التشعبي Hypertext الذي يمنح المستخدم القدرة على إنشاء عدد غير متناهٍ من المسارات غير الخطية التي تتجاوز إشكالية النص الأحادي التقليدي.

وتحفل صفحات الويب بعدد كبير من الارتباطات التشعبية Hyperlinks التي توجّه انتباه الزبون وفق محاور محددة تخطط لها بعناية إدارة موقع تسويق المنتجات والخدمات على الإنترنت. وكلما كانت الجهة التي تشرف على موقع التجارة الإلكترونية المطروح على الإنترنت قادرة على زيادة وتنوع مستويات الارتباطات التشعبية، ازدادت قدرتها على إقناع الزبون، وزجّه في أكثر من قطاع يمكن أن ينجح في بيع منتجاتها الأخرى، أو إقناع الزبون بخدمات توفرها الجهة المشرفة على عمليات إدارة الموقع هنا أو هناك.




من أجل هذا، ولكي تكتمل محاور دراسة مواقع التجارة الإلكترونية فقد أجري مسح معلوماتي بواسطة برنامج Textalyser استهدف تحليل الارتباطات التشعبية الموجودة على صفحات الويب المنتخبة لتحديد الخصائص التي تميزت بها هذه المواقع، وطبيعة التأثيرات المحتملة في الزبائن الذين يستعرضون صفحات هذه المواقع.




لقد أودعت نتائج تحليل الارتباطات التشعبية في جدول (4)، لجميع مواقع التجارة الإلكترونية التي تناولها البحث. ونلاحظ أن صعوبة تناول الارتباطات التشعبية تتدرج من المواقع (9، 8، 7) حيث الأكثر صعوبة، أما بقية المواقع فتمتاز بسهولة تناولها؛ إذ يمتاز الموقعان (2، 6) بسهولة كبيرة جدًا وفق المعايير المستخدمة في تقييمها بهذا المضمار.




ويتميز موقع 1 بطرحه ارتباطات تشعبية عالية ذات صلة بالسلع والمنتجات (32.8%) في حين بقيت نسبها منخفضة في بقية المواقع. أما نسبة محتويات الارتباطات التشعبية للخدمات فتميزت بكونها مرتفعة باستثناء الموقع 5 (8.7%) الذي يؤكد التحليل المدرج في جدول (3) من حيث اهتمام المواقع مجتمعة بالخدمات.














جدول (4) ـ تحليل الارتباطات التشعبية لمواقع التجارة الإلكترونية.

الرقم عدد الكلمات سهولة التناول[5] نسب محتويات الارتباطات التشعبية سلع ومنتجات خدمات 1 67 50.1 32.8% 12.0% 2 347 100.0 1.4% 24.2% 3 240 31.0 5.4% 19.6% 4 281 47.5 4.2% 23.1% 5 753 34.1 1.5% 8.7% 6 113 100.0 3.5% 26.5% 7 305 14.7 … 24.6% 8 389 6.4 2.0% 10.3% 9 393 2.0 4.1% 13.2%

5- تحليل واستنتاجات:

إن النسق المفاهيمي الذي أفرزته لنا تقنية المعلومات والحوسبة الذكية قد فرض علينا إعادة التفكير في أسس التعامل مع مفردات نشاطات التجارة والأعمال، بعد أن أرست التجارة الإلكترونية جذورها في البيئة الرقمية.




لقد أصبحت كل مفردة نودعها في خطاب التجارة والأعمال الموجّه في محاور:

1- التجارة والأعمال - مقابل- التجارة والأعمال B2B.

2- التجارة والأعمال - مقابل – الزبون B2C.

3- التجارة والأعمال – مقابل – الحكومة B2G.




بحاجة إلى تأمل وسلسلة عمليات تحليل محوسب للتحقق من صلاحية الموقع الذي تقيم فيه ضمن الخطاب الموجه إلى الزبائن من جهة، ولضمان الأداء الأمثل في تحقيق الربحية المناسبة.




إن الجانب التطبيقي لآليات التنقير المعلوماتي / المعرفي يسعى إلى تحقيق غايتين جوهريتين (Kantardzic ,2003).

(الأولى) التنبؤ بطبيعة التأثيرات الاقتصادية التي يمكن أن تنشأ عن طبيعة الخطاب المستخدم في نشاطات التجارة الإلكترونية. و(الثانية) وصف الأنماط السائدة في النصوص المستخدمة بخطاب التجارة والأعمال وطبيعة المفاهيم التي ستتولد عنها لدى زبائن الموقع.




وفي كلتا الحالتين سنكون بحاجة إلى صياغة أنموذج رياضي وصفي تتحدد من خلاله معايير التقييم، وتعميق فهمنا بنظم الاقتصاد الرقمي التي تستقر تحت مظلتها نشاطات التجارة الإلكترونية الراهنة. لقد ازدادت الحاجة في هذه الأيام إلى معرفة عميقة بالمفردة اللغوية بحيث يمكن استثمارها في تحقيق قيمة اقتصادية مضافة. كذلك بات تصميم موقع التجارة الإلكترونية ضمن مواقع الويب المقيمة على الإنترنت البوابة الرئيسة التي تضمن تحقيق التواصل الحي مع الزبون، وشد انتباهه للمسارات التي خطط لها صاحب الموقع.




وتأتي آليات الحوسبة الذكية لكي تستوعب هذه المفردات جميعًا ضمن أنموذج رياضي يحدد المعايير، ويرسي الثوابت التي يمكن توظيفها في إنجاح المعالجة الاقتصادية لهذه المسألة ضمن النهج السائد في اقتصاد المعلومات والمعرفة.










6- المـراجع:

1- Chakrabarti,S., Mining The Web Discovering Knowledge From Hypertext Data, Indian Institute of Technology, Bombay, 2003 by Elsevier Science (USA).
2- Chen, H. & M. Chau, Web Mining: Machine Learning for Web Applications, Annual Review of Information Science and Technology, 38, 289-329, 2004.
3- Huang ,C.C., S.L. Chuang, & L.F. Chien, Mining The Web for Generating Thematic ****data from Textual Data, Institute of Information Science, Academia Sinica, Taiwan, 2003.
4- Hwanga,G, T.C. K. Huanga, & J.C.R. Tsengb, A Group-Decision Approach For Evaluating Educational Web Sites, Computers & Education, 42, (2004) pp.65–86.

5- Kantardzic ,M., Data Mining: Concepts, Models, Methods, and Algorithms, 1st Edition, John Wiley & Sons 2003

6- Mitra, S., Data Mining in Soft Computing Framework: A Survey, IEEE Transactions On Neural Networks, Vol. 13, No. 1, January 2002.

ــــــــــــــــــــ

[1] يعد برنامج Textalyser من البرمجيات المتخصصة في عمليات التنقيب المعلوماتي للنصوص التي أصدرتها شركة Textalyzer.net عام 2004.

[2] انظر: http://www.useenglish.com.
[3] يعد معامل فوج Fog Index أحد المعايير المستخدمة في اختبارات سهولة قراءة النص. وتمثل القيمة العددية للمعامل عدد سنوات التعليم التي يحتاج إليها الزبون لكي يكون قادرًا على تناول المادة المطروحة في النص عندما يقرؤه للمرة الأولى. انظر: http://en.wikipedia.org/w/index.php?title=Gunning_Fog_Index.
[4] انظر: http://www.wikipedia.com.
[5] يستخدم معيار سهولة التناول لتحديد قدرة المستخدم على قراءة النص المطروح وفهم محتواه. فإذا كانت قيمته بين 0-20 يعد صعب التناول، أما إذا كانت قيمته بين 60-70 فيعد نصًا مثاليًا، أما إذا بلغت قيمته 100 فيعد النص سهلًا جدًا.