Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn

Đại Học Quốc Gia TP.HCM
Trường Đại Học Công Nghệ Thông Tin
BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN
ĐỀ TÀI:
GVHD: GS.TSKH. Hoàng Văn Kiếm
Người thực hiện: Lê Xuân Nguyên
Nguyễn Thị Phương Trang
Lớp: CNTT. K6
TP.HCM – 6/2012
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
MỤC LỤC
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -2-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
LỜI MỞ ĐẦU

Trong thời đại hiện nay việc khai thác dữ liệu và sử dụng chúng đang là một
vấn đề quan tâm hàng đầu của mọi lĩnh vực. Dữ liệu được khai thác có thể là từ nhiều
nguồn: có cấu trúc và phi cấu trúc. Một trong những nguồn dữ liệu được quan tâm và
nó quyết định nhiều đến sự thành bại của một doanh nghiệp là dữ liệu đến từ website.
Hàng ngày dữ liệu về khách truy cập của một website rất lớn và nó trở thành một
nguồn tài nguyên quý báu cho doanh nghiệp. Trong bài thu hoạch này chúng tôi xin
trình bày việc khai phá dữ liệu từ website trường đại học Hùng Vương Tp HCM
thông qua một ứng dụng nổi tiếng của google là Google Analytics.
Website các trường đại học hiện nay được cải thiện rất nhiều về hình thức lẫn
nội dung đăng tải bởi nó là bộ mặt của một trường đại học, một trong các tiêu chí
đánh giá một trường đại học có tuy tín và chất lượng hay không cũng phụ thuộc vào
website trường đó. Tuy nhiên, từ hàng triệu người truy cập vào các website đó họ có
hài lòng về nội dung hay không, thông tin nào họ quan tâm nhất trên website, bao
nhiêu người không hài lòng về website đó…. Hay nội dung nào trên trang web họ

thấy thích thú nhất, bao nhiêu người sẽ quay trở lại website họ đã truy câp? …Tất cả
những điều đó chúng ta phải phân tích từ nguồn dữ liệu truy cập của người dùng. Từ
những báo cáo đó chúng ta mới có thể cải thiện được website cho trường đại học, góp
phần vào công tác quản lý đào tạo và tuyển sinh của trường.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -3-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
I. Tổng quan về Data mining
1. Giới thiệu:
Trong thời điểm Công nghệ thông tin đang phát triển mạnh mẽ như hiện nay, với
mật độ sử dụng dày đặt các ứng dụng CNTT vào tất cả mọi ngành nghề trong đời
sống, dẫn đến lượng thông tin cần để lưu trữ tăng đột biến.
Vậy vấn đề được đặt ra như sau: làm thế nào để người sử dụng sử dụng hiệu quả
các nguồn dữ liệu mà mình đang lưu trữ, làm thế nào để khai thác được dữ liệu có ích
từ những khối dữ liệu khổng lồ có sẵn…
Nhìn vào cách thức hoạt động của một số ứng dụng như: chương trình tìm kiếm
Google, mạng chia sẻ Facebook, hay website buôn bán trực tuyến Amazon.com
người sử dụng nhận thấy như sau:
• Google luôn trả cho người sử dụng kết quả tìm kiếm tốt nhất, thông minh nhất
và có độ chính xác cao hơn rất nhiều khi người sử dụng đăng nhập và tìm
kiếm bằng tài khoản Google, so với khi tìm kiếm nhưng không sử dụng tài
khoản Google.
• Khi sử dụng Facebook người sử dụng thường thắc mắc tính năng suggestions
friends. Bởi những tài khoản chức năng này giới thiệu đa số là những người
mà họ quen biết. Vậy tại sao Facebook lại thông minh đến mức như vậy?
• Amazon.com là website bán hàng trực tuyến lớn trên internet, người sử dụng
để ý rằng mỗi khi người sử dụng xem thông tin chi tiết về một món hàng nào,
ví dụ mặt hàng sách, khi họ xem một quyển sách nào đó trên website thì bao
giờ cũng kèm theo 1 danh sách các quyển sách gợi ý mua kèm theo quyển
người sử dụng đang xem, một thống kê cho thấy có tới trên 70% đầu sách

được người dùng mua thêm thông qua hình thức gợi ý này. Vậy điều gì làm
cho việc bán sách hiệu quả đến như vậy?
Tất cả các vấn đề trên đều có một hướng giải quyết liên quan đến Data mining.
Data mining được định nghĩa như là một quá trình chắt lọc, trích xuất thông tin có
mối quan hệ hoặc có mối tương quan nhất định từ một kho dữ liệu lớn (cực lớn)
nhằm mục đích dự đoán các xu thế, các hành vi trong tương lai, hoặc tìm kiếm những
tập thông tin hữu ích mà bình thường không thể nhận diện được. Một ví dụ hay được
sử dụng là việc khai thác vàng từ đá và cát, Data mining được ví như công việc "Đãi
cát tìm vàng" trongmột tập hợp lớn các dữ liệu cho trước. Thuật ngữ Data mining ám
chỉ việc tìm kiếm một tập hợp nhỏ có giá trị từ một số lượng lớn các dữ liệu thô.
2. Ứng dụng của Data mining
Ứng dụng của Data mining rất đa dạng:
• Phân tích dữ liệu và hỗ trợ quyết định.
o Phân tích và quản lý thị trường.
Quảng cáo cá nhân (target marketing), quản lý quan hệ kháchhàng (CRM),
phân tích giỏ hàng, bán hàng liên quan (crossselling), phân chia thị trường.
o Phân tích và quản lý rủi ro.
Dự đoán, giữ khách hàng, phân tích cạnh tranh.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -4-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
o Phát hiện gian lận và phát hiện các mẫu bất thường.
• Các ứng dụng khác
o Khai phá văn bản (nhóm tin – email, tài liệu…).
o Khai phá Web.
o Khai phá dữ liệu luồng (chuỗi).
Các công cụ, kỹ thuật Data mining có thể trả lời các câu hỏi mà các công cụ truyền
thống đòi hỏi rất nhiều thời gian cần thiết để có thể giải đáp. Nó có thể tìm thấy được
những thông tin cực kỳ hữu ích mà rất dễ bị bỏ qua hoặc không xem xét đến để có
thể dự đoán những xu thế, hành động xảy ra trong tương lai.

Để có thể Data mining một cách hiệu quả, điều đầu tiên cần phải thu thập dữ liệu
và định nghĩa lại theo các tiêu chí cần phân tích. Các kỹ thuật Data mining có thể cài
đặt rất nhanh chóng trên các nền tảng phần mềm, phần cứng phổ thông mà không cần
đòi hỏi quá phức tạp, tuy vậy Data mining thường gắn liền với việc phân tích một
khối lượng dữ liệu cực lớn nên cần ứng dụng các công nghệ high performance
client/server hoặc xử lý song song (parallel programming).
Data mining ứng dụng trong các bài toán yêu cầu cần có các chức năng, nghiệp vụ
như:
• Tự động hóa việc dự đoán các xu thế và hành vi sẽ diễn ra trong tương lai: Data
mining tự động hóa quá trình tìm kiếm và trích xuất các tập thông tin có mối quan
hệ hoặc tương quan trong một tập dữ liệu cực lớn. Một ví dụ đơn giản: tại sao
Facebook lại có thể gợi ý cho người sử dụng toàn những người mà họ đã quen
biết? Facebook dựa vào các thông tin mà người sử dụng lưu trữ như: các mối quan
hệ, các công ty đã làm, các trường đã học…Facebook đã mô hình hóa các tham số
có độ liên quan nhất định để đưa ra những gợi ý mà có xác xuất đúng rất cao. Tất
cả các điều đó Facebook làm được là quá trình thu thập dữ liệu hoạt động của
người dùng trên site, sau đó sử dụng các công nghệ data mining để cung cấp nội
dung, tính năng phù hợp nhất cho người dùng.
• Tự động hóa việc khám phá, nhận diện ra những tập thông tin quá khứ mà hệ
thống chưa biết: Công cụ Data mining trong quá trình phân tích dữ liệu sẽ nhận
diện ra những tập thông tin, dữ liệu không có hoặc bị ẩn bởi những mối liên hệ mà
được xác định trước. Ví dụ như trong việc bán hàng, có những sản phẩm không có
mối liên hệ gì với nhau, nhưng lại hay bán được cùng nhau, từ đó đưa ra cơ chế
recommendation (tự động giới thiệu sản phẩm đến khách hàng). Cụ thể, tại sao
Amazon lại có thể đưa ra danh sách các quyển sách bán kèm có tỷ lệ bán được cao
như vậy? Để làm được điều này Amazon đã đầu tư phát triển hệ thống
recommendation trong hàng chục năm, thời gian dài đó không chỉ là phát triển
thuần túy công nghệ mà còn là quãng thời gian thu thập và phân tích hành vi người
sử dụng trên site của Amazon, thời gian càng dài, dữ liệu thu thập càng lớn, dẫn
đến tập thông tin có độ tương quan càng nhiều và càng chính xác. Ví dụ: khi bạn

đăng nhập vào website, hệ thống sẽ lưu lại những nội dung tìm kiếm của bạn, và
khi bạn xem một cuốn sách A bất kỳ, hệ thống sẽ tự động giới thiệu cuốn sách B
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -5-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
mà tỷ lệ mua cùng cuốn A là cao nhất và những cuốn sách có nội dung gần giống
cuốn A và phù hợp với các nội dung tìm kiếm mà hệ thống đã lưu về bạn. Và đây
cũng là một quá trình Data mining.
Ngày nay, các công nghệ data mining được ứng dụng rộng rãi trong các công ty
lấy khách hàng làm trung tâm như truyền thông, tài chính, marketing, bán hàng, các
nghành công nghiệp sản xuất … Nó cho phép các công ty xác định được các mối
quan hệ giữa các yếu tố nội tại như giá thành, mẫu mã, cách thức quảng cáo, thậm chí
là kỹ năng của nhân viên công ty… các yếu tố bên ngoài như đối thủ cạnh tranh,
chính sách kinh tế hay nhu cầu thị trường … Và nó còn hỗ trợ việc xác định được sự
tác động của các chính sách khuyến mãi, giảm giá, độ hài lòng của khách hàng và lợi
nhuận của doanh nghiệp…
3. Các bước chính của Data mining
Data mining bao gồm các bước sau:
a. Thu thập, chuẩn hóa dữ liệu và nhập dữ liệu vào hệ thống kho dữ liệu
(Datawarehouse).
b. Đưa ra các cơ chế truy xuất cho các ứng dụng phân tích dữ liệu.
c. Sử dụng các phần mềm phân tích để tính toán.
d. Kết xuất dữ liệu dưới dạng dễ hiểu, như biểu đồ hoặc dạng report.
4. Các hướng chính của data mining
Data mining được chia thành các hướng chính như:
1) Mô tả khái niệm (concept description): thiên về mô tả, tổng hợp và tóm tắt khái
niệm.
Ví dụ: tóm tắt văn bản.
2) Luật kết hợp (association rules): là dạng luật biểu diễn tri thứ ở dạng khá đơn giản.
Ví dụ: “60 % phụ nữ vào siêu thị nếu mua kem dưỡng da thì có tới 80% trong số

họ sẽ mua thêm sữa rửa mặt”.
Luật kết hợp được ứng dụng nhiều trong lĩnh vực kinh doanh, y học, tin-sinh, tài
chính & thị trường chứng khoán …
3) Phân lớp và dự đoán (classification & prediction): xếp một đối tượng vào một
trong những lớp đã biết trước.
Ví dụ: phân lớp người truy cập theo quốc gia, tỉnh thành…
Hướng tiếp cận này thường sử dụng một số kỹ thuật của machine learning như cây
quyết định, mạng nơ ron nhân tạo
4) Phân cụm (clustering): xếp các đối tượng theo từng cụm (số lượng cũng như tên
của cụm chưa được biết trước).
5) Khai phá chuỗi (sequential/temporal patterns): tương tự như khai phá luật kết hợp
nhưng có thêm tính thứ tự và tính thời gian. Hướng tiếp cận này được ứng dụng
nhiều trong lĩnh vực tài chính và thị trường chứng khoán vì nó có tính dự báo cao.
5. Một số công nghệ thường áp dụng trong data mining:
• Mạng trí tuệ nhân tạo (Artificial neural networks): Đây là mô hình mà hệ thống có
thể tự học thông qua đào tạo với tập dữ liệu ban đầu, từ đó suy đoán ra các tập kết
quả từ tập dữ liệu mà nó khai thác.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -6-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
• Cây quyết định (Decisions Trees):
Học cây quyết định là phương pháp được sử dụng rộng rãi cho việc học quy nạp
từ một mẫu lớn. Đây là phương pháp xấp xỉ hàm mục tiêu có giá trị rời rạc. Mặt
khác, cây quyết định còn có thể chuyển sang dạng biểu diễn tương đương dưới
dạng tri thức là các luật If-then.
Thuộc tính tốt nhất là thuộc tính có độ lấy thông tin lớn nhất.
Phương pháp học máy dùng cây quyết định và dựa trên cây quyết định là rất
hiệu quả bởi vì nó có thể làm việc được với một số lượng lớn các thuộc tính, và
hơn nữa từ cây quyết định có thể rút ra được một hệ thống luật học được.
• Giải thuật di truyền (Generic Algorithms): Kỹ thuật này sử dụng trong các quá

trình phối hợp, biến đổi, chọn lọc tự nhiên kế thừa từ khái niệm tiến hóa.
• Phương pháp Người láng giềng gần nhất (Nearest neighbor method): Đây là kỹ
thuật phân loại từng bản ghi/thông tin trong tập dữ liệu dựa trên sự kết hợp của k
records có độ giống nhau nhất trong tập dữ liệu quá khứ.
• Nguyên tắc suy diễn (Rule induction): Kỹ thuật bóc tách dữ liệu dựa trên nguyên
tắc Nếu-Thì từ các tập dữ liệu thống kê.
6. Khai phá dữ liệu Web
(Khai phá web là một trong những ứng dụng chính của Data mining. Trong phạm
vi đề tài này, chúng tôi xin trình bày về dữ liệu web, và quá trình khai phá dữ liệu
web)
Với sự phát triển ngày càng lớn mạnh và phổ biến của mạng Internet, con người đã
dần làm quen và sử dụng Internet như một nhu cầu thiết yếu của cuộc sống. Với
Internet con người đã làm quen với các trang Web cùng với vô vàn các thông tin hay
các nhu cầu khác. Intrnet đã trở thành một trong những kênh về khoa học, thông tin
kinh tế, thương mại và quảng cáo. Có thể nói trang Web như là cuốn từ điển Bách
khoa toàn thư. Thông tin trên các trang Web đa dạng về mặt nội dung cũng như hình
thức. Có thể nói Internet như một xã hội ảo, nó bao gồm các thông tin về mọi mặt của
đời sống kinh tế, xã hội được trình bày dưới dạng văn bản, hình ảnh, âm thanh Sự
phát triển nhanh chóng của mạng Internet đã sinh ra một khối lượng khổng lồ các dữ
liệu dạng siêu văn bản (dữ liệu Web). Có thể nói nhu cầu tìm kiếm thông tin trên môt
cơ sở dữ liệu phi cấu trúc đã được phát triển chủ yếu cùng với sự phát triển của
Internet.
Tuy nhiên cùng với sự đa dạng và số lượng lớn thông tin như vậy đã nảy sinh vấn
đề quá tải thông tin. Người ta không thể tìm tự kiếm địa chỉ trang Web chứa thông tin
mà mình cần, cũng như những người chủ của các trang web cũng không thể biết
được chính xác mục đích của mình thể hiện trên trang web đã đến được với người
xem chưa. Ví dụ, giả sử chúng ta có các trang Web về các vấn đề tuyển sinh, tin
tức… Căn cứ vào nội dung của các tài liệu mà khách hàng xem hoặc download về,
sau khi phân lớp chúng ta sẽ biết khách hàng hay tập trung vào nội dung gì trên trang
Web của chúng ta, từ đó chúng ta sẽ bổ sung thêm nhiều các tài liệu về các nội dung

mà khách hàng quan tâm và ngược lại. Còn về phía khách hàng sau khi phân tích
chúng ta cũng biết được khách hàng hay tập trung về vấn đề gì, để từ đó có thể đưa ra
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -7-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
những hỗ trợ thêm cho khách hàng đó. Từ những nhu cầu thực tế trên, phân lớp và
tìm kiếm trang Web vẫn là bài toán hay và cần phát triển nghiên cứu hiện nay.
Khác với khai phá dữ liệu trên những cơ sở dữ liệu bình thường, đối với dạng
cơ sở dữ liệu siêu văn bản, ta cần chú ý:
• Cơ sở dữ liệu web có kích thước lớn, và không được lưu trữ ở cùng một nơi, nó được
lưu trữ phân tán trên rất nhiều máy tính khắp nơi trên thế giới. Như vậy việc xây
dựng một kho dữ liệu (datawarehouse) để lưu trữ, sao chép hay tích hợp các dữ liệu
trên Web là rất khó khăn, gần như không thể.
• Độ phức tạp của trang Web lớn hơn rất nhiều so với những tài liệu văn bản truyền
thống khác. Các dữ liệu trong các CSDL truyền thống thì thường là loại dữ liệu đồng
nhất (về ngôn ngữ, định dạng,…), còn dữ liệu Web thì hoàn toàn không đồng nhất.
Ví dụ về ngôn ngữ dữ liệu Web bao gồm rất nhiều loại ngôn ngữ khác nhau (Cả ngôn
ngữ diễn tả nội dung lẫn ngôn ngữ lập trình), nhiều loại định dạng khác nhau (Text,
HTML, PDF, hình ảnh âm thanh,…), nhiều loại từ vựng khác nhau (Địa chỉ Email,
các liên kết (links), các mã nén (zipcode), số điện thoại)… Điều này là một thử thách
rất lớn cho việc tìm kiếm và phân loại thông tin cần thiết.
Khai phá dữ liệu Web cũng sẽ tập trung vào các thành phần có trong trang
Web. Đó chính là:
1. Khai phá nội dung trang Web (Web Content mining)
Khai phá nội dung trang Web gồm hai phần:
a. Web Page Content
Nghĩa là sẽ sử dụng chỉ các từ trong văn bản mà không tính đến các liên kết giữa
các văn bản.
b.Search Result
Tìm kiếm theo kết quả. Trong các máy tìm kiếm, sau khi đã tìm ra những trang

Web thoả mãn yêu cầu người dùng, còn một công việc không kém phần quan trọng,
đó là phải sắp xếp kết quả theo thứ tự dộ gần nhau với nội dung cần tìm kiếm.
2. Web Structure Mining
Khai phá dựa trên các siêu liên kết giữa các văn bản có liên quan.
3. Web Usage Mining
Phân tích các Web log để khám phá ra các mẫu truy cập của người dùng trong
trang Web.
Phân tích các mẫu truy cập của người dùng tại mỗi thời điểm để biết xu hướng
truy cập trang Web của từng đối tượng người dùng tại mỗi thời điểm khác nhau.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -8-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
II. Ứng dụng Data mining vào Analytics để chuẩn hóa
website Hungvuong.edu.vn
1 Giới thiệu Google Analytics
Google Analytics là một công cụ hoạt động trên nền web sử dụng hoàn toàn miễn phí của
Google. Google Analytics là một trong những giải pháp phân tích trang web mạnh mẽ nhất
trên thị trường và là công cụ được các nhà quản trị website và những người làm SEO ưa
chuộng nhất hiện nay. Nhờ Google Analytics , chúng ta có thể thu thập thông tin, theo dõi,
thống kê, đo lường, phân tích, xử lý dữ liệu trên từng website và chiến dịch quảng cáo.
Cách thức hoạt
động của
Google
Analytics
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -9-
Hình : Giao diện tổng quan của Google Analytics
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Đối với Google Analytics người sử dụng có thể:
Biết được lượng người truy cập vào website của mình hàng ngày là bao nhiêu, họ đến

website từ đâu (qua tìm kiếm trên Google, qua click vào link từ website khác, hay gõ trực
tiếp tên website ….). Nếu là tìm kiếm trên Google thì người sử dụng sẽ biết được họ tìm
kiếm từ khóa nào, và từ đó người quản trị dễ dàng đưa ra những chiến lược và định hướng
nội dung tốt hơn nữa để thu được lượng truy cập nhiều hơn và trung thành hơn.
Google Analytics có thể tạo ra lên đến 85 báo cáo khác nhau giúp người sử dụng phân
tích tất cả dữ liệu về lưu lượng truy cập trang web của họ, nguồn truy cập, hành vi của người
ghé thăm và hiệu quả của các chiến dịch quảng cáo, hoặc số lượng người xem rời khỏi
website, họ ngừng ngừng xem website tại trang nào…. Google Analytics không chỉ theo dõi
khách truy cập vào trang web của người sử dụng hoặc số lần xem trang, nó có thể được sử
dụng để xem nội dung được ghé thăm nhiều nhất, thời gian trên trang web cho mỗi truy cập,
nó theo dõi các màn trình diễn của các chiến dịch tiếp thị, bao gồm cả AdWords, Adsense –
quảng cáo trực tuyến trên google, email và nhiều thứ khác nữa. Từ đó điều chỉnh những
chiến dịch quảng cáo và chiến dịch marketing một cách hiệu quả nhất.
2 Ứng dụng google analytics vào trang web Đại học Hùng Vương TP.HCM
Nhu cầu tại Trường ĐH Hùng Vương Tp HCM: Cần báo cáo các thông tin như sau:
• Số lượng người truy cập vào website từng tháng, từng học kỳ là bao nhiêu.
• Nội dung người truy cập quan tâm là gì?
• Những nội dung nào trên website không được người truy cập quan tâm?
• Những tỉnh thành nào có số lượng truy cập đến website nhiều nhất (mục đích
để có các hình thức giới thiệu tuyển sinh về Trường ở những khu vực đó).
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -10-
Hình : Cách thức hoạt động của Google Analytics
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Google Analytics có thể tạo ra lên đến 85 báo cáo được khai mỏ từ nguồn dữ liệu truy cập
website của người dùng, ở phần trình bày này chúng tôi chỉ báo cáo việc khai thác các báo
cáo chính phục vụ cho nghiên cứu việc cải thiện website đại học Hùng Vương.
Dashboard
Trang báo cáo các kết quả theo dõi và thống kê rất đơn giản và trực quan. Phần
trên là Dashboard hiển thị biểu đồ số lượng khách truy cập từng ngày. Ngay bên dưới

là mục Site Usage thống kê theo tháng các số liệu: tổng số truy cập (Visits), tổng số
trang xem (Pageview), số trang xem trung bình trên một lần truy cập
(Pageview/Visit), thời gian trung bình khách truy cập (Avg. Time on Site), tỷ lệ phần
trăm khách ghé thăm website lần đầu (% New Visits).
Hình : Biểu đồ số lượng truy cập hàng ngày
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -11-
Hình : Thiết lập domain: hungvuong.edu.vn
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Những số liệu đáng quan tâm khác cũng đã được sắp xếp để có thể được theo dõi
một cách dễ dàng nhất, cho phép chúng ta đánh giá nhanh tình hình hoạt động của
website. Những đánh giá này rất quan trọng trong việc phát triển website nhất là
website cho trường đại học, từ những nhìn nhận chung này người quản trị có thể
đánh giá được nhu cầu truy cập của sinh viên cũng như mức truy cập trung bình của
những người bên ngoài trường.
Visitors
Phần Visitors bao gồm những báo cáo thông tin về khách thăm quan website, với báo cáo
Visitors Overview người quản trị sẽ có những thông tin như biểu đồ lượng khách thăm quan,
họ đã tới thăm website bao nhiêu lần, họ đã xem bao nhiêu trang thông tin, thời gian trung
bình họ truy cập website là bao lâu, bao nhiêu người khách lần đầu tiên ghé thăm website
Những báo cáo này sẽ cung cấp cho người quản trị cả những thông tin sâu hơn như khách
thăm quan sử dụng trình duyệt nào, kết nối Internet của họ là loại nào, ADSL hay Cable, độ
phân giải màn hình bao nhiêu, họ có sử dụng flash hay javascript hay không
Tất cả những số liệu được cung cấp thông qua các báo cáo về Visitors có thể được sử
dụng để sắp xếp, thiết kế lại website sao cho phù hợp nhất đối với người dùng. Để mỗi khi
ghé thăm website, họ sẽ thấy một website được thiết kế rất vừa mắt và dễ sử dụng, tránh
những thông báo lỗi do bất tương thích.
Hình : Count of Visit
Nhìn vào bảng thống kê, chúng ta nhìn thấy đối tượng truy cập website trường đại
học Hùng Vương Tp HCM đa số là truy cập lần đầu tiên (dĩ nhiên nó chỉ mang tính

tương đối vì lượng truy cập được tính cho 1 Ip) với 8,054 lượt người chiếm 44%
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -12-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
lượng truy cập. Số lượng truy cập từ lần thứ 3 ít hơn nhiều. Điều này chứng tỏ
website này vẫn chưa thu hút được lượng người truy cập quay trở lại website, cần
phải tìm hiểu rõ hơn vì sao họ không quay trở lại website, để thay đổi lại nội dung
website cho phù hợp.
Hình : Visit Duration
Thời gian ontime trung bình trên website: thời gian dưới 10 giây chiếm tới 60%
thời gian truy cập trung bình vào website đại học Hùng Vương Tp HCM, đây là
khoảng thời gian quá ít và hầu như không thể đọc được bất cứ tin nào trên website, số
liệu này là điều đáng báo động cho website đại học Hùng Vương về việc thu hút và
giữ được người truy cập trên website của mình.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -13-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Hình : City Frenquency
Nhìn vào biểu đồ cho chúng ta thấy lượng truy cập chủ yếu đến từ Tp.HCM nơi
mà trường đại học Hùng Vương TP.HCM có trụ sở chính, điều này chứng tỏ sự ảnh
hưởng thương hiệu của đại học Hùng Vương Tp HCM chưa được biết đến nhiều đến
các địa phương khác và đặc biệt là các địa phương ở khu vực miền Tây và miền
Đông Nam Bộ, trong khi đó lượng sinh viên tuyển sinh của đại học Hùng Vương
chính nằm ở các địa phương này.
Traffic Sources
Với báo cáo thuộc phần Traffic Sources, người quản trị sẽ biết chính xác lượng khách của
mình bắt nguồn từ đâu.
Ba nguồn quan trọng nhất là Direct Traffic, khách thuộc nguồn này họ vào thẳng website
bằng cách gõ địa chỉ trực tiếp vào trình duyệt.
Nguồn quan trọng thứ hai là link từ các website khác, người quản trị có thể xem chi tiết

hơn là link từ website nào, từ trang nào trên website đó, được bao nhiêu người dùng nhấn
vào link đó, vào ngày nào, tháng nào Rất có thể từ đó chúng ta sẽ có thêm một đối tác nữa
trong việc phát triển website của mình.
Nguồn quan trọng thứ 3 và theo đánh giá chủ quan của tôi thì đây là nguồn quan trọng
nhất, khách ghé thăm site của chúng ta thông qua các máy tìm kiếm như Google hay
Yahoo Các máy tìm kiếm luôn là những công cụ đắc lực nhất để thu hút khách mới ghé
thăm của chúng ta, nếu chúng ta biết khai thác nó, trong ví dụ tôi nêu ra, 40% lượng khách
ghé thăm website là từ các máy tìm kiếm, và 39% trong số 40% đó là từ các kết quả tìm
kiếm Google.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -14-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Dựa vào những con số này, người quản trị có thể đưa ra những chiến lược đúng đắn nhất
để tối ưu nội dung website dành cho các máy tìm kiếm, từ đó thu hút thêm khách thăm quan.
Hình : Traffic Sources
Dựa vào hình ta thấy, lượng khách truy cập vào đại học Hùng Vương Tp HCM chủ
yếu là thông qua search engine, tuy nhiên nhìn vào từ khóa của những người truy cập
vào từ nguồn này chúng ta nhìn thấy các từ khóa này hoàn toàn mang tính chất là
người truy cập chủ động tìm kiếm website đại học Hùng Vương Tp HCM, chứ không
có một từ khóa nào thể hiện truy cập từ một từ khóa khác, điều này chứng tỏ nguồn
tài nguyên và tối ưu hóa bộ máy tìm kiếm trên website đại học Hùng Vương Tp HCm
đang rất yếu, điều này ảnh hưởng lớn đến công tác tuyển sinh và truyền bá hình ảnh
của trường đại học Hùng Vương TP.HCM
Content
Sau tất cả những báo cáo về vấn đề "đối ngoại" thì phần Content sẽ chủ yếu liên quan tới
vấn đề "đối nội". Các báo cáo trong phần này sẽ tập trung vào nội dung thông tin trên
website của chúng ta, phần nào được khách ghé thăm nhiều nhất, phần nào làm ngắt luồng
thông tin của khách.
Sâu hơn nữa, một số báo cáo thuộc phần này còn cho chúng ta biết được lượng khách
thăm quan website đang quan tâm tới vấn đề gì dựa trên các từ khóa tìm kiếm họ đã sử

dụng, sau khi tìm thấy thông tin thì họ đã đọc bao nhiêu trang, bao nhiêu lâu trong số các
thông tin tìm được, từ đó chúng ta đánh giá được mức độ hữu ích của các thông tin này.
Một diểm đáng chú ý nữa là nếu một trang thông tin nào đó trở thành exit page (trang
cuối cùng khách xem trước khi rời website - BTV) quá nhiều thì chúng ta cũng nên xem lại
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -15-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
xem trang đó liệu có chứa link tới một nơi khác bổ ích hơn hay không, hay là do nội dung
trang đó đề cập tới vấn đề nào gây phản cảm.
Hình : Content
Goals
Đây là phần ít được dùng nhất, nhưng lại là phần quan trọng nhất đối với một số người. Ở
phần này, chúng ta sẽ có thể tạo lập một số trang "mục tiêu", và Google Analytics sẽ cho
chúng ta biết bao nhiêu người, làm cách nào, thông qua những trang nào khác người dùng
tới được những trang "mục tiêu" đó.
Ví dụ trong trường hợp một site thương mại điện tử, trang mục tiêu sẽ được thiết lập là
trang hiển thị hóa đơn sau khi đã mua hàng. Chúng ta có thể dựa vào báo cáo này để biết
được những người mua hàng của chúng ta quan tâm tới những gì trước khi mua hàng, từ đó
tùy biến nội dung những phần thông tin đó để thu hút thêm nhiều khách mua hàng, nếu
khách dừng lại ở trang quy định vận chuyển hàng hóa chẳng hạn, thì chắc chắn là chúng ta
có vấn đề với phương thức vận chuyển của mình. Chúng ta cũng có thể dựa vào những báo
cáo ở phần Goals này để tính toán phần trăm khách thăm quan đạt tới được trang mục tiêu
trong tổng số người ghé thăm website, từ đó tính toán ra một con số gần đúng tỉ lệ thành
công của mỗi khách hàng tiềm năng chúng ta có được thông qua website.
Ứng dụng trên website Trường Đh Hùng Vương Tp HCM, trang mục tiêu được thiết lập
là trang giới thiệu về các ngành đào tạo của Trường. Dựa vào các báo cáo này, Trường có thể
đưa ra các tỉ lệ tuyển sinh cho từng ngành, cũng như thay đổi nội dung để người truy cập
quan tâm hơn.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -16-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn

Giảng viên: GS. TSKH Hoàng Văn Kiếm
Tóm lại: Thông qua việc phân tích dữ liệu sử dụng Google Analytics vào website
đại học Hùng Vương TP.HCM chúng ta mới nhìn nhận được hết vấn đề mà website
mang phải, lượng truy cập hầu như chỉ ở nội bộ trong trường, phân bố không đồng
đều, không được lan truyền mạnh mẽ trên internet. Những điều đó gây khó khăn lớn
trong việc tuyên truyền, quảng bá đại học Hùng Vương TP.HCM trên mạng internet,
Trường Đại học Hùng Vương TP.HCM cần phải cải thiện website về cả nội dung và
hình thức hơn nữa mới mong đây là một kênh tuyển sinh và quảng bá trường.
1.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -17-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
PHỤ LỤC CÁC THUẬT NGŨ SỬ DỤNG TRONG
GOOGLE ANALYTICS
1. Visits : visits là lượt truy cập. Một người vào website có thể chỉ được tính là 1
lượt truy cập nhưng cũng có thể được tính nhiều hơn 1 lượt truy cập. Cụ thể : 1 lượt
truy cập được tính là 1 hay nhiều lần bạn vào website trong khoảng thời gian là 30
phút. Ví dụ tại thời điểm lúc 8h tối , bạn truy cập vào website hungvuong.edu.vn như
vậy được tính là 1 lượt truy cập . Bạn có thể xem website, chẳng hạn vừa mở ra lại tắt
luôn, sau đó mở lại rồi lại tắt luôn….Có thể bạn vào và đọc nhiều trang nội dung
khác nhau , nhưng thời gian bạn ở trên website chưa được 30 phút thì vẫn chỉ tính là
1 lượt truy cập. Lúc 8h31 phút, bạn lại vào hungvuong.edu.vn, hoặc bạn vẫn đang
xem website, thì như vậy đây lại được tính là 1 lượt truy cập mới.
Một lưu ý là trong 1 mạng nội bộ (LAN), nhiều máy có cùng địa chỉ IP cùng duyệt 1 web
thì chỉ được tính là 1 khách truy cập (unique visitor) và nhiều lượt truy cập (visit).
Các số liệu lưu lượng truy cập thường chỉ được xem bởi người quản trị thông qua bộ
thống kế (statistics) được cài đặt lên máy chủ web. Có khá nhiều bộ thống kê từ miễn phí
đến thương mại với nhiều tính năng thống kê chuyên nghiệp như loại/phiên bản trình duyệt
web và hệ điều hành của khách truy cập, họ đến từ đâu, tìm kiếm web qua từ khóa nào với
công cụ tìm kiếm gì…Đây là những thông số quan trọng giúp người quản trị có thể hiệu

chỉnh web, lập chiến lược marketing…
2. Pageviews : Số trang được xem. Một website thông thường sẽ có rất nhiều trang.
Mỗi trang được được load thông qua một địa chỉ URL. Mỗi lần bạn F5 trang web hay
truy cập một URL nào đó thì đều được tính là một pageview. Nói cách khác 1
pageview = 1 lần request trang web về server từ trình duyệt của người dùng, bất kể
đó là trang đã truy cập rồi.
3. Visitors: Từ này còn được viết dài hơn là “Unique Visitors” hay “Absolute
Unique Visitors” theo Google, nhưng đều có một ý nghĩa như nhau đó là Số lượng
người dùng truy cập site. Người dùng ở đây được tính dựa trên Cookies trình duyệt
và IP của bạn. Ví dụ trong khi sử dụng Google Analytics bạn chọn khoảng thời gian
báo cáo (report date range) là trong một tháng thì con số visitors sẽ phản ánh số
lượng người truy cập không trùng lặp trong 1 tháng đó.
Nếu trong một tháng được chọn để báo cáo, bạn truy cập 1 website 5 lần thì Google
sẽ chỉ tính bạn là 1 visitor trong khoảng thời gian đó. Một Unique Visitor được khởi
tính dựa trên 2 yếu tố đó là mốc thời gian mà người dùng bắt đầu truy cập trang web
+ số ID ngẫu nhiên trên máy tính của bạn. Thực ra con số này cũng phản ảnh rất
tương đối, vì thực tế không ai biết chắc rằng trong khoảng thời gian đó người dùng
không xóa Cookies trình duyệt hay thay đổi IP. Ví dụ với máy tính ở quán Internet,
bạn vừa đọc báo trên hungvuong.edu.vn xong, bạn trả tiền và ra về trong khi máy
tính bạn vừa xử dụng vừa logoff, 1 lát sau có 1 người khác vào cũng đọc báo trên
hungvuong.edu.vn, rõ ràng như vậy là 2 người khác nhau nhưng khi thống kê trong
Google Analytics vẫn chỉ là 1 người.
4. Unique Page Views: Trước khi tìm hiểu được chỉ số này, bạn cần biết thêm một
thuật ngữ của Google đó là Session. Theo định nghĩa chuẩn của Google thì 1 session
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -18-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
tương đương 30 phút hoạt động trên site của người dùng với điều kiện là không có
một truy cập sang domain khác chen giữa do người dùng click vào một đường link
dẫn sang một trang web khác trên site hiện tại (Outbound link).

Nói một cách dễ hiểu hơn, khi truy cập website ABC.com, bạn duyệt liên tiếp các
trang A > B > C. Sau đó tại trang C, bạn click vào một link dẫn đến trang web
XYZ.com. Ngay lúc này 1 session đã kết thúc vì bạn đã truy cập một trang ngoài
(domain khác).
Sau đó, bạn trở lại trang ABC.com để tiếp tục duyệt các trang khác, lúc này session
thứ 2 đã được khởi tính nhưng bạn vẫn thuộc lượt truy cập thứ 1 ( chỉ tính là 1 lượt
truy cập vì tất cả thao tác của bạn vẫn nằm trong phạm vi 30 phút tính từ lúc bạn bắt
đầu truy cập ABC.com). Người ta vẫn thường xem visit và session gần giống nhau,
nhưng nếu xét cho kĩ lưỡng thì số lượng session có thể nhiều hơn visit trong cùng
một lượt truy cập.
5. Average PageViews: Tức số trang được xem trung bình trên mỗi lượt truy
cập. Tỷ lệ này phản ánh sự hấp dẫn của Site đối với người đọc, Average PageViews
càng lớn càng chứng tỏ chất lượng nội dung Website càng cao. Ngoài ra, con số này
cũng cho thấy việc người đọc tìm thấy nhiều thông tin hữu ích và liên quan đến thứ
họ cần. Nếu website của bạn có chất lượng thì theo thời gian con số này sẽ tăng lên vì
bạn đạt được số lượng bạn đọc trung thành và lượng người đăng kí theo dõi Website
(Subscriber) nhất định. Ngược lại, nếu con số này quá thấp, bạn nên xem lại nội dung
website của bạn và giao diện website cũng như nên đặt thêm phần Related Post để
người đọc có thể tìm thấy những thông tin hay những bài viết khác liên quan.
6. Time on Site: Thời gian mà khách truy cập bỏ ra để đọc website của bạn. Trung
bình, mỗi người chỉ dành ra khoảng 20 – 30 giây đọc lướt qua để tìm thứ họ cần rồi
sau đó bỏ đi nếu không thấy. Nếu bạn cung cấp cho họ đúng cái mà khách truy cập
đang tìm thì bấy giờ, họ sẽ dừng lại và đọc tiếp nội dung trang web của bạn. Tỉ lệ
Time on Site quá thấp (dưới 10 giây mỗi trang) có nghĩa là khách truy cập chỉ click
và click, họ không đọc nội dung trên website.
7. Bounce Rate: Bounce rate là lượng khách truy cập vào website nhưng chỉ xem
duy nhất một trang. Sự kiện này xảy ra khi một người truy nhập một trang trên site và
cũng ngay lập tức họ nhấn chuột rời bỏ Web site, không quay trở lại trong 30 phút
tính từ lúc vào website. Tỉ lệ bỏ Web cao có thể do nhiều yếu tố trong đó có các yếu
tố thời gian tải Web chậm, nội dung không phù hợp với người truy cập, thiết kế giao

diện không cuốn hút …
Những bí quyết để có tỉ lệ Bounce Rate thấp là: Đưa vào những bài viết liên quan,
Thiết kế giao diện dễ nhìn và bắt mắt, Tối ưu tốc độ tải trang web … và đăng những
bài viết có nội dung tập trung vào chủ đề đã trở thành đặc trưng của website.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -19-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
8. New Visit: Tỉ lệ khách truy cập mới. Con số này thực ra không có ý nghĩa gì với
các Website/Blog tiếng Việt vì Việt Nam sử dụng địa chỉ IP động nhưng cũng cho
thấy phần nào hiệu quả của chiến dịch quảng cáo và những công cụ tìm kiếm.
9. Exit Pages: Exit Pages có nghĩa là trang mà khách truy cập thoát ra khỏi website.
Dựa vào thông số này chúng ta có thể biết thêm thông tin khách hàng muốn gì ở
website của mình
10. Visitors Returners: Là thông số thống kế số lần khách quay trở lại để truy cập
website. Những nhà phân tích, thống kế web sẽ dựa vào số liệu này để biết trang web
có thực sự hữu dụng và được yêu thích hay không? Visitors Returners càng lớn có
nghĩa là website hấp dẫn thu hút được khách viếng thăm.
11. Hit: Số hit của một website thường là 1 con số lớn. Mỗi tập tin được gửi đến trình duyệt
bởi 1 máy chủ web được tính là 1 hit.
Cụ thể hơn, ta sẽ thử tính số hit nếu click vào 1 trang web có 20 ảnh ở phần nền (anhnen.gif,
anh-tren-cung.gif, anh-chuyển-sắc.gif…) được tải về thì đó là 20 hit đầu tiên. Kế đến, trang
web còn chứa 10 hình dã ngoại (saigon.jpg, cantho.gif…) thì ta thu về được thêm 10 hit. Kết
thúc phần hình ảnh, ta còn phải tính đến các tập tin CSS, Javascript, Flash (swf hay flv),
HTML mỗi tập tin tương ứng 1 hit. Do đó, mỗi khi 1 trang web được tải, hệ thống có thể
đếm được hơn 50 hit tùy thuộc các thành phần nội dung có trên trang web.
12. Impression: thuật ngữ chỉ số lần xuất hiện của 1 nhân tố (hình ảnh, text, video) trên 1
trang web. Impression thường được dùng trong các gói dịch vụ marketing (quảng cáo) và
được tính theo từng gói 1.000.
Ví dụ khi nhà cung cấp dịch vụ quảng cáo như Google Adsense trả phí 54.000 đồng/CPM
(Cost Per Thousand Impressions – Chi phí cho mỗi 1.000 lần xuất hiện) có nghĩa webmaster

sẽ nhận được 54.000 đồng mỗi khi banner quảng cáo của Google Adsense xuất hiện 1.000
lần trên trang web.
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -20-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
Tổng kết
Trong thời đại Công nghệ thông tin bùng nổ như hiện nay, Người sử dụng bị
kẹp chặt giữa những khối dữ liệu, thông tin, kiến thức khổng lồ. Vậy làm sao để phát
huy và tận dụng được những kiến thức ấy. Việc áp dụng công nghệ tri thức để tận
dụng, lọc ra những thông tin cần thiết phục vụ cho các nhu cầu mục đích khác
nhau đã giúp người sử dụng hạn chế kinh phí đầu tư, cũng như thúc đẩy quá
trình phát triển rất nhiều.
Nếu biết tận dụng những chức năng có sẵn của ứng dụng Google
Analytics, các nhà quản trị website sẽ nắm bắt được trang web mình điều hành
dễ hơn, giúp trang web ngày càng hoàn thiện hơn.
Cuối cùng cám ơn Thầy Hoàng Văn Kiếm đã cho chúng tôi nhiều kiến
thức bổ ích để hoàn thiện báo cáo này, và có kiến thức mới ứng dụng vào thực
tế tốt hơn.
Trân trọng!

Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -21-
Đề tài: Ứng dụng Data mining vào Analytics để chuẩn hóa website Hungvuong.edu.vn
Giảng viên: GS. TSKH Hoàng Văn Kiếm
TÀI LIỆU THAM KHẢO
Sách
[1] Giáo trình khai phá dữ liệu Web
NXB Giáo dục 2012 (tái bản)
Tác giả : Hà Quang Thụy (chủ biên)
[2]
Slides bài giảng chuyên đề ‘‘CÔNG NGHỆ TRI THỨC VÀ ỨNG DỤNG’’

Tác giả : GS.TSKH. Hoàng Kiếm
Internet
[3]
/>[4]
/>[5]
/>[6]
/>va-ung-dung
[7]
/>Ebook
[8]
Web Data Mining-Bing Liu, Springer publish
[9]
Introduction to Data Mining - Pang Ning Tan, Michael Steinbach, Vipin
Kumar
Lê Xuân Nguyên - Nguyễn Thị Phương Trang – CNTT K6 -22-