Il problema ha stuzzicato molte persone negli ultimi tempi ed in molti hanno anche tentato di risolverlo. Una tra le soluzioni proposte prevede la realizzazione di un agente che, partendo da una banca dati in cui sono mantenute le principali informazioni sugli utenti di un sito, riesce a capire in anticipo gli interessi di un utente e lo guida verso l’informazione cercata. Per realizzare questo agente, però, si deve prima avere la banca dati sugli utenti aggiornata. Dell’aggiornamento della banca dati si occupa un altro agente che deve procurare i dati sugli interessi degli utenti. Il lavoro di tale agente sarà quello di “monitorare” i movimenti degli utenti all’interno del sito Web, analizzarli ed estrapolarne dei dati che indichino quali sono gli argomenti preferiti da ogni singolo utente.
In questo articolo descriveremo come realizzare un analizzatore dei movimenti di un navigatore di Internet. Tale analizzatore “spia” gli accessi dell’utente ad un preciso sito Web e da essi preleva alcune informazioni che verranno inserite nella banca dati remota sugli utenti. L’analizzatore gira insieme al browser sulla macchina dell’utente, che potrà quindi decidere anche di non utilizzarlo (questo per evitare guai con la legge sulla privacy!!).
L’analizzatore ha l’aspetto di un proxy, che si frappone tra il browser dell’utente e la rete. In questo modo ha la possibilità di ricevere ogni messaggio che il browser e la rete (ossia il Web server del sito di interesse) si scambiano ed in particolare può vedere quali sono le pagine HTML che l’utente decide di leggere. Questi documenti vengono analizzati dal proxy e poi inviati al browser che li può finalmente visualizzare all’utente.
Lo schema totale che si presenta è descritto in Fig. 1.
 
 
 

Figura 1

Come si vede dalla figura, si hanno vari moduli per realizzare l’analizzatore nel suo complesso. Il modulo principale è sicuramente il “Proxy”, che si occupa dell’intercettazione dei messaggi che transitano tra il browser e il Web server; il modulo “Admin server”, invece, si occupa dell’amministrazione del proxy (la configurazione di partenza, la gestione della  struttura dati in memoria in cui il proxy inserisce i dati analizzati…); il modulo “Demone”, infine, si occupa dello scambio di dati tra il proxy e la banca dati che si trova su un’altra macchina (probabilmente, ma non necessariamente, la stessa in cui si trova il sito Web).
Vediamo ora un po’ più in dettaglio il modo in cui operano i suddetti moduli.
Per quanto riguarda il Proxy, per capire quali devono essere le sue funzioni, dobbiamo prima capire cosa intendiamo per “monitorare i movimenti di un utente in un sito Web”. Quando un utente naviga in un sito Web sceglie una pagina HTML e la scarica con il proprio browser per leggerla.
Un primo particolare interessante, che il Proxy deve memorizzare, è sicuramente l’indirizzo Web del documento e quindi il nome del file scaricato. Il fatto che un utente scelga di esaminare una determinata pagina è di grande rilevanza per sapere che tipo di informazione sta cercando.
Un altro aspetto molto importante da considerare è che nel documento possono essere presenti dei link e che l’utente può decidere di seguirli o no. Questi link sono tipicamente associati ad informazioni legate in qualche modo a quella contenuta nel documento in cui si trovano: possono essere dei collegamenti a pagine che approfondiscono il tema trattato nel documento di partenza (ad es., in un testo che descrive un motore di un’automobile, vi può essere un link ad un file che descrive il motore diesel), o che lo generalizzano (da un documento sul motore a scoppio si può arrivare ad un file che tratta il ciclo a quattro tempi); oppure sono collegamenti a documenti esplicativi, come figure, filmati o audio; od infine, possono essere link a documenti che trattano un nuovo tema, che però è collegato in qualche modo a quello trattato dal testo attuale (ad es., in un documento che descrive un motore, vi può essere un link ad un file che parla della trasmissione).
In questo modo, seguendo lo spostamento dell’utente attraverso i vari link, si riesce a capire meglio quali siano le informazioni che cerca, ed aggiornare di conseguenza la banca dati. 
 
 

Figura 2

Il Proxy deve, inoltre, tenere conto di un altro aspetto collegato a questo discorso: il fatto che un utente segua un certo link, indica sicuramente che vuole approfondire il tema trattato nel documento collegato a quello di partenza. Se, però, l’utente torna indietro al documento iniziale (Fig. 2), è un segnale che può significare che l’informazione principale cercata dall’utente si trova nel documento di partenza, e il link è stato seguito solo per un approfondimento. Se, invece, l’utente segue i link “a cascata”, muovendosi in profondità da un file all’altro (Fig. 3), può significare che l’informazione cercata dall’utente non era nel primo documento da lui richiesto, anche se conteneva un argomento in qualche modo in relazione con l’informazione cercata. In questo caso, infatti, l’utente ha deciso di seguire i link che, secondo lui, più si avvicinano all’informazione voluta, con la speranza di arrivare, alla fine, al documento desiderato. Da tutto questo si capisce che il modulo Proxy deve mantenere in memoria una struttura in cui inserisce, per ogni pagina che analizza, i link che si trovano in essa e, per ognuno di essi, un flag che indica se l’utente li segue o no.
 
 

Figura 3

Un’altra fonte di informazioni interessanti sul comportamento dell’utente è data dal tempo di lettura della pagina Web scaricata, ossia da quanto l’utente si sofferma su essa. Si può infatti immaginare che, più l’utente si sofferma su un preciso documento, più cresce il suo interesse per il tema in esso trattato.
Bisogna, però, prestare attenzione ad un problema che deriva da questo ragionamento, che può diventare troppo semplificativo nel dedurre gli interessi dell’utente. Bisogna tenere conto del fatto che egli può soffermarsi su un certo documento per leggerlo e studiarlo, nel qual caso le deduzioni sopra esposte risultano fondate; oppure può succedere che in quel momento l’utente si sia allontanato dalla macchina (fortunatamente anche i navigatori più incalliti vanno a mangiare…anche se a volte lasciano il collegamento attivo!!!) e, quindi, la deduzione fatta prima risulta completamente errata, o comunque priva di fondamento.
Si può cercare di dedurre comunque qualcosa dall’analisi del tempo passato da un utente su un certo documento, tenendo conto però, di queste diverse possibilità. Si può pensare, quindi, di aggiornare la banca dati dell’utente solo se il tempo di lettura non supera un “valore soglia massimo”, che indicherebbe il fatto che l’utente non sta effettivamente leggendo il documento, ma è impegnato in qualche altro compito (è arrivato il panino che aveva ordinato al bar!!!). Inoltre, si può decidere di memorizzare come “letta” una pagina, solo se il suo tempo di lettura supera un altro “valore soglia minimo”, sotto il quale si può pensare che l’utente abbia scaricato il documento sperando di trovarci delle informazioni utili, ma si sia subito accorto di non essere interessato ad esso ed abbia deciso di non leggerlo.
Il Proxy quindi deve calcolare il tempo che l’utente impiega per leggere ogni pagina che scarica dal sito Web, tenendo presente i due suddetti “valori soglia”.
Un ultimo dato calcolabile dal Proxy è quello che deriva dal conteggio del numero di volte che un utente apre lo stesso documento. Il fatto che un file venga scaricato e letto più volte, può indicare un notevole interesse da parte dell’utente verso l’argomento in esso trattato.
Descriviamo infine le funzioni svolte dagli altri due moduli.
Il modulo “Admin server” si occupa di amministrare l’analizzatore. Tramite questo modulo si può configurare il Proxy, definendo l’indirizzo del sito Web da analizzare, l’indirizzo della banca dati a cui si accede, i “valori soglia” descritti prima ed altri dati di configurazione utili al Proxy. Inoltre il modulo si occupa di gestire la zona di memoria in cui il Proxy deve inserire i dati che preleva dall’analisi delle pagine scaricate dal sito. Ogni modulo che deve accedere a tale zona di memoria deve passare attraverso il modulo “Admin server”.
Il modulo “Demone”, infine, è un modulo che si sveglia una volta al giorno, accede tramite l’Admin server alla zona di memoria in cui sono presenti i dati raccolti dal Proxy, li analizza, ne preleva le informazioni necessarie per aggiornare la banca dati sugli utenti ed invia i suoi risultati alla banca dati stessa.
Per ora ci fermiamo qui altrimenti l’argomento può diventare pesante e noioso (ho visto già qualche sbadiglio!). Nei prossimi articoli, se sarete ancora interessati, analizzeremo più in dettaglio i vari moduli descritti qui e vedremo un modo per realizzarli in Java e per farli comunicare tra loro.