R

MP

AG

a

1 d

2

d

3

L

RISTI, N.º 7, 0

ModeladPsicográ

Abraham RodGonzález3

arodriguez@d

Departamento de Gran Canaria

Departamento de Gran Canaria

Instituto UniveLas Palmas de G

Resumsemántcontextpublicitcomporinformay un sisegmenuna ma

Palabrontolog

AbstrareasonedemandontologrelevansystemsknowleInformevolutiolanguag

KeywoOntolog

06/2011

do Basaáfico del

dríguez Rodr

dis.ulpgc.es, n

de Informática a, España.

de Informática a, España.

ersitario de MicrGran Canarias, E

men: En este ticos pueden to de serviciostaria donde lartamiento delación relevantistema basadontación de los anera que otra

ras clave: gías.

act: In this pers can help id multimedia gies are used nt informations can provide

edge in a way tation regardionary charactges.

ords: Advertigies.

do en Ol Usuari

ríguez1, Nico

niglesiasg@gm

y Sistemas, Uni

y Sistemas, Un

roelectrónica (IEspaña.

trabajo descriayudar en la

s multimedia. as ontologías l usuario (y te. Nuestra hio en conocimi usuarios, utilias técnicas de r

Publicidad;

paper we disn the definitio services. We to model thn. The comb

e a better userthat other recoing the sociater) can be be

sing; Marketi

ntologíaio en Pu

olás Iglesias G

mail.com, jqui

iversidad de Las

iversidad de La

UMA), Univers

ibimos como e definición d Diseñamos uson usadas pasu carácter pótesis indicaiento puede pizando el conorecomendació

Marketing

cuss how theon of marketi design a recoe features anbination of or segmentationommendation

al or lifestyleetter managed

ing Strategies;

A

as del Peublicidad

García2, José

inteiro@iuma

s Palmas de Gra

as Palmas de Gra

sidad de Las Pal

el uso de ontode estrategias una arquitectuara modelar levolutivo), as

a que la combproporcionar uocimiento del ón no son capa

dirigido; Re

e use of ontoing strategies

ommendation nd user behavontologies ann quality by u

n techniques ae behavior ofd using the ca

; Recommend

Recebido / RecibAceitação / Aceptac

erfil d Dirigid

é María Quin

a.ulpgc.es

an Canaria, 350

an Canaria, 350

mas de Gran Ca

ologías y razode marketing

ura de recomeas característisí como parainación de onuna mejor caldominio espec

aces de aprove

comendación

ologies and s in the contexarchitecture ivior, as well nd Knowledgusing specific are not able tof customers (apabilities of o

dation System

bido: 17/04/20ción: 05/06/20

47

da

teiro

17, Las Palmas

017, Las Palmas

anaria, 35017,

nadores g en un ndación icas y el

a inferir ntologías lidad de cífico de

echar.

; OWL

emantic xt of on-n which to infer

ge-based domain exploit. (and its ontology

ms; OWL

011 011

7

Mo

48

1.

Laprenpáenusesan(D

Tadien$1

Lapu20y rdeDepacofin

Undequusenmen

Tacr2)peca(G

odelado Basado en

8

Introdu

a publicidad roducto y sabn Internet seáginas Web pntre otras tesuario, sus bstos datos, ununcios más Deschene, 20

al como se drigida se inc

n el año 2011.700 para el

as fórmulas ublicidad dir007). Esta esreagruparlosel usuario deeschene (200ara las camomportamiennal, sino que

na forma de e Vida Familiue los usuarsuario casadon la etapa N

muebles, ensentre otros.

ambién son riterios como). Por ejemplersonalizacióaracterísticasGallo, 2007).

n Ontologías del P

ucción

dirigida se ber exactamee basan en ipara su publiecnologías s

búsquedas, duna red publ

relevantes y008).

describe en crementa año10, siendo sul 2012.

que existenrigida se ba

strategia conss cuando su peterminan su08, p. 2), “Lompañas punto del usuar se trata de u

segmentar eiar (Yuvaran

rios tienen ao, con al men

Nido Lleno 1eres para el

Fig

interesanteso la personallo, un labora

ón en sus ss definidas:

Perfil Psicográfico

basa en conente cuándo informaciónicidad. Medise intenta metalles de dólicitaria puedy conseguir

la referencio tras año. Lauperada en 2

n para que lasan en unasiste en engloperfil haya evu segmentacos anuncios d

ublicitarias”. rio, consideraun estado evo

el mercado eni, 2009). Estal pasar por nos un hijo m, que se car niño, limita

gura 1 – Etapa

s las clasificlidad domin

atorio farmacservicios, div

individualist

del Usuario en Pu

nocer exacta lo compraría asociada alante softwar

mantener inónde y cuándde identificamás rentabi

ia (Hallermaa inversión e2011 al llega

las campañaa adecuada obar a clientvolucionado.ción y difieredirigidos por La segmeando que la solutivo (Gallo

es usando la tos estados dcada uno d

menor de 4 aracteriza porada capacida

as del ciclo de

caciones quenante en el ucéutico estadvidiendo a ltas, conecta

ublicidad Dirigida

amente quiéna (Deschene,l tráfico de re, cookies y nformación ddo hace click

ar consumidoilidad en las

an, 2010) elen millones dar a $1.350,

as publicitarestrategia d

tes muy simil. Las caracteren acorde lar comportamentación sesegmentacióo, 2007).

a descripcióndeterminan lde ellos, (Figaños y con trar tener tendead de ahorro

vida familiar.

e segmentanusuario (Escadounidense, los enfermo

ados, abdicad

, 47-59

RISTI, N

n está intere, 2008). Los visitantes en

herramientade las prefek en un sitioores potencis campañas p

l gasto de lade dólares fu y con una p

rias puedan de segmentalares en un mrísticas y las as circunstan

miento son me realiza en no identifi

n de los estadas tendencia

gura 1). Por abajo estableencias de coo y petición

.

n al usuarioaramuza, 10 utilizó una eos en cuatrodores, y rec

.º 7, 06/2011

esado en un anunciantesn cientos deas de análisiserencias del. A partir deales, ofrecerpublicitarias

a publicidadue de $1.1125previsión de

ofrecer unaación (Gallo,mismo grupo necesidadesncias. Según

más rentablesen base alca un estado

dos del Cicloas de compraejemplo, un

e, se clasificaompra sobre de créditos

o bajo otros02), (Figuraestrategia deo grupos deién llegados

n s e s l e r s

d 5 e

a ,

o s n s l

o

o a n a e s

s a e e s

RR

R

PaiNrispc

AcS

Ngmicl

Utc

A1crldqp

Edc

RISTI Revista Ibérica de

RISTI, N.º 7, 0

Por otro ladoanticipar la dentificar un

Nematbakhshrecomendacintereses del

sistemas de rpredecir si a conjunto de N

Aunque exiscategorías (VShoham, 199

Sistede la

Sisteparainter

Sisteusua

Nuestra hipógestionado pmejor calidadnformación

consumidoreenguajes ont

Una ontologítambién las rcompresión c

Aunque exist1993 es la conceptualizarepresentadaas relaciones

de algún fenóque los diferpoco claras, i

Esta definiciódos nuevos econceptualiza

Sistemas e Tecnol

06/2011

Fig

o, los sistemrespuesta d

n conjunto dh, 2007). ón pueden ul usuario. Frecomendaci un usuario N elementos

sten numeroVelusamy, G

97):

emas basadoa correlación emas de filtra predecir el reses que unoemas basadoarios y la desc

ótesis es quor el uso de d de segmen sobre el ces (con su ctológicos.

ía sirve pararelaciones qucompartida d

ten diferentemás aceptadación” (Grub

a por una taxs transversalómeno en el rentes elemeincompletas

ón fue posterelementos, “uación compa

logias de Informa

gura 2 – Categ

mas de recomde un usuarde N ítems Si lo aplic

utilizarse parFarsani & Nión son tecnparticular le que serán de

osas técnicaGopal, Bhat

os en conteni entre el contado colabora comportamio de los grupos en conocimcripción de l

ue la combiontologías y ntación que comportamiecarácter evo

a describir loue mantienedel mismo.

es definicionda, “una onber, 1993, pxonomía de les entre ello mundo (conentos deben o incoherent

riormente couna ontologíartida” (Stud

ção

gorías o clases

mendación serio concretoque serán dcamos a nra obtener u

Nematbakhshnologías de fe gustará un e más interés

as, generalmtnagar & V

ido: comprentenido del íteativo: agrupiento de un

pos. miento: usa os ítems para

nación de u razonadoresotras técnic

ento social olutivo) pued

s conceptos n estos conc

nes del términtología es p. 199 - 22términos jer

os. Su objetivnceptualizació

ser clarametes.

ompletada poía es una esp

der, 1998, p.

de personalid

e han utilizao sobre un de interés panuestro domun banner puh sostienen filtrado de in ítem particus para un det

mente se clVaradarajan,

nden la selecem y las pref

pa usuarios s nuevo usuar

la informacia hacer una r

un sistema s semánticos

cas no son cao sobre el

de ser fácilm

de algún doceptos entre

ino ontologíuna especif

20). Una onrárquicamenvo es especifón). ‘Especifente definid

or Studer enpecificación 161-197). El

dad.

do tradicionítem concre

ara el usuariminio, los ublicitario adque (2007,

nformación uular, o para iterminado u

lasifican de 2008) (Ba

cción de ítemferencias de limilares denrio que teng

ión de los inrecomendaci

basado en s, puede propapaces de apl estilo de mente mode

ominio de consí, para prop

ía, la dada pficación explntología es nte organizadficar un mod

ficación explídos, evitando

n 1998, con la formal y exp término ‘for

49

nalmente pareto, y/o pario (Farsani &sistemas d

daptado a lo p. 86) “Loutilizada paridentificar usuario”.

ntro de trealabanovic &

ms en funciólos usuarios.

ntro de grupoga los mismo

tereses de loión.

conocimientporcionar unprovechar. L

vida de loelada usand

nocimiento, porcionar un

por Gruber elícita de ungeneralment

dos, junto codelo abstractícita’ significo definicione

a inserción dplícita de unrmal’ trata d

9

ra ra &

de os os ra

un

es &

ón . os os

os

to na La os do

y na

en na te

on to ca es

de na de

Mo

50

galeg

EnfapaMel onen

Bapaesidesprdela esre

EspaemEuel codiacacesre

odelado Basado en

0

arantizar la fagible por una

n el uso de ocilidades. El

ara la repreMcGuinness, P

uso de un ntología e inncajan en las

asándonos eara proporciostá relacionadentificando lstados. Esta roductos y loel usuario sob personalida

sta manera, secomendar so

ste trabajo seara el contempresas, uniuropea (FED diseño y el

ontenidos auspone de u

ctividades rectividad del strategias deecomendar al

n Ontologías del P

acilidad de ua máquina pa

ontologías exl lenguaje Onesentación dPatel-Schned razonador ndicar si so definiciones

en el uso de onar un bannado con los los axiomas segmentacios recursos mbre estos últ

ad están relasegmentar aobre ese esta

Figur

e ha desarrolenido multiiversidades e

DER) y el Gobdesarrollo d

udiovisuales. una red mulealizadas en usuario, y e marketing l usuario cu

Perfil Psicográfico

uso de la ontoara ser útil.

xisten diferenntology Webde ontologíadir & Stein, 2que puede n coherentes.

ontologías, ner publicita estados de que marcan ón consider

multimedia, imos. Por ot

acionados coal usuario enado.

a 3 – Principa

llado como pmedia de Re institutos bierno españ

de un sistema Por lo tantoltimedia per

n la platafor la combin personalizaando navega

del Usuario en Pu

ología, de tal

ntes lenguajeb Lenguage as (Bechhof2004). Se ba

comprobar es entre sí,

relacionamoario a recomel ciclo de v la segmenta

ra las relaciorelaciones quro lado, los e

on productosn un estado p

ales elementos

parte del proRadiodifusióde investiga

ñol (Plan Avaa interactivoo, dentro dersonalizada rma. Al misación con

ado, seleccioa en el porta

ublicidad Dirigida

l manera que

es ontológico(OWL) ha su

fer, Harmeleasa en un mo declaracionasí como re

os los principendar, (Figurvida familiaración del usuones del pe

que vienen mestados del cs a recomenposibilita ide

s y sus relacion

oyecto RAUDón), dirigidoación, y finaanza). El proo multiplatafe la plataform

en función smo tiemposu perfil, nnando los a

al. Se esta in

, 47-59

RISTI, N

e una ontolog

os que ofreceurgido comoen, Hendler

odelo lógico, nes y definiceconocer con

pales elemenra 3). El perfr y de la p

uario sobre loerfil de usua

marcadas por ciclo de vida fdar según eentificar los

nes.

DOS (Sistemao por un coanciado por oyecto RAUDforma de disma RAUDOS de su perf

o, el seguimnos permite anuncios puniciando el d

.º 7, 06/2011

gía deber ser

en diferenteso el estándarr, Horrocks, que permiteciones de lanceptos que

ntos entre sífil de usuarioersonalidad,os diferentesario con los la actividadfamiliar y del estado. Deproductos a

a Interactivoonsorcio dela Comisión

DOS persiguetribución de

S, el usuariofil y de sus

miento de la desarrollarblicitarios a

desarrollo de

r

s r , e a e

í o , s s d e e a

o e n e e o s a r a e

RISTI Revista Ibérica de Sistemas e Tecnologias de Informação

RISTI, N.º 7, 06/2011 51

RAUDOS-2, como continuación del proyecto RAUDOS, haciendo hincapié en el sistema de recomendación sobre el contexto publicitario.

En las siguientes secciones describimos los principales elementos participantes en la arquitectura y su integración en las diferentes ontologías. Al mismo tiempo destacamos el uso de las ontologías y las estructuras utilizadas. Completamos la arquitectura explicando cómo estas ontologías son coordinadas para inferir un resultado. También detallamos la segmentación psicográfica donde mostramos un ejemplo de la misma y mencionamos las principales herramientas utilizadas en la implementación del modelo diseñado.

2. Arquitectura de Recomendación Publicitaria

El modelo de recomendación ha de seleccionar un banner publicitario para recomendar al usuario. Para ello proponemos una arquitectura de recomendación publicitaria en la que diferentes ontologías modelan las características y el comportamiento del usuario, y a su vez infieren nueva información que mejora la segmentación inicial y con ello, obtener una respuesta publicitaria más efectiva.

En el diseño consideramos el carácter evolutivo del perfil de usuario, donde las preferencias e intereses declarados o deducidos no tienen porqué ser persistentes en el tiempo. Al mismo tiempo, el modelo diseñado es lo suficientemente flexible para llegar a conclusiones con información incompleta o inconsistente. Definimos relaciones estáticas entre los segmentos y los productos publicitarios (productos) para así una vez detectado el segmento del usuario, considerar los productos que tienen mayor porcentaje de éxito. Hemos diseñado estrategias de marketing específicas para hacer frente a estas cuestiones, incluyendo técnicas para completar, en caso necesario, datos incompletos en el perfil de usuario.

2.1. Tipos de contenido y sus relaciones

Distribuimos la información del dominio en tres estructuras de datos, que utilizamos para modelar la información del usuario, los recursos multimedia, y los banners publicitarios. Relacionamos estos elementos entre sí mediante un conjunto de estructuras auxiliares, como se muestra en la Figura 4.

Mo

52

Secadiusunlasmco

Coesel pr

Tapuy gelasmcrcla

2.

Patipprmfuinobessere

odelado Basado en

2

egmentamos arácter evoluferentes esta

suario. Asumn estado a ots categorías

modo, el seguon la escala d

on la ayuda sta segmenta usuario esroductos que

ambién destaunto de uniónestructura d

enéricos orgas redes publ

multimedia tareación. Porasificación co

.3. Ontolog

ara entenderpos de produrevalece, hem

muestra en la unción de lancluye edad, btenida de los capaz de iegmentos objepresenta una

n Ontologías del P

Figura 4

a los usuariutivo de las pados por los

mimos que entro, anticipan de producto

undo eje clasidescrita en la

de usuarios ación y la jerastá correctae tendrán una

acamos la cln, relacionandel ciclo de anizados jerálicitarias, proambién puedr otro lado,omo parte de

gías

r cómo identuctos y/o gémos desarro Figura 4. Esa dimensión sexo, estud

os usuarios deinferir el grjetivos definia etapa del ci

Perfil Psicográfico

4 – Arquitectu

os de dos forpreferencias que una típn determinando un cambos o génerosifica a los us

a Figura 2.

y expertos earquía de tip

amente segma alta posibil

asificación dndo recursos vida familiárquicamentoveniente deden ser vincu, los bannee su descripc

tificamos la eéneros está iollado un moste modelo o demográficdios, estado e RAUDOS a

rado de pertidos como laiclo de vida f

del Usuario en Pu

ura del modelo

rmas diferen del usuario.

pica familia padas circunstbio en su coms de recursosuarios de ac

en el dominipos de produmentado polidad de éxito

de los tipos ds multimediaar. Se trata e. Hemos ad

el gestor pubulados a estaers publicitación identific

etapa actual nteresado y odelo basadorganiza la in

ca o psicogr civil, entrea través de sutenencia de

as etapas de cfamiliar.

ublicidad Dirigida

o de segmenta

ntes. Una de . El ciclo de puede pasar tancias, los umportamien

os multimedicuerdo a su p

io, definimouctos, de tal modemos ideno, respecto el

de productosa, banners pua de una cladoptado una blicitario onlia clasificacióarios están cado su targe

del ciclo de cuál es el tio en ontolo

nformación dráfica. La ine otros datou registro. La los usuariociclo de vida

, 47-59

RISTI, N

ación.

ellas trata d vida familia a lo largo deusuarios evoto o intereseia (géneros).personalidad

s enlaces estmanera que

ntificar el cl anuncio a r

s ya que actúublicitarios, pasificación d de las más uine OpenX. Lón en el mom

relacionadoet o grupo ob

vida del usuipo de persogías, cuya e

disponible denformación os. Esta infoa ontología Dos en cualqu familiar. Cad

.º 7, 06/2011

e explotar elar define lose la vida del

olucionan dees respecto a. Del mismod dominante

táticos entre una vez queconjunto deecomendar.

úan como unpersonalidade productosutilizadas enLos recursosmento de suos con estabjetivo.

uario, en quéonalidad questructura se

el usuario endemográficaormación esDemográficauiera de losda segmento

l s l e a o e

e e e

n d s n s u a

é e e n a s a s o

RISTI Revista Ibérica de Sistemas e Tecnologias de Informação

RISTI, N.º 7, 06/2011 53

Para nuestros propósitos, la información psicográfica se resume en el grado de interés que tienen los usuarios sobre los productos y los géneros que describe el estilo de vida del usuario. Para encontrar el nivel de interés, nos basamos en la información explícitamente introducida por el usuario en su perfil; clicks que el usuario realiza en los banners publicitarios y/o en los recursos multimedia; y en la valoración de los banners publicitarios y/o recursos multimedia proporcionados por el usuario. La implementación actual sólo considera la frecuencia de acceso y el género del contenido seleccionado. Cuando el interés indicado por el usuario se contradiga con el interés deducido a raíz de la actividad del usuario, es decir, de su comportamiento, el primero es ignorado.

La presencia de datos incompletos es un inconveniente muy común en aplicaciones reales de clasificación según comportamiento. Cuando no hay suficiente información acerca de los intereses del usuario respecto determinados productos, uno de los procedimientos más recomendados es la imputación de los valores incompletos, por lo que integramos la utilización de un método basado en el nearest-neighbour algorithm (KNN) (Jönsson & Wohlin, 2004). La falta de datos puede deberse a que el usuario no ha previsto expresamente la información o porque no han colaborado lo suficiente con los elementos para que el sistema sea capaz de deducir sus intereses. KNN es utilizado para inferir los intereses del usuario en cada producto con un mínimo de actividad con los banners publicitarios mediante un conjunto de usuarios similares y sus valores de interés para los mismos productos.

Por lo tanto, la ontología Psicográfica analiza toda esta información e infiere en que medida está el usuario interesado en los productos (banners publicitarios) y en los géneros de los recursos multimedia, para situar al usuario en los segmentos objetivo (etapas del ciclo de vida familiar).

La ontología de la Personalidad funciona de manera similar a la ontología psicográfica, pero deduciendo la personalidad dominante del usuario en lugar de la etapa del ciclo de vida familiar. Esta ontología deduce el grado de pertenencia de los usuarios en cada una de las categorías de la personalidad, utilizando los intereses de los usuarios en los productos y en los géneros.

Finalmente, la ontología de Marketing (estrategias publicitarias) combina la segmentación realizada por las ontologías anteriores para inferir una recomendación publicitaria. Esta ontología describe hasta nueve estrategias diferentes en las que los datos del usuario y la segmentación proporcionada por las ontologías, pueden combinarse para seleccionar un banner publicitario. De ellas podemos destacar las siguientes:

Sólo consideramos los productos explícitamente vinculados a los recursos multimedia seleccionados por el usuario.

Combinar la opción anterior con la salida de la información psicográfica. De esta manera el conjunto de banners candidatos se reducirá a los compatibles con la etapa de vida familiar del usuario.

Combinar las segmentaciones piscográficas y de personalidad. Esta vez la recomendación de la publicidad tendrá en cuenta sólo los productos compatibles con la personalidad del usuario y la estructura familiar.

Mo

54

Cuprsecore

2.

Enla coprsees

Poob

odelado Basado en

4

ualquier estrroducto recieeleccionada aon la que uespecto una f

.4. Segmen

n esta secció ontología p

onceptos de roductos y gegmento objestados diferen

Interésegme

Desinsegme

Incertel segm

Figura 5 – Ej

or otro lado dbjetivo sobre

Certezsobre

Certezperten

Incert Falsed

la pert Falsed

fracas

n Ontologías del P

rategia que entemente real azar entre una estrategifórmula de se

ntación psic

ón profundizapsicográfica. los segmen

géneros. Estaetivo puede ntes.

és: candidatento. terés: candidento. tidumbre: camento.

jemplo de una

describimos un producto

za absoluta d la pertenencza posible denencia al segtidumbre: cadad posible dtenencia al sdad absolutso sobre la pe

Perfil Psicográfico

se refiera a ecomendado las estrategiia específicaelección.

cográfica

aremos en laCómo se co

ntos objetivoa relación de tener sobre

o para ser

dato para ser

andidato par

a relación entr

el interés poo o género, y

de pertenenccia al segmene pertenencimento.

andidato sin de pertenenc

segmento. ta de pertenertenencia al

del Usuario en Pu

datos incom al usuario, nias candidataa es seleccio

a segmentacimentó anteros y sus reescribe, por e un produc

un product

r un product

ra ser un pro

re el segmento

otencial del g se presenta

cia: candidatnto. ia: candidato

conocimientcia: candidat

nencia: candl segmento.

ublicidad Dirigida

mpletos de lno será consas. Es posiblonada media

ión psicográfriormente eselaciones con un lado el icto o género

to o género

to o género c

oducto o gén

o Joven Solter

grado de pert en cinco esta

to con grand

o con posibil

to de perteneto con posibi

didato con g

, 47-59

RISTI, N

a segmentacsiderada. La ele controlar lante un fact

fica realizadsta ontologían las clasifiinterés están

o, y se prese

de gran in

con falta de

nero no deter

o y el product

tenencia de uados diferent

des posibilida

lidades de éx

encia al segmilidades de fr

randes posib

.º 7, 06/2011

ción, o a unestrategia esla frecuenciator de peso

a a partir dea modela loscaciones de

ndar que unenta en tres

nterés en el

interés en el

rminante en

o Deporte.

un segmentotes.

ades de éxito

xito sobre la

mento. racaso sobre

bilidades de

n s a o

e s e n s

l

l

n

o

o

a

e

e

RR

R

Lsdsp

Ld

Dle

Eitas

LEred

RISTI Revista Ibérica de

RISTI, N.º 7, 0

Figura 6 – Ej

La segmentasegmento Jode esta clasesobre el mispertenencia e

La Figura 7definición de

Figura

Definimos esas etapas d

expertos del d

El modeladondividuo y lo

tras el análisiaxiomas dessegmentos y

La asignaciónEsta asignacrespecto los sen los cinco deducido, a r

Sistemas e Tecnol

06/2011

jemplo de una

ación de un ven Soltero,

e es que es dsmo segmenen el segmen

7 muestra le uno de los s

a 7 - Grados d

sta informacdel ciclo de

dominio.

del usuario os axiomas qis del perfil dcriptivos. El estas se utili

n de un usución dependsegmentos o estados diferaíz del razon

logias de Informa

a relación entrCerteza Ab

usuario con identifica u

disjunta con nto, es deci

nto.

os distintossegmentos.

e pertenencia

ción de formvida (Yuvar

en la ontoloque le descridel usuario (l usuario se izarán para d

ario a un sege de los ax

objetivos y vierentes de innador, como

ção

re el segmentosoluta y el gén

grado de peuna clase. Un la clase de gir, el usuari

s grados de

de los segmen

a estática a prani, 2009)

ogía se realiziben de man(demográfico define med

derivar la seg

gmento no exiomas que ene marcada

nterés menci miembro de

o Joven Solternero Terror.

ertenencia Cna de las espgrado de perio solo pert

e pertenenci

ntos Nido Llen

partir de los(Carter, 200

za en tiempoera dinámica

o y psicográfdiante las mgmentación.

es estática daverifique la

a por el gradionados ante

e una clase (in

ro con grado d

Certeza Absopecificacionertenencia Cetenecerá a

a contempla

no 1 y Joven S

s artículos de05) y de en

o de ejecucióa. Esta creac

fico) dónde smismas relaci

ado su carác descripción

do de perteneeriormente. ndividuo).

55

e pertenencia

oluta sobre es (propiedad

erteza Posiblun grado d

ados para l

oltero.

escriptivos dntrevistas co

ón, creando eción se realize deducen loiones que lo

cter evolutivon del usuariencia definidEl usuario e

5

el d) le

de

la

de on

el za os os

o. io

do es

Mo

56

Coun

odelado Basado en

6

Figu

onsideramosnas relacione

A

E

S

F

E

N

I

I

Tabla 2 – Re

Tabla 3 – R

n Ontologías del P

ura 8 – Ejemp

s un usuario es de interés

Atributo

Edad

Sexo

Formación aca

Estado civil

Número hijos

Interés en Prod

Interés en Géne

elación de inte

Produ

Bellez

Depor

Viajes

Segur

Relación de int

Géner

Comed

Ciencia

Perfil Psicográfico

plo de una rela

con el perfi estándar vis

Tabla 1

adémica

ductos (certeza a

eros (certeza po

erés estándar

ucto

a

rte

s

ros

terés estándar

ros

dia

a ficción

del Usuario en Pu

ación entre Us

il de la Tablaibles en la Ta

– Perfil del us

absoluta)

osible)

del segmento

Relación de

Producto de

Producto de

Producto de

Producto de

r del segmento

Relación de

Género de In

Género de In

ublicidad Dirigida

suario y el pro

a 1 y el segmabla 2 y Tabl

suario

Valores

29

Hombre

Algún estúd

Soltero

0

Belleza; Dep

Comedia; C

Joven Soltero

e interés está

Interés

Interés

Incertidumbre

Falsedad

o Joven Solter

de interés está

ncertidumbre

nterés

, 47-59

RISTI, N

oducto Deport

mento Joven la 3.

dio universitário

porte; Viajes;

Ciência ficción;

o respecto los p

ándar

ro respecto los

ándar

.º 7, 06/2011

e.

Soltero con

o

productos

s géneros

n

RR

R

Ampd

F

2

HscdoD(

RISTI Revista Ibérica de

RISTI, N.º 7, 0

Atendiendo amostrada enpertenencia Cdel segmento

Campo

Clase

Segmen

Grado

pertene

Axioma

Axioma

Axioma

Figura 9 – Cla

2.4. Detalle

Hemos implesi el enfoquclásicos. El pdefine (o redontológico dDuschka, 199(OWL API, s.

Sistemas e Tecnol

06/2011

al modelado n la Tabla 4, Certeza Absoo objetivo.

Tabla

o D

y

nto J

encia

C

a1 E

A

I

a2 N

n

s

a3 T

l

s

asificación del

es de la imp

ementado une ontológico

prototipo utildefine) más ddel modelo u98). Hemos.f.) apoyándo

logias de Informa

del usuario e el razonado

oluta en el se

4 – Descripció

Descripción

ysAbsoluteCerta

Joven Soltero

Certeza Absolut

El usuario tiene

Absoluta en al m

Interés del segm

No tiene interés

ningún product

segmento.

Tiene un interés

l menos 1 género

segmento.

usuario en el Ce

plementaci

n prototipo po es una altliza un datas

de 80 clases yutilizamos la utilizado elose en el leng

ção

en la ontologor semánticoegmento Jov

ón de la clase y

ainty

ta

e un interés de C

menos 2 produc

mento.

s de Certeza Abs

o de Falsedad d

s de Certeza Pos

o de Interés del

segmento Joverteza Absolu

ón

para validar lternativa váset interno dy restriccion

a suposición l editor Proguaje Java de

gía, y en baseo clasifica alen Soltero, y

ysAbsoluteCe

Certeza

ctos de

soluta en

del

sible ena

l

ven Soltero cota.

la arquitectuálida a desade usuarios ynes usando el

de un munotégé (Stanfoebido a las li

e a la definicil usuario conya que cumpl

rtainty

Implementa

hasAbsoluteI

min 2

ysInteresting

hasAbsoluteI

max 0

ysFalsehoodP

hasPossibleIn

min 1 ysInter

on el grado de

ura diseñadarrollar ante y de recursosl lenguaje OWndo abierto ord, s.f.) y limitaciones i

57

ión de la clasn el grado dle los axioma

ación

nterestProd

Products

nterestProd

Products

nterestGenre

estingGenre

pertenencia d

a y comproba los métodos multimediaWL. En el us(Abiteboul &as OWLAPInherentes de

7

se de as

de

ar os a, so & IS el

Modelado Basado en Ontologías del Perfil Psicográfico del Usuario en Publicidad Dirigida, 47-59

58 RISTI, N.º 7, 06/2011

lenguaje OWL. Utilizamos el razonador ontológico Pellet (Clark & Parsia LLC, s.f.). Estamos trabajando con expertos para representar mejor la heurística de las estrategias de comercialización, para considerar más elementos del perfil de usuario en la segmentación de personalidad y ciclo de vida familiar, y para identificar de mejor manera la situación en la que un usuario cambia de un estado del ciclo de vida familiar a otro.

3. Conclusiones

Proponemos un modelo de recomendación en el cuál las ontologías son ampliamente utilizadas para representar las características y el comportamiento del usuario, y pueden mejorar la segmentación del usuario acorde sus intereses.

El marketing dirigido es una forma de publicidad destinada ha alcanzar el público objetivo con el menor número de anuncios, y por tanto, aumentar los beneficios de las campañas publicitarias. Cualquier modelo destinado a proporcionar una recomendación personalizada se basa en estrategias de segmentación, que agrupan usuarios similares, y los reagrupa cuando su comportamiento evoluciona.

Distribuimos la información del usuario entre varias ontologías para segmentar al usuario de diferentes maneras. Nos hemos basado en dos alternativas conocidas de modelos de segmentación: el ciclo de vida familiar, y la personalidad del usuario. La ontología psicográfica infiere los productos y los géneros de intereses para el usuario acorde con el segmento objetivo. La ontología de la personalidad modela diferentes personalidades del usuario predefinidas. Esta ontología es capaz de deducir el grado de pertenencia de los usuarios en cada una de las categorías de la personalidad, a raíz del interés del usuario en los productos y/o géneros. Estos intereses son proporcionados por los usuarios o deducidos por el algoritmo KKN. Por último, la ontología de Marketing combina las segmentaciones realizadas por las anteriores ontologías para inferir/razonar una recomendación publicitaria. Esta ontología describe hasta nueve diferentes estrategias en las que los datos del usuario y la segmentación proporcionada se combinan para seleccionar el banner publicitario que se recomendará.

La combinación de ontologías y un sistema basado en conocimiento puede proporcionar una mejor calidad de segmentación a través del uso del conocimiento del dominio, que otras técnicas no son capaces de explotar. Consideramos que la información sobre el comportamiento social o estilo de vida de los clientes (y su carácter evolutivo) se puede aprovechar de mejor manera con el uso de los lenguajes ontológicos.

Referencias bibliográficas

Abiteboul, S. & Duschka, O. M. (1998). Complexity of Answering Queries Using Materialized Views. Conference on Principles of Database Systems (PODS). Seattle, WA.

Balabanovic, M. & Shoham, Y. (1997). Fab: content-based, collaborative recommendation. Communications of the ACM (vol. 40), 66-72.

RISTI Revista Ibérica de Sistemas e Tecnologias de Informação

RISTI, N.º 7, 06/2011 59

Bechhofer, S., Harmelen, F., Hendler, J., Horrocks, I., McGuinness, D., Patel-Schneider, P., Stein, L. A. (2004). OWL Web Ontology Language Reference. W3C Recommendation. Editores Mike Dean & Guus Schreiber. Disponible en http://www.w3.org/TR/2004/REC-owl-ref-20040210/

Carter, B. (2005). The Expanded Family Life Cycle (3rd ed). Boston: Allyn and Bacon.

Clark & Parsia LLC (s.f). Pellet: OWL 2 Reasoner. Disponible en http://clarkparsia.com/pellet/

Deschene, L. (2008). What Is Behavioral Targeting. Bnet.com. Recuperado el 25 de Febrero del 2010.

Escaramuza, R. (1992). Estudios Psicológicos avanzados. Ediciones contemporáneas, Madrid.

Farsani, H. K. & Nematbakhsh, M. (2007). A semantic recommendation procedure for electronic product catalog. International jounal of applied mathematics and computer sciences 3;2.

Gallo, M. (2007). Marketing One-To-One. 10 Lecciones magistrales de marketing y ventas (fasciculo 7). Expansion. Daemon Quest.

Gruber, T (1993). A translation approach to portable ontology specifications. Knowledge Acquisition (Vol. 5), 199-220.

Hallerman, D. (2010). Audience Ad Targeting: Data and Privacy Issues. eMarketer. Recuperado el 10 de Abril del 2010 en http://www.emarketer.com/Report.aspx?code=emarketer_2000636

Jönsson, P. & Wohlin, C. (2004). An Evaluation of k-Nearest Neighbour Imputation Using Likert Data. Proceedings of the 10th Intenational Symposium of Software Metrics (METRICS`04), 1530-1435.

OWL API (s.f.). Java API and reference implementation for creating, manipulating and serialising OWL Ontologies. Disponible en http://owlapi.sourceforge.net/

Stanford Medical Informatics at the Stanford University School of Medicine (s.f.). PROTÉGE ontology editor. Disponible en http://protege.stanford.edu./

Suder, R., Benjamins, R. & Fensel, D. (1998). Knowledge Engineering: Principles and Methods. Data and knowledge engineering (25), 161-197.

Velusamy, S., Gopal, L., Bhatnagar, S. & Varadarajan, S. (2008). An efficient ad recommendation system for TV programs. Springer-Verlag.

Yuvarani, R. (2009). Family life cycles and its impact on marketing. Articlesbase.com . Department of Commerce, Periyar University, Salem-11. Recuperado el 25 de Febrero del 2010 en http://www.articlesbase.com/marketing-articles/family-life-cycles-amd-its-impact-on-marketing-1014195.html