Il se concentre principalement sur le problème de la construction de modèles représentant le comportement passé des utilisateurs et capables de prédire les liens les plus probables qu'un utilisateur demandera lorsqu'il consultera une page. WUM a été spécialement conçu pour réaliser des applications en analysant les données d'utilisation. Les résultats de l'algorithme de regroupement de Grey sont utilisés comme entrée pour le modèle de Markov à probabilité mobile de Grey afin de prédire la prochaine visite des utilisateurs. Cette approche modélise les sessions de navigation et permet de prédire la prochaine étape de navigation en utilisant des probabilités de transition avec deux approches d'estimation. La prédiction est un moyen d'analyser les informations historiques pour calculer la probabilité la plus élevée possible de la prochaine demande; le modèle de navigation lorsque les futurs utilisateurs et clients naviguent sur le site web est mis en correspondance. La mise en oeuvre de la prédiction présente de nombreux avantages sur le web, tels que la personnalisation du site web, la structure appropriée du site web, l'intelligence économique, etc. Les probabilités de transaction sont plus appropriées pour prédire la prochaine demande des utilisateurs. Dans le modèle de prédiction, la chaîne de Markov à longueur variable est utilisée pour prédire la catégorie de l'état suivant des utilisateurs avec la probabilité de transaction.