隱式挖掘網(wǎng)站用戶行為_ 數(shù)據(jù)分析師

如何了解用戶需求？根據(jù)用戶是否主動參與分為顯式與隱式兩種挖掘模式，因為顯式的動靜比較大，有很大局限性，所以為了保證結(jié)果準(zhǔn)確性以及提高用戶接受度，一般都采用隱式。
       用戶的日常交互行為會產(chǎn)生四類關(guān)鍵數(shù)據(jù)：鼠標(biāo)移動軌跡、鏈接點擊分布、頁面瀏覽流、頁面停留時間。通過用戶的行為能反映用戶的觀點，同時利用訪問的網(wǎng)頁次序可以找出網(wǎng)頁之間的隱性關(guān)系。
       收集數(shù)據(jù)
1. Web服務(wù)器的日志（用戶會話記錄）
2. Web trends或類似的第三方共享軟件（客戶端分析，流量分析，可用性分析）
3. 自己開發(fā)的第三方軟件/插件（需求自定義）
       大型網(wǎng)站通常會把以上三種方法組合應(yīng)用，大致原理就是給進入網(wǎng)站的用戶賦予身份識別，每次產(chǎn)生交互動作就向服務(wù)器發(fā)回請求，通過時間和頁面判斷連接各個請求點并且記錄下來。（算法不討論）
      過濾數(shù)據(jù)
1. 明確目標(biāo)，定義核心數(shù)據(jù)。
2. 界定用戶行為，利用多數(shù)人的行為來消除個人行為的主觀性。
3. 對用戶進行歸類，確定數(shù)據(jù)類別
      大型網(wǎng)站每天所產(chǎn)生的數(shù)據(jù)量是驚人的，所以常規(guī)需求一般都是定時或定量的分析。另外，額外的數(shù)據(jù)處理會減慢網(wǎng)站的速度，搜集的數(shù)據(jù)越多，潛在的負(fù)面影響越大。
       習(xí)慣分析
1. 對用戶瀏覽過的頁面進行內(nèi)容分析，根據(jù)信息主題對頁面進行聚類。
2. 聚類過程中除了考慮頁面內(nèi)容相近程度，還應(yīng)該考慮頁面路徑。
3. 把用戶瀏覽行為對其興趣的作用列入聚類結(jié)果，得到綜合評估模型。
      用戶興趣分偶然和穩(wěn)定兩種情況，其中偶然可以認(rèn)為是隨機變化的，穩(wěn)定的挖掘又有基于內(nèi)容和行為兩種方式，在內(nèi)容上表現(xiàn)有重復(fù)度、相似度等，在行為上表現(xiàn)有停留時長、點此次數(shù)、拉動滾動條次數(shù)等。
        實際案例
        類似系統(tǒng)、瀏覽器、分辨率的客戶端分析，常見而且簡單，略過。
        關(guān)于鼠標(biāo)軌跡、點擊分布的可用性例子：
1. 跟蹤用戶在進行檢索時的鼠標(biāo)移動軌跡，可以獲取用戶操作的先后順序、熱點功能、動作曲線等一手?jǐn)?shù)據(jù)，這些都是改善或簡化表單的重要參考。
2. 在重要的頁面進行詳細(xì)的點擊分布監(jiān)控統(tǒng)計，主要檢查信息呈現(xiàn)的易用性，看看有沒有偏離設(shè)計初衷，經(jīng)常更新，找到規(guī)律。
        處理特定用戶行為、用戶群、用戶來路的任務(wù)流例子：
1. 監(jiān)控分布式注冊流程，能夠看到有多少用戶填了表單、填完了表單，或者在某個步驟有異常流失。
2. 監(jiān)控不同模塊入口過來的注冊用戶，能夠統(tǒng)計出各模塊導(dǎo)入的有效注冊量、百分比、成功率，以便合理調(diào)配資源。
3. 監(jiān)控投放廣告過來的注冊量、注冊成功率、轉(zhuǎn)換付費用戶成功率，以便明確廣告的投入產(chǎn)出比。
4. 監(jiān)控用戶的縱深瀏覽行為，是測試導(dǎo)航可用性很好的辦法，也就是說用戶會不會在你的網(wǎng)站內(nèi)迷路？
         再次強調(diào)，這里的討論僅限于后期研究的隱式挖掘，就是不去驚動用戶，不讓用戶察覺的方法，完全通過技術(shù)手段拿到我們想知道的數(shù)據(jù)，再通過理論分析來改進產(chǎn)品。
       之前在某上市公司全程參與了類似系統(tǒng)的開發(fā)，最艱難的部分還是在如何獲取數(shù)據(jù)的基礎(chǔ)建設(shè)階段，但終歸是一勞永逸的事情，對以后的發(fā)展有益無害。（文章來自：CDA數(shù)據(jù)分析師）