網(wǎng)站用戶行為數(shù)據(jù)收集和分析方法

隨著In ternet 的不斷發(fā)展, 各種各樣的網(wǎng)站如雨后春筍般成倍增長(zhǎng), 各個(gè)商業(yè)網(wǎng)站之間的競(jìng)爭(zhēng)越來(lái)越激烈, 隨之而來(lái)的是, 網(wǎng)站的建設(shè)不可避免的出現(xiàn)了很多問(wèn)題。從最近一次國(guó)外對(duì)15 個(gè)大型網(wǎng)站進(jìn)行統(tǒng)計(jì)分析表明, 用戶在尋找自己所需要的信息時(shí), 只有42% 的概率可以找到, 而在大部分的時(shí)間里用戶都無(wú)法找到自己所需要的信息, 這使得用戶在瀏覽網(wǎng)站時(shí)經(jīng)常遭遇挫折, 嚴(yán)重影響了用戶對(duì)網(wǎng)站的興趣和信任。正如 J acob N ielsen 所指出的“如果你想通過(guò)網(wǎng)站找到某些信息, 那么在一般情況下很難找到, 就算能夠找到, 也要經(jīng)過(guò)一番周折。從以往的經(jīng)驗(yàn)可以得知, 除非項(xiàng)目管理團(tuán)隊(duì)在整個(gè)網(wǎng)站設(shè)計(jì)過(guò)程中就特別考慮網(wǎng)站的可用性, 否則結(jié)果往往令人失望”。針對(duì)網(wǎng)站的特點(diǎn), 目前國(guó)內(nèi)外提出了很多依靠計(jì)算機(jī)輔助來(lái)自動(dòng)收集和分析用戶行為數(shù)據(jù)的方法, 本文以下部分將重點(diǎn)介紹基于服務(wù)器日志收集和分析用戶行為數(shù)據(jù)的方法和從客戶端收集和分析用戶行為數(shù)據(jù)的方法, 并對(duì)根據(jù)不同的方法所開(kāi)發(fā)出的一些工具進(jìn)行了介紹。

1　基于服務(wù)器日志收集和分析用戶行為數(shù)據(jù)的方法

目前, 對(duì)于網(wǎng)站來(lái)說(shuō), 自動(dòng)獲得用戶行為數(shù)據(jù)最流行的方法之一是基于服務(wù)器日志的方法(Server log) ,就是通過(guò)從w eb 服務(wù)器所產(chǎn)生的日志文件來(lái)獲取有用的數(shù)據(jù)。服務(wù)器日志文件就是用來(lái)記錄w eb 服務(wù)器的活動(dòng), 提供了詳細(xì)的客戶和服務(wù)器的交互活動(dòng)日志, 其中包括客戶的請(qǐng)求和服務(wù)器的響應(yīng)。通過(guò)日志文件收集到的數(shù)據(jù)形式依賴于具體的w eb 服務(wù)器類型, 不同的w eb 服務(wù)器產(chǎn)生的信息是不一樣的。

1. 1　基于服務(wù)器日志方法的優(yōu)點(diǎn)通過(guò)日志文件可以獲得很有價(jià)值的網(wǎng)站使用情況的數(shù)據(jù)。 ① 日志文件是由w eb 服務(wù)器自動(dòng)生成, 所以花費(fèi)比較小。 ② 與人為建造的可用性實(shí)驗(yàn)室環(huán)境相比, 通過(guò)日志文件獲得的數(shù)據(jù)更能夠反映真實(shí)環(huán)境下用戶的真實(shí)情況。 ③ 與只對(duì)幾個(gè)用戶在幾小時(shí)內(nèi)進(jìn)行的測(cè)試所獲得的數(shù)據(jù)相比, 通過(guò)日志文件獲得的是大量的用戶在相當(dāng)長(zhǎng)一段時(shí)間內(nèi)的行為數(shù)據(jù), 這對(duì)分析用戶的行為是十分有利的, 可以利用數(shù)據(jù)挖掘等技術(shù)對(duì)用戶進(jìn)行分析。 ④ 開(kāi)發(fā)基于日志文件的數(shù)據(jù)分析工具相對(duì)比較容易, 花費(fèi)也不是太大。

1. 2　基于服務(wù)器日志方法的缺點(diǎn)基于日志的方法對(duì)于網(wǎng)站的可用性研究來(lái)說(shuō)還存在著很多不足之處, 由于日志文件就是被設(shè)計(jì)用來(lái)產(chǎn)生站點(diǎn)級(jí)的性能統(tǒng)計(jì)數(shù)據(jù), 因此不可避免的是, 日志文件所提供的數(shù)據(jù)與用來(lái)分析網(wǎng)站可用性所需的大量數(shù)據(jù)相比會(huì)有所不足, 對(duì)于研究潛在的可用性問(wèn)題只能提供少量的數(shù)據(jù)甚至還可能提供一些誤導(dǎo)性的數(shù)據(jù)。這是因?yàn)橐坏﹚ eb 服務(wù)器把用戶請(qǐng)求的頁(yè)面發(fā)送出去之后, 如果用戶不發(fā)出請(qǐng)求, 則頁(yè)面和用戶之間發(fā)生了什么w eb 服務(wù)器并不記錄。下面是一些從日志文件中獲取的數(shù)據(jù)不足或有誤導(dǎo)性數(shù)據(jù)的例子。

① 誰(shuí)正在訪問(wèn)網(wǎng)站。如果想知道誰(shuí)正在訪問(wèn)網(wǎng)站, 要求日志文件必須包含一個(gè)個(gè)人ID 或者登錄到服務(wù)器的登錄標(biāo)示, 但是目前的網(wǎng)站一般不需要用戶登錄, 大多情況下由日志文件提供的客戶端信息是客戶的IP 地址, 而這些IP 地址很多情況下是由In ternet 提供商提供的動(dòng)態(tài)IP。并且有時(shí)用通過(guò)代理服務(wù)器來(lái)訪問(wèn)In ternet (例如, 學(xué)校的校園網(wǎng)) , 這樣就不能正確得知是哪個(gè)用戶在訪問(wèn)網(wǎng)站。

② 用戶訪問(wèn)網(wǎng)站的路徑。如果日志文件能夠記下用戶所瀏覽的每個(gè)頁(yè)面, 那么自然可以清楚的記錄用戶的訪問(wèn)路徑, 然而, 當(dāng)把用戶的瀏覽器設(shè)置為可使用緩存(cache) 時(shí)(通常是缺省設(shè)置) , 用戶所瀏覽的一些頁(yè)面就不能被w eb 服務(wù)器所記錄, 例如, 使用Back 按鈕瀏覽的頁(yè)面就不能被記錄。而且, 如果同一頁(yè)面中提供了多個(gè)選擇可鏈接到同一個(gè)頁(yè)面的話, 用戶到底是使用哪一個(gè)鏈接過(guò)去, 這一信息從log 文件中也難以獲得, 但是這一信息對(duì)改善網(wǎng)站的可用性也是很重要的。如果是通過(guò)圖片鏈接,w eb 服務(wù)器可能會(huì)記下用戶單擊的坐標(biāo)位置, 從而可以獲得用戶的確切信息, 如果沒(méi)有使用這種技術(shù)的話, 就很難捕獲這一信息。而且, 當(dāng)用戶通過(guò)鍵入U(xiǎn) RL 地址, 或通過(guò)書簽來(lái)訪問(wèn)頁(yè)面時(shí),w eb 服務(wù)器也不能記錄這一信息。

③ 用戶在每頁(yè)的停留時(shí)間。日志文件記錄的是數(shù)據(jù)開(kāi)始傳輸?shù)臅r(shí)間, 而不是傳輸完成的時(shí)間。而且也不清楚, 在頁(yè)面下載的過(guò)程中, 用戶到底在什么時(shí)間開(kāi)始瀏覽頁(yè)面。除非在頁(yè)面顯示的時(shí)候, 用戶因有事離開(kāi)了, 不然可以通過(guò)比較用戶的當(dāng)前請(qǐng)求和下一次請(qǐng)求之間的時(shí)間來(lái)粗略計(jì)算用戶在此頁(yè)面停留的大概時(shí)間 (通過(guò)后一次的請(qǐng)求時(shí)間減去第一次的請(qǐng)求時(shí)間得到, 但對(duì)于從cache 中獲取的頁(yè)面來(lái)說(shuō)就出現(xiàn)很大偏差)。

④ 用戶離開(kāi)站點(diǎn)的位置。日志文件記錄了在用戶會(huì)話期間所發(fā)送的最后一頁(yè), 但是這可能并不是用戶所看到的最后一頁(yè)。其中有兩個(gè)原因: 第一, 用戶所看到的最后一頁(yè)可能是從cache 中得到。第二, 用戶可能已經(jīng)有事離開(kāi)了很長(zhǎng)時(shí)間, 而這段時(shí)間已經(jīng)超過(guò)了 w eb 服務(wù)器所定義的用戶會(huì)話時(shí)間。

⑤ 用戶是否成功完成自己想要做的事情。這是最根本的可用性問(wèn)題, 只是通過(guò)單獨(dú)的日志文件統(tǒng)計(jì)是很難回答的, 如果是“用戶是否完成了交易? 用戶是否成功地下載了文件?”之類的問(wèn)題, 答案還是很容易推斷。然而, 如果要回答“用戶是否找到了所需要的信息?”類似這樣的問(wèn)題, 僅通過(guò)日志文件就很難回答了。

1. 3　基于服務(wù)器日志文件方法獲取數(shù)據(jù)的輔助工具 Click T races A nalyzer 是分析網(wǎng)站用戶行為的一套工具, 為進(jìn)一步了解用戶的瀏覽行為提供了強(qiáng)大的功能, 它把大量的復(fù)雜數(shù)據(jù)用非常簡(jiǎn)單的方法表達(dá)出來(lái), 使可用性人員在分析用戶行為時(shí)一目了然。

2　客戶端收集和分析用戶行為數(shù)據(jù)的方法

由于通過(guò)日志文件獲得的信息會(huì)出現(xiàn)失真的情況, 而且有很多重要的數(shù)據(jù)只通過(guò)日志文件很難獲得, 這些信息對(duì)研究網(wǎng)站的可用性問(wèn)題卻很重要, 因此為了進(jìn)一步獲得更多的有價(jià)值的可用性數(shù)據(jù), 發(fā)現(xiàn)更多的網(wǎng)站可用性問(wèn)題, 逐漸產(chǎn)生了很多技術(shù)用于從客戶端(page- side) 直接獲得用戶與網(wǎng)站的交互情況。由于是直接從客戶端獲得數(shù)據(jù), 所以, 能夠獲得大量的難以從服務(wù)器端獲得的用戶行為數(shù)據(jù), 這對(duì)進(jìn)一步分析用戶瀏覽網(wǎng)站行為, 改善潛在的網(wǎng)站可用性問(wèn)題提供了更大的幫助。

2. 1　客戶端收集用戶行為數(shù)據(jù)的優(yōu)點(diǎn)

① 由于用戶是在真實(shí)的環(huán)境下所進(jìn)行的操作(如在家里或辦公室) , 減少了人為地干擾因素, 因此獲得的數(shù)據(jù)更加真實(shí)。

② 與基于日志文件的方法相比, 從客戶端收集到的數(shù)據(jù)更加精確, 能夠克服如上描述的很多問(wèn)題。

●不受動(dòng)態(tài)分配IP 地址或代理服務(wù)器的影響: 通過(guò)使用客戶端跟蹤技術(shù)(如由w eb 服務(wù)器對(duì)每個(gè)訪問(wèn)站點(diǎn)的客戶機(jī)自動(dòng)分配ID 并將其記錄在客戶端的 Cook ies 中, 每次用戶瀏覽網(wǎng)站,w eb 服務(wù)器可通過(guò)訪問(wèn)客戶端的Cook ies 就知道此客戶機(jī)是否訪問(wèn)過(guò)本網(wǎng)站)。

●正確的用戶瀏覽路徑: 由于是在客戶端記錄用戶行為, 因此客戶端代碼可自動(dòng)跟蹤用戶的瀏覽路徑, 不管是否通過(guò)本機(jī)緩存或通過(guò)代理服務(wù)器。例如, 用戶的實(shí)際瀏覽路徑是從AB, 點(diǎn)擊Back 鈕,AC, 但是從log 文件中得到的路徑是AB` C。頁(yè)面瀏覽時(shí)間: 舉例如圖1 (頁(yè)面是由cgi 腳本產(chǎn)生的動(dòng)態(tài)文件)。這是使用Click st ream 收集工具與基于服務(wù)器的日志文件產(chǎn)生的數(shù)據(jù)比較, 日志文件丟失了很多重要數(shù)據(jù)。