大數(shù)據(jù)在互聯(lián)網(wǎng)用戶(hù)系統(tǒng)中的應(yīng)用

但是對(duì)于今日的互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)，大數(shù)據(jù)的規(guī)模和應(yīng)用深度早已不次于傳統(tǒng)的電信、民航等行業(yè)，甚至超過(guò)不少。因此筆者還是想寫(xiě)些東西淺談一下互聯(lián)網(wǎng)的大數(shù)據(jù)應(yīng)用，權(quán)當(dāng)拋磚引玉，也希望更多的朋友參與交流和討論。
　　首先，第一篇想談一下互聯(lián)網(wǎng)的用戶(hù)系統(tǒng)。無(wú)論互聯(lián)網(wǎng)還是移動(dòng)互聯(lián)網(wǎng)，本身具有很大的特性就是互聯(lián)，所以我們都可以稱(chēng)之為互聯(lián)網(wǎng)，或者說(shuō)移動(dòng)互聯(lián)網(wǎng)是互聯(lián)網(wǎng)的一個(gè)子集和延伸。
　　在傳統(tǒng)的電信、民航、能源等行業(yè)，企業(yè)的客戶(hù)和主體用戶(hù)構(gòu)成都是有身份ID的。比如電信行業(yè)中身份證登記的手機(jī)卡號(hào)，比如民航用戶(hù)乘坐航班登機(jī)的身份證或護(hù)照信息等，這些信息可以作為基本的用戶(hù)身份ID,便于企業(yè)對(duì)其用戶(hù)、客戶(hù)進(jìn)行身份辨別，并對(duì)后續(xù)的用戶(hù)行為進(jìn)行跟蹤和分析。傳統(tǒng)企業(yè)所存儲(chǔ)的用戶(hù)信息的很大優(yōu)勢(shì)在于完整性，很多先天的比如姓名、性別、年齡甚至籍貫等真實(shí)的基礎(chǔ)身份信息都可以簡(jiǎn)單獲得。而在互聯(lián)網(wǎng)上，用戶(hù)的訪(fǎng)問(wèn)都是匿名的，即使用戶(hù)在接入互聯(lián)網(wǎng)的時(shí)候使用的登記信息是實(shí)名的，但那主要是提供給電信服務(wù)商和公共安全機(jī)構(gòu)備案而用。普通的互聯(lián)網(wǎng)網(wǎng)站在用戶(hù)面前是完全透明的被"圍觀"的，這個(gè)狀況在web1.0 的主要產(chǎn)品--門(mén)戶(hù)網(wǎng)站中最為典型。到了web2.0 時(shí)代，互聯(lián)網(wǎng)開(kāi)始變得互動(dòng)起來(lái)，用戶(hù)從簡(jiǎn)單的匿名瀏覽，變成了可以通過(guò)注冊(cè)身份參與信息的制造和流通。這個(gè)時(shí)候，誕生了這個(gè)時(shí)代在談的互聯(lián)網(wǎng)大數(shù)據(jù)應(yīng)用中非常重要的一個(gè)非決定性條件--用戶(hù)身份系統(tǒng)。為什么說(shuō)是"非決定性條件"呢？因?yàn)?，在這之前，大量的數(shù)據(jù)分析也是可以做的，但是由于對(duì)用戶(hù)缺乏身份缺乏甄別，因此數(shù)據(jù)分析能夠應(yīng)用的場(chǎng)景和得到的數(shù)據(jù)都相對(duì)很有限，但并不代表不能做大數(shù)據(jù)分析。而web2.0 的用戶(hù)身份系統(tǒng)誕生，則使互聯(lián)網(wǎng)某種程度上具有了和傳統(tǒng)行業(yè)同樣的用戶(hù)身份記錄系統(tǒng)，數(shù)據(jù)統(tǒng)計(jì)和分析都可以更精準(zhǔn)和深入。其中，以騰訊QQ、新浪UC等PC桌面產(chǎn)品為代表的互聯(lián)網(wǎng)早期產(chǎn)品，應(yīng)該是建立了互聯(lián)網(wǎng)更早的用戶(hù)身份系統(tǒng)，我們也可以看到這些系統(tǒng)在其后續(xù)的web產(chǎn)品鋪開(kāi)時(shí)同樣被繼承了過(guò)來(lái)。
　　那么，互聯(lián)網(wǎng)的用戶(hù)身份系統(tǒng)，一般都具有哪些信息呢？
　　打開(kāi)任何一個(gè)網(wǎng)站，我們都可以看到注冊(cè)頁(yè)面需要填寫(xiě)用戶(hù)名/email,性別，年齡 等基本信息。當(dāng)然，不同的網(wǎng)站和互聯(lián)網(wǎng)產(chǎn)品有不同的用戶(hù)資料細(xì)化的程度。拿現(xiàn)在比較流行的幾款產(chǎn)品做比較，其他互聯(lián)網(wǎng)產(chǎn)品大多類(lèi)似：1. 新浪微博中用戶(hù)可以填寫(xiě)自己的昵稱(chēng)、頭像、真實(shí)姓名、所在地、性別、生日、博客地址、email、QQ/MSN、自我介紹、用戶(hù)標(biāo)簽、教育信息、職業(yè)信息……；2.騰訊QQ客戶(hù)端上可以填寫(xiě)頭像、昵稱(chēng)、個(gè)性簽名、姓名、性別、英文名、生日、血型、生肖、故鄉(xiāng)、所在地、郵編、電話(huà)、學(xué)歷、職業(yè)、語(yǔ)言、手機(jī)……
　　看起來(lái)還真不少，那么網(wǎng)站要用戶(hù)的這些信息會(huì)被干嘛用呢？
　　這里筆者劉三德認(rèn)為主要有以下幾點(diǎn)：1. 展示自我；2.作為唯一的身份ID用作用戶(hù)身份區(qū)別；3.搜索和推薦相關(guān)；4.網(wǎng)站自身可以做用戶(hù)分析和用戶(hù)行為跟蹤。展現(xiàn)自我放到第一位是因?yàn)檫@是從產(chǎn)品滿(mǎn)足用戶(hù)需求的角度決定的，用戶(hù)資料的首要任務(wù)就是為了作為用戶(hù)唯一的可識(shí)別身份標(biāo)識(shí)展示自我。其次，搜索和推薦相關(guān)這一點(diǎn)筆者劉三德計(jì)劃在后續(xù)用專(zhuān)門(mén)的篇章來(lái)寫(xiě)，此處簡(jiǎn)單理解即可。最后一點(diǎn)，也就是本文所關(guān)注的一點(diǎn)，就是用用戶(hù)身份來(lái)做數(shù)據(jù)分析。涉及到的用戶(hù)分析主要維度為用戶(hù)資料和用戶(hù)行為。同樣，用戶(hù)行為也計(jì)劃在后續(xù)篇章專(zhuān)門(mén)來(lái)寫(xiě)，本文著重討論一下用戶(hù)資料的分析。
　　可能行業(yè)內(nèi)的一些文章和老前輩的觀點(diǎn)，數(shù)據(jù)首先要量大、其次要有高的復(fù)雜度，才可以稱(chēng)為大數(shù)據(jù)。但筆者認(rèn)為，大數(shù)據(jù)在一維的層次上不一定具有很強(qiáng)的復(fù)雜度，大部分是由最簡(jiǎn)單的數(shù)據(jù)形式構(gòu)成。就譬如用戶(hù)資料，一個(gè)網(wǎng)站如果有一千萬(wàn)的注冊(cè)用戶(hù)，如果每個(gè)用戶(hù)的資料具有6個(gè)有效字段，就是6000萬(wàn)的有效數(shù)據(jù)。而將這6000萬(wàn)的有效數(shù)據(jù)通過(guò)一層或者幾層簡(jiǎn)單的統(tǒng)計(jì)疊加分析、交叉分析等，在計(jì)算上本身就具有了不小的復(fù)雜度。何況現(xiàn)今的互聯(lián)網(wǎng)產(chǎn)品，尤其社交類(lèi)產(chǎn)品如FACEBOOK,騰訊QQ、新浪微博等動(dòng)輒上億的注冊(cè)用戶(hù)，本身用戶(hù)系統(tǒng)就是一個(gè)非常具有價(jià)值的大數(shù)據(jù)。[page]
　　通過(guò)分析用戶(hù)系統(tǒng)可以得到什么呢？
　　當(dāng)然，用戶(hù)填寫(xiě)的注冊(cè)資料中包含的資料，都是最基礎(chǔ)的分析數(shù)據(jù)。還是用數(shù)據(jù)說(shuō)話(huà)，如下圖：

以上圖片來(lái)自互聯(lián)網(wǎng)
　　以上數(shù)據(jù)是第三方機(jī)構(gòu)公布的，而且都是最簡(jiǎn)單的一維數(shù)據(jù)，我們可以看到很多家網(wǎng)站的用戶(hù)資料對(duì)比（上面引用的部分?jǐn)?shù)據(jù)來(lái)源也可為線(xiàn)上調(diào)查問(wèn)卷等形式）。對(duì)于獨(dú)立的一個(gè)網(wǎng)站來(lái)說(shuō)，用戶(hù)資料的分析當(dāng)然只是局限在自己的網(wǎng)站范圍之內(nèi)。進(jìn)入互聯(lián)網(wǎng)web2.0 時(shí)代以后，大家都開(kāi)始更加重視用戶(hù)和用戶(hù)體驗(yàn)，對(duì)于網(wǎng)站自身用戶(hù)的特征進(jìn)行分析，可以更好的網(wǎng)站的用戶(hù)特性分布，方便針對(duì)網(wǎng)站的用戶(hù)群特點(diǎn)更有針對(duì)性的進(jìn)行對(duì)應(yīng)的產(chǎn)品設(shè)計(jì)和研發(fā)。比如通過(guò)了解用戶(hù)的消費(fèi)層次等，也可以更好的提供用戶(hù)消費(fèi)相關(guān)展示和服務(wù)。
　　那么，無(wú)用戶(hù)身份信息的互聯(lián)網(wǎng)是否不再大數(shù)據(jù)？--不用注冊(cè)的用戶(hù)身份系統(tǒng)的。
　　可能有的朋友會(huì)對(duì)這個(gè)話(huà)題存疑問(wèn)，也可能有的朋友會(huì)驚恐，認(rèn)為隱私泄露了，其實(shí)這里的應(yīng)用也非常簡(jiǎn)單。在類(lèi)似傳統(tǒng)的web1.0 門(mén)戶(hù)類(lèi)以展示為主的互聯(lián)網(wǎng)產(chǎn)品中，也是可以做數(shù)據(jù)的分析和挖掘的，而且也有比較成熟的方案。是否有朋友曾經(jīng)經(jīng)歷過(guò)以下場(chǎng)景：在百度上搜索汽車(chē)、查了半天汽車(chē)資料，一個(gè)小時(shí)以后再隨手打開(kāi)的一個(gè)圖書(shū)閱讀網(wǎng)站上居然出現(xiàn)了"汽車(chē)廣告".其實(shí)，即使我們沒(méi)有在這些網(wǎng)站上注冊(cè)，百度等搜索引擎本身還是可以為用戶(hù)標(biāo)識(shí)一個(gè)唯一的身份信息，雖然這個(gè)身份信息只是臨時(shí)的，可能有效期也只有幾天左右。但是，這依然是一種唯一的用戶(hù)身份，只不過(guò)是記錄的信息有限而已，但是仍然為用戶(hù)行為分析提供了很大的幫助。感興趣的朋友可以搜索"google adsense隱私政策" 進(jìn)行相關(guān)了解，此處不在贅述。
　　用戶(hù)資料系統(tǒng)方便了一系列的大數(shù)據(jù)挖掘
　　除了傳統(tǒng)的互聯(lián)網(wǎng)桌面端和web端產(chǎn)品，最近幾年突飛猛進(jìn)的移動(dòng)互聯(lián)網(wǎng)以及終端應(yīng)用，基本也都有完備的用戶(hù)信息系統(tǒng)。apple蘋(píng)果公司做了app store,迄今為止的應(yīng)用下載次數(shù)突破250億次，而每一次的下載都需要使用唯一的用戶(hù)ID,通過(guò)分析，蘋(píng)果可能比你父母更加了解你想要什么--這屬于用戶(hù)行為分析范疇，后續(xù)將專(zhuān)門(mén)討論。
　　總之，用戶(hù)身份和資料的分析是互聯(lián)網(wǎng)大數(shù)據(jù)分析中最基礎(chǔ)的分析，用戶(hù)身份系統(tǒng)在互聯(lián)網(wǎng)的大數(shù)據(jù)時(shí)代，為后續(xù)的用戶(hù)行為分析和對(duì)應(yīng)的企業(yè)產(chǎn)品、服務(wù)設(shè)計(jì)提供了基石，也為更加深入的數(shù)據(jù)挖掘奠定了基礎(chǔ)。