隱式挖掘網站用戶行為_ 數據分析師

如何了解用戶需求？根據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，所以為了保證結果準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生四類關鍵數據：鼠標移動軌跡、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，同時利用訪問的網頁次序可以找出網頁之間的隱性關系。
       收集數據
1. Web服務器的日志（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. 自己開發的第三方軟件/插件（需求自定義）
       大型網站通常會把以上三種方法組合應用，大致原理就是給進入網站的用戶賦予身份識別，每次產生交互動作就向服務器發回請求，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）
      過濾數據
1. 明確目標，定義核心數據。
2. 界定用戶行為，利用多數人的行為來消除個人行為的主觀性。
3. 對用戶進行歸類，確定數據類別
      大型網站每天所產生的數據量是驚人的，所以常規需求一般都是定時或定量的分析。另外，額外的數據處理會減慢網站的速度，搜集的數據越多，潛在的負面影響越大。
       習慣分析
1. 對用戶瀏覽過的頁面進行內容分析，根據信息主題對頁面進行聚類。
2. 聚類過程中除了考慮頁面內容相近程度，還應該考慮頁面路徑。
3. 把用戶瀏覽行為對其興趣的作用列入聚類結果，得到綜合評估模型。
      用戶興趣分偶然和穩定兩種情況，其中偶然可以認為是隨機變化的，穩定的挖掘又有基于內容和行為兩種方式，在內容上表現有重復度、相似度等，在行為上表現有停留時長、點此次數、拉動滾動條次數等。
        實際案例
        類似系統、瀏覽器、分辨率的客戶端分析，常見而且簡單，略過。
        關于鼠標軌跡、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、動作曲線等一手數據，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的點擊分布監控統計，主要檢查信息呈現的易用性，看看有沒有偏離設計初衷，經常更新，找到規律。
        處理特定用戶行為、用戶群、用戶來路的任務流例子：
1. 監控分布式注冊流程，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. 監控不同模塊入口過來的注冊用戶，能夠統計出各模塊導入的有效注冊量、百分比、成功率，以便合理調配資源。
3. 監控投放廣告過來的注冊量、注冊成功率、轉換付費用戶成功率，以便明確廣告的投入產出比。
4. 監控用戶的縱深瀏覽行為，是測試導航可用性很好的辦法，也就是說用戶會不會在你的網站內迷路？
         再次強調，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，完全通過技術手段拿到我們想知道的數據，再通過理論分析來改進產品。
       之前在某上市公司全程參與了類似系統的開發，最艱難的部分還是在如何獲取數據的基礎建設階段，但終歸是一勞永逸的事情，對以后的發展有益無害。（文章來自：CDA數據分析師）