互聯網大數據應用：淺談用戶行為分析

寫在前面的話，筆者最近一直想寫一寫關于大數據的博客與大家討論，但是大數據本身并不是筆者劉三德關注的主要方向，因此一直唯恐寫得太淺或太局限而缺乏價值。最近看了謝老師的一篇“聚沙成塔 集腋成裘——四談大數據時代”文章，通讀全文以后筆者認為其文學價值要大于實用價值，因此筆者對于謝老師的文采還是比較贊賞的。當然，若此文放在三四年前的互聯網，也較能彰顯其價值。但是對于今日的互聯網和移動互聯網，大數據的規模和應用深度早已不次于傳統的電信、民航等行業，甚至超過不少。因此筆者還是想寫些東西淺談一下互聯網的大數據應用，權當拋磚引玉，也希望更多的朋友參與交流和討論。

近日，又看到一則新聞，文中來自國外同行的分析觀點，稱“互聯網大數據蘊藏的財富堪比石油”?？赡苡行┡笥褧杏X有些夸大，筆者一度也是如此認為。但后來轉念一想，就像在前文提到的，蘋果的app store通過用戶的下載等行為，可能做到比用戶自身還要了解其客觀喜好一樣。每一個個體的人有的時候，不一定那么了解自己，上升到社會層次，在一個范圍內的人類群體，有些時候也不一定那么了解自身。而通過分析很多用戶的行為以及因應效果，應該是可以做到某些方面的趨勢預測的。關于預測，筆者劉三德計劃在接下來的文章中再去討論，本文主要從互聯網大數據分析的重點——“用戶行為分析”入手簡單談一下認識。

在很多前輩和業內朋友的文章中，談到互聯網大數據，其實很多的都是提到了用戶行為這個最典型的數據系統。目前眾多的大數據來源中最為重要也最有價值的兩類應屬于：“行為”與“內容”——基于用戶身份系統之上產生的兩類數據。

由于互聯網用戶行為比較多種多樣，而且在不同功能、不同體驗的產品上也有很大不同，因此，要以一篇文章概述所有的用戶行為構成還是很難的，而且由于關注產品和范圍有限，筆者也很難總結全面所有的互聯網用戶行為構成和其特性。但本著少談大方向和大趨勢多談實際應用的想法，仍然希望本文能夠從一些簡單的，具有共性和通用性的典型互聯網用戶行為入手做一些討論。

目前，互聯網用戶的主要接入媒介分為：PC 和手機、智能平板等移動和不可移動終端。而用戶行為的產生方式和載體來源一般包括以下幾點：

1. 眼球，眼動行為?；诖朔N用戶行為的分析在國外還是比較流行的，老外對于用戶的研究可以說更加先進和傾向于極致。目前在國內的很多領域也有類似用戶研究的應用，感興趣的朋友可以去搜下。通過研究用戶的眼球移動和停留等，產品設計師可以更容易了解界面上哪些元素更受用戶關注，哪些元素設計得合理或不合理等。此外，通過優化多個用戶操作界面也可以相應的優化用戶操作體驗流程。

2.鼠標，點擊和移動行為。從鼠標誕生之后，互聯網上最多的用戶行為應該都是通過鼠標來完成的，因此，分析用戶行為時分析鼠標是必須要分析的。除了鼠標點擊行為以外，鼠標的移動軌跡也可以被記錄和分析。目前國內外很多大公司都有自己的系統，用于記錄和統計不同程度上的用戶鼠標行為。此外，據了解，目前國內的很多第三方統計網站也可以為中小網站和企業提供鼠標移動軌跡等記錄。

3.鍵盤等其它設備的輸入行為。此類設備主要是為了滿足鼠標不能通過簡單點擊等進行的如大量內容輸入等場景。鍵盤的輸入行為不是用戶行為分析的重點，但鍵盤產生的內容確是大數據應用中內容分析的重點。

4.其它終端的觸摸和點擊等行為。此類設備目前主要是作為鼠標和鍵盤的替代品，在大多產品中都是如此。但新興的多點觸控等技術將能夠產生更加復雜的用戶行為，在某些特定產品中，也有必要對此類行為進行記錄和分析的。

基于以上媒介，用戶在不同的產品上可以產生千奇百怪，形形色色的行為。我們就可以通過對這些行為的記錄和分析更好的在產品設計、產品運營、產品市場與盈利、用戶體驗、用戶需求等互聯網產品的關鍵點之間進行權衡。

對于用戶產生的行為，筆者劉三德認為可以從兩個大方向分：消費行為、貢獻行為。從技術層面上講，前者主要是輸出——數據下行，后者主要是輸入——數據上行。雖然實際應用中，并不是如此簡單，有很多時候我們可以看到用戶的消費和貢獻行為并不是那么清晰可分的，有的時候用戶的消費行為本身就是一種貢獻！所以，在總結用戶的貢獻行為時，除了用戶的直接貢獻行為以外，將另一類貢獻行為稱之為——群體和持續性消費行為而產生的貢獻行為。

圖：互聯網用戶行為簡析（作者：劉三德）

還是之前那個觀點，互聯網的大數據不是一定要復雜才可以稱作大數據。在一維的層次來看，都是直接數據，而且大多都是最簡單的數據記錄集合。在上圖中，試著將互聯網典型的用戶行為進行了一定的分類和歸納，必定也不夠全面，而且圖中標出的用戶行為也基本都是一維的直接用戶行為。但是通過對這些數據進行不同方法的建模和推導分析，則可以得出千變萬化的數據結果——這才是真正的互聯網大數據應用。

那么基于用戶行為分析，我們可以做什么？——這是核心問題，也就是我們做大數據分析的目的，為了什么？

其實，如果一直在參與互聯網產品生產流程的業內朋友必然都了解，互聯網產品生產的大致流程和一些關鍵的部門構成：產品部門、技術部門、運營部門、市場部門、此外還有一個大部門叫做BOSS（老板的決策層）。其中產品和技術部門是主要的產品生產部門，運營和市場部門則是將產品進行推廣和盈利的部門。而這些部門構成的生產流程中又會有很多關鍵的細節，其中每一個點如果都有量化數據的支持，無疑將對決策產生很大的指導和斧正作用。我們試著從其中挑選幾個步驟和應用場景簡要舉例：

1. 產品設計與營銷。產品經理和設計師不是萬能的，也不一定都是人中的人精——喬布斯只誕生了一個。要做好的產品設計，就要不斷的聽取用戶意見，不斷的調研用戶需求并進行分析，得到最適合和滿足用戶需求和產品特性。除了直接的用戶調研，數據分析得到的結果支持是很重要的一個渠道。因為有的時候，用戶也不知道他到底想要什么，但是從用戶的行為中，我們或許可以分析出來他不了解的自己。比如通過對微博用戶分析，得知用戶在每天的四個時間點：早起去上班的路上、午飯時間、晚飯時間、睡覺前 是最活躍的。因此，掌握了這些用戶行為，企業就可以在對應的時間段做某些針對性的推廣和營銷等。

2. 產品客戶群定位或細分。并不是所有的產品都是服務于全網用戶的，即使對于細分產品，也是有更細致和精確的用戶特性可以供提煉分析。除了前文用戶資料系統之外，用戶行為是更重要的一個分析手段。比如對于電商網站，通過對用戶的消費行為和貢獻行為產生的數據進行分析，可以量化很多指標服務于各個生產和營銷環節。比如我們常說的：轉化率、客單價、購買頻率、平均毛利率、用戶滿意度等一系列量化的指標。

3. 商業分析與盈利模式調整。目前比較流行的一個詞是商業智能，在大家通常所提及的商業智能應用中，最重要的一個數據來源就是用戶行為。由于商業智能本身是一個很大的話題，本文不再細致討論，目前商業智能的應用在國內的互聯網領域已有不少應用，很多應用在大公司和消費類產品平臺上。

4. 推薦系統。這是一個存在一些爭議的話題，有人看好有人唱衰。據筆者劉三德了解，商業智能中很重要的一個應用案例就是推薦系統。后續有時間的話，愿意和感興趣的朋友一起討論下推薦系統相關。

最近幾年，互聯網的產品呈現出一輪爆發性發展態勢。尤其是移動終端的普及，使得很多傳統的互聯網產品也開始移動化。但截止目前來看，筆者認為產品載體的豐富對于很多傳統的互聯網產品來說，并沒有帶來質的改變，移動終端的產品大多是互聯網已有形態的延伸。也就是說移動互聯網的很多產品在用戶行為的統計和利用上，仍與傳統的互聯網區別不大——從這個角度來說，我們沒有落伍。