基於使用者位置資訊的行為分析

呂建奎發表於2015-11-02

原文網址 : https://blog.csdn.net/lvjiankui_wwx/article/details/49583063

基於使用者位置資訊的行為分析

1、位置資訊獲取和儲存

傳送位置資訊時序：
基本技術方案步驟
1. 服務端根據業務需求定時向客戶端推送特定訊息(需要服務端、客戶端一起定)
2. 客戶端接收到推送的訊息不向使用者展示任何內容
3. 客戶端通過Baidu定位API得到使用者當前的的地理位置
4. 客戶端把地理位置傳送給服務端
5. 服務端儲存地理位置
6. 服務端定時或者根據不同的需求分析使用者的行為資訊
7. 客戶端請求服務端相關的資料，服務端根據上次位置資訊分析的結果給使用者返回特定的資料

1.1 獲取

使用者位置資訊主要通過Android或者IOS客戶端呼叫百度定位API獲取

1.2 儲存

客戶端是否獲取到定位資訊後直接傳送給服務端？
- 直接傳送
  
  會造成客戶端電量浪費嚴重，服務端壓力暴增。
  客戶端不儲存任何使用者位置資訊
- 不直接傳送
  
  省電，減少服務端壓力，但是增加客戶端複雜度
  客戶端儲存使用者的位置資訊
  如果長時間沒有向服務端傳送儲存的位置資訊，可能造成較早資料丟失
服務端儲存

資料庫或其他方式儲存，服務端需要儲存海量使用者位置資訊

2. 位置資訊分析

位置資訊分析的工作主要在服務端。

2.1 使用者基本資訊。

如家和公司的位置。以座標進行聚類，再輔助時間，假設白天為公司，晚上為家，可以得到該使用者的家和公司的位置。如果根據座標可以找到相應的小區、公司名、學校名，就可以粗略知道該使用者的家庭住址和工作經歷。

由於有一部分人會違反1中白天在公司，晚上在家的假設，可以根據某個原則，如晚上3點到4點，座標變化很小的，認為是家，來把這部分人挑出來，重新分析。
特定時候的特定行為。如年假期間，可以猜測老家。

2.2 社交關係。

根據1中的使用者標籤，對使用者進行關聯分析。如公司標籤相同的兩個使用者，如果飯點的運動軌跡相同，可以猜測他們關係不錯。

2.3 使用者行為分析。如社交活動。

如果有了使用者的社交關係，結合地理標就可以進行行為分析了

2.4 使用者行為預測。

比如你最近一個月每天中午都去某個飯館吃飯，我可以預測你今天中午也會經過同樣的路線到同樣的地方吃飯。甚至預測你最近會結婚、生娃、離婚。

以後涉及到的隱私問題，就看企業自律了。一般來說只分析到家地理分割槽，而沒有獲取到具體門牌號時(無論是分析還是使用者自己填寫)，是不會涉及隱私問題的。國外某公司的做法是，可能採集使用者姓名、地址，但不會提供給商家(BlueKai.com)。

3. 演算法

使用百度SDK或者使用特定的演算法(當然要商用還得複雜地建模、複雜的演算法)分析使用者活動軌跡.

3.1 K-means演算法

定義：K-means演算法是硬聚類演算法，是典型的基於原型的目標函式聚類方法的代表，它是資料點到原型的某種距離作為優化的目標函式，利用函式求極值的方法得到迭代運算的調整規則。K-means演算法以歐式距離作為相似度測度，它是求對應某一初始聚類中心向量V最優分類，使得評價指標J最小。演算法採用誤差平方和準則函式作為聚類準則函式。

K-means演算法百科

K-means演算法