關於隱式挖掘網站使用者行為的分析

關於隱式挖掘網站使用者行為的分析[@more@]

如何瞭解使用者和需求

　　如何瞭解使用者需求？根據使用者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，有很大侷限性，所以為了保證結果準確性以及提高使用者接受度，一般都採用隱式。

　　使用者的日常互動行為會產生四類關鍵資料：滑鼠移動軌跡、連結點選分佈、頁面瀏覽流、頁面停留時間。透過使用者的行為能反映使用者的觀點，同時利用訪問的網頁次序可以找出網頁之間的隱性關係。

　　收集資料

　　Web伺服器的日誌（使用者會話記錄）

　　Web trends或類似的第三方共享軟體（客戶端分析，流量分析，可用性分析）

　　自己開發的第三方軟體/外掛（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使用者賦予身份識別，每次產生互動動作就向伺服器發回請求，透過時間和頁面判斷連線各個請求點並且記錄下來。（演算法不討論）

　　過濾資料

　　明確目標，定義核心資料。

　　界定使用者行為，利用多數人的行為來消除個人行為的主觀性。

　　對使用者進行歸類，確定資料類別。

　　大型網站每天所產生的資料量是驚人的，所以常規需求一般都是定時或定量的分析。另外，額外的資料處理會減慢網站的速度，蒐集的資料越多，潛在的負面影響越大。

　　習慣分析

　　對使用者瀏覽過的頁面進行內容分析，根據資訊主題對頁面進行聚類。

　　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。

　　把使用者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。

　　使用者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，穩定的挖掘又有基於內容和行為兩種方式，在內容上表現有重複度、相似度等，在行為上表現有停留時長、點此次數、拉動捲軸次數等。

　　實際案例

　　類似系統、瀏覽器、解析度的客戶端分析，常見而且簡單，略過。

　　關於滑鼠軌跡、點選分佈的可用性例子：

　　跟蹤使用者在進行檢索時的滑鼠移動軌跡，可以獲取使用者操作的先後順序、熱點功能、動作曲線等一手資料，這些都是改善或簡化表單的重要參考。
在重要的頁面進行詳細的點選分佈監控統計，主要檢查資訊呈現的易用性，看看有沒有偏離設計初衷，經常更新，找到規律。

　　處理特定使用者行為、使用者群、使用者來路的任務流例子：

　　監控分散式註冊流程，能夠看到有多少使用者填了表單、填完了表單，或者在某個步驟有異常流失。

　　監控不同模組入口過來的註冊使用者，能夠統計出各模組匯入的有效註冊量、百分比、成功率，以便合理調配資源。

　　監控投放廣告過來的註冊量、註冊成功率、轉換付費使用者成功率，以便明確廣告的投入產出比。

　　監控使用者的縱深瀏覽行為，是測試導航可用性很好的辦法，也就是說使用者會不會在你的網站內迷路。