數據“慧”說話∶用校園網數據繪制用戶畫像

文/陳勞 張建華 周林志

?

數據“慧”說話∶用校園網數據繪制用戶畫像

文/陳勞 張建華 周林志

在網絡普及廣度和深度逐步增加的時代，校園網成為高校師生日常使用頻次很高的一個接觸點、聚集地，每天會由此產生大量的數據。想不想知道哪個星座哪個系的最愛上網呢？本文通過愛上網的互聯網“原住民”在校園網登錄日志數據的分析，對用戶屬性與上網時長相關性的探索，來了解和關注互聯網“原住民”，并繪制出進一步清晰的互聯網“原住民”畫像。每一張畫像，都是有價值的，能夠為管理部門的管理決策支撐起到一定的參考作用。

用戶畫像技術（做框起來的圖表）

用戶畫像是用戶的標識，用來認識用戶并確定如何對待這些用戶——他們喜歡什么時候上網、在哪兒上網、買的哪個套餐最多、是夜貓子還是起得早。比如說一個用戶：男，19 歲，大一，每個月上網消費200元，總喜歡晚上上網，總喜歡在宿舍上網，喜歡看電影。這樣一串描述即為用戶畫像的典型案例。如果用一句話來描述，即：用戶信息標簽化。如果用一幅圖來展現，即如圖 1 所示。要的數據建立數據倉庫，根據不通的標簽主題建立相應的數據集市，通過每個數據集市分析出用戶的一個或者多個標簽項最后展現出來，本文通過將校園網6年記錄的8000萬條上網日志數據以及數據中心中用戶的屬性數據作為研究基礎，針對此次畫像建立一個數據倉庫，按照用戶生肖、用戶星座、用戶院系、用戶部分上網時段、用戶生源地等標簽屬性建立5個數據集市，利用ETL工具將指標數據化，最后利用數據挖掘算法中的概念對數據進行分析。

用戶畫像技術是指將用戶標簽化的標簽內容進行拆解，利用數據挖掘技術針對用戶畫像標簽內容進行處理，最后得出標簽的數據模型并將數據進行語義翻譯解釋后描述用戶特征的一種分析技術。

用戶畫像的核心工作是為用戶打標簽，這些標簽也是用戶數據分析的基礎字段，按照展現這些標簽指標，將所需

圖1　用戶畫像圖

圖2　生肖人數分布統計圖

圖3　用戶生肖上網排名

圖4　生肖上網人數時段分析

圖5　星座上網情況統計

圖6　生肖星座二元組的時長排名前十

圖7　生肖星座二元組的時長排名后十

圖8　學院上網時長排名前十

圖9　學院上網時長排名后十

校園網用戶畫像分析

疑問一：誰是上網時長生肖之王？

十二生肖作為春節的吉祥物，是中國傳統文化的象征，同時也成為娛樂文化活動的象征。為了探求生肖對上網行為的影響，做出如下數據分析。

1，生肖與上網時長及流量分析

首先把全部樣本按照用戶生肖屬性分類，統計出各個生肖對應的人均上網時長和流量，分析結果如圖2所示：

由圖2易知，屬鼠（11%）和馬（10%）總人數最多，分別居第一、二位，而屬虎（6%）、豬（7%）、牛（7%）和狗（7%）的總人數相對少，但總體人數較為平均，每年招的人數差不多屬于同一個生肖。

通過圖2柱狀圖可以發現上網時長從高到低排名，前四名屬相依次為狗、豬、雞和猴，后四名為兔、龍、虎、蛇。從上網流量來看，屬狗的用戶明顯高于其他屬相，而屬相為牛的用戶最少。因此綜合上網時長和流量來看，屬相是狗的師生上網行為最活躍，而屬兔的師生上網行為最不活躍。

2，生肖之王哪個時間段上的最多？

本小節將生肖之王的上網時間根據上課時間和休息時間，分成九個時間段如圖3所示。

由圖 4可知，一天24小時中，屬狗的用戶上網行為最活躍的師生們上網人數呈倒“U”型分布。8：00—10：00時間段上網人數突然增多，之后時間段不斷增加，17：00時上網人數最多，然后緩慢減少。說明大部分的用戶在早八點到晚十點上網比較集中。

疑問二：誰是網蟲星座？

星座已經成為一種流行文化，占星學認為天象依“上行、下效”原則反映、支配著人類活動，十二星座代表了十二個基本人格型態或感情特質。

通過將學校用戶星座與上網時長和流量進行分析，數據如下圖。從數據看，所有人平均上網時長普遍分布在2000-2500小時。其中魔羯座時長最少（1665小時），從某種意義上可以表明穩重謹慎的性格與上網時長有關聯。

從平均上網流量看，處女座顯著高于其他星座（約400GB）八倍左右，達3500GB；金牛座排在第二位，人均流量1000GB。綜合平均上網時長和流量來看，上網行為最活躍的是處女座、金牛座和雙子座，最不活躍的是摩羯座。

“獅子狗”是上網時間最長么？

將12生肖與12星座排列組合，通過生肖和星座的二元組合統計出上網人數，來進行比較分析生肖和星座二元組上網時長前10和倒數10名的組合，如圖6、圖7所示：

由圖6易看出屬狗的處女座的平均上網時長居首位，遠遠多于其他屬相。其原因可能有二：其一是從圖2可知，屬相為狗的師生上網時長和流量是全校個屬相中做多的；其二是因為屬狗的人群在我們統計時限中停留的上網時長最久；而在上網時長的生肖星座TOP10中，狗與各星座匹配的占1/2，顯然，再一次證明了屬相為狗的愛上網。

由圖7易看出屬鼠的摩羯座的平均上網時長最少，遠遠少于其他屬相。其原因與其屬相性格有著密切的聯系。屬鼠的人工作努力，生活節儉，這樣就不會把太多的時間浪費在互聯網中。并且摩羯座穩重謹慎，再一次證明了其上網時長短的原因。

表1

表2

表3

表4

表5

表6

疑問三：誰是上網時長院系之王？

哪個院系的上網時長最長？哪個院系的上網流量最多？圖 8、圖 9分別代表學院總體上網排名前十名和后十名的院系。從圖表看，各個系的上網情況差異較大，大多院系時長分布在1000—1700小時。

作為一個工科學校，工科學生上網時間一定最長么？從圖中可以看出文科的G系的平均上網時長最長，與計算機接觸最多的R系人均上網時間最短。因此建議上網時長較長的院系尋找學生長時間上網的原因，若是學習需要，建議合理安排學習時間和節奏，減少電腦輻射危害等。若是沉迷網絡，應采取措施加以限制，如強制下線、在某一時點斷網等。

秉燭“網”游（00∶00-4∶00）和聞雞起舞（4∶00-6：00）

互聯網“原住民”睡得晚起得早，這些時間段內的用戶有啥特征呢？本文將00點到4點上網的用戶定義為秉燭“網”游型，4點到6點上網的用戶定義為聞雞起舞型，這兩類用戶有啥特征呢？

1.秉燭“網”游（00∶00-4∶00）

由表1看出，盡管現今學校男女比接近7：3，秉燭“網”游的男女比接近2.68：1，從表2、表3、圖10說明工科學校男生還是熬夜主力，熬夜主力中屬馬的，生肖是天枰的比較多，EC系熬夜多。

2.聞雞起舞型（4∶00-6：00）

由表4看出，盡管現今學校男女比接近7：3，秉燭“網”游的男女比接近2.68：1，從表5、表6、圖11可以得出屬猴的人喜歡早起上網，HG學院（工科）早起人數排名第一。

生源地與上網時長的關系

從圖12中可以看出，深顏色表示上網時長比較長的，淺色的表示上網時長比較短的，來自北京的學生平均上網時間最短，究其原因有兩個，一個是招生人數多，二是周末北京的學生一般都回家，所以時間短，非北京的生源中來自西藏的學生上網時間最長。

圖10　0到4點在線用戶院系前十

圖11　4點到6點上網人數院系排名top10

圖12　生源地和上網時長分布圖

了解這些數據的意義

通過上述的數據分析方法，從生肖、星座、院系、時間段以及生肖星座二元組不同的維度，為互聯網“原住民”進行數據畫像，形成了較為生動、清晰的輪廓：從生肖來看，愛上網的互聯網“原住民”大多是屬狗、豬、雞、猴；從星座來看，愛上網的互聯網“原住民”大多是處女座；從生肖與星座二元組合來看，愛上網的互聯網“原住民”大多是屬狗的處女座與屬狗的射手座；從上網熬夜來看，愛上網的互聯網“原住民”大多是男生；從生源地來看，愛上網的互聯網“原住民”大多是家離學校比較遠的地區的大學生。

通過這些隱藏的秘密，有助于學校管理部門制定合理使用網絡的規章制度，例如控制上網的時間，在某一時間段實行強制下線，或者在某一時間斷網等。同時有助于老師輔導員通過強有力的數據來引導剛剛跨進大學校門的新生，正確使用網絡，防止沉迷網絡游戲中而無法自拔；最后有利于學生自身通過學長學姐的上網數據，制定出適合自己的上網時間，合理安排上網時間來促進學習成績的提高。

（作者單位為北京航空航天大學網絡信息中心）