基于大數據的網絡用戶行為分析

尚紅

摘要：由于網絡通信信息技術及相關計算機技術的不斷發展，網絡的大環境也開始變得越來越復雜，云計算等相關網絡技術的廣泛應用，造成主機的邊界和網絡的相關技術也開始發生變化，變得比較的動態化以及模糊化。在進行信息搜索的過程當中，因為絕大部分的使用用戶會將搜索引擎當做自己進行搜索自己需要的信息的首個選擇方式，它可以把比較混亂、沒有規章的信息規范整合，給用戶建設一套條理清晰的索引文檔體系。本文內容主要是先從整體上研究網絡大數據的相關概念以及主要特征，進一步分析大數據給用戶的行為都帶來怎樣的影響，并且立足在大數據的網絡基礎之上對用戶的相關行為進行了進一步的分析與實證研究。

關鍵詞：大數據;網絡用戶行為;數據分析

一、大數據網絡研究的背景和現狀

（一）研究背景

計算機以及云計算等相關網絡專業技術的不斷發展，使得行業應用下出現的數據資料開始呈現急劇性的增長，相關數據資料的飛速增長代表著人類社會已經從原本的信息化時代開始走向網絡大數據的時代。大數據正在悄悄的對我們的生活以及工作等各方面產生一個大的改變，它不但在相關的民生信息數據統計以及消費者相關行為的預測方面都有著巨大的促進作用，同時對于互聯網的網絡安全來講，也是一個很重要的保障工具。所以，怎樣設計出來一套有成效的用戶行為分析模式，并且還是立足在大數據的基礎上面，這個研究內容是十分重要的。

（二）研究現狀

網絡用戶的行為詳細的去講，其實就是用戶在進行登錄網站，使用網絡后的一切行為活動，例如進行信息的搜索、在相關購物平臺的上的購物以及觀看新聞、玩游戲等等行為，其只要在網站上發生就會產生相應的數據，而且隨著現代網絡用戶數量的不斷上升，其網絡數據也開始變得更多。我們之所以要對使用網絡的用戶行為進行進一步的分析，是因為我們可以通過相關的數據支撐，發現掩埋在用戶行為當中的用戶習慣行為特征，這些特征能夠準確的反射出來用戶最根本的需求以及她的一些興趣習慣。在了解到他們的最根本的內在信息需求的時候，電商就可以通過他們的興趣與實際需求給用戶推送提供一些合適的產品，就可以迅速的提升用戶的購物效率，同時也可以為電商自己創造下極為巨大的利益。

二、大數據的概述

（一）大數據的定義

大數據也可以稱之為巨量資料，主要指的開始通過新處理的網絡模式產生更為有效的決策、洞察與進一步優化提升流程水平的大量、超高增長率以及多元化的相關信息資產。

早就在1980年這一年里，聞名世界的未來學家，即阿爾文·托夫勒就在自己的書中高度贊揚了大數據，不過一直2009年，“大數據”開始在互聯網行業中慢慢開始流行起來，變成了一個專業的網路信息詞匯。現階段給大數據的定義還是主要集中在它的主要特征上面，即具有實時性，并且信息呈現多元化的趨勢。

（二）大數據的特點

從海量多元化的數據中，迅速的獲取到具有價值的相關信息的能力，也就是我們所說的大數據網絡技術。知道這一點是非常重要的，也是因為這一點所以才使得這個專業技術擁有著對用戶進行進一步分析的潛在能力。大數據整體上是有五大特點，也被稱之為5V，即大量性特點、高速性特點、多樣性特點、價值性特點以及真實性特點。

1.大量性（Volume）

數據的體量是十分巨大的，它從TB這個級別，跳躍提升到PB這個等級。

2.高速性（Velocity）

處理的速度是非常迅速的，并且存在著“1秒定律”，也就是說對于處理的速度方面是有一定標準要求的，正常情況下需要在秒級的時間規定內分析并得出相關結果，這也是大數據這個專業技術與傳統性質的數據挖掘相關的技術最為本質的不同之處。

3.多樣性（Variety）

數據的類型是多元化，多種多樣的，比如網絡娛樂、網絡視頻以及地理位置等多種網絡服務都是能夠產生許多的文字、視頻、語音、圖畫以及地理位置等多種多樣的相關數據信息。

4.價值性（Value）

它的價值密度相比較來說是比較低的，我們通過視頻進行舉例說明，持續性的監控的整個過程當中，有用的數據只占到其中的一兩秒的時間。但是我們合理的去使用大數據，并且針對具體情況具體實際的進行分析，還是會產生比較高的價值同等回報甚至超出的回報的。

5.真實性（Veracity）

追尋高質量對大數據來講是比較高的一項挑戰，即便是最為優秀的數據清理手段面對一些數據，也是沒有辦法抹除掉它們本身一直存在的一種不可預測的特性。比如，人自身存在的情感以及誠實、天氣的具體狀況、經濟的相關因素和未來的情況等等，所以我們要對大數據進行相應的完善工作。

（三）大數據的意義

當前的社會本身的發展速度是非常快的，由于科學技術的進一步發展，信息的廣泛溝通，人與人之間的聯系越來越頻繁，生活質量也呈現一個向上增長的趨勢，在大數據中進行分析找尋到比較合適的模式，能夠協助用戶更快的適應社會的不斷變化，并且根據實際情況做出一個比較準確的決定，同時可以用最快速的可能對自己現在的行為進行相應的判別。

三、分析網絡用戶行為

（一）其行為的必要性

網絡的用戶相關行為主要是指用戶在進行使用網絡所需要的資源的時后能夠展現出來的規律特征。一般情況下是需要將用戶使用的網絡資源的相關數據全部登記下來、統計并進行一定的分析工作，能夠把發現的規律跟相關產品或電商服務的有關經營戰略完美的結合在一起，可以進一步的提升服務質量以及有利于經營戰略等方面的策劃。

（二）其行為的界定

我們從大數據的整體角度出發，針對網絡用戶的相關行為盡心具體的分析，第一步是需要重新確定網絡用戶的行為當中內部的組成結構。

1.用戶群特征分類。

在對網絡的用戶群體進行分類的時候，不能簡單的知識通過年齡或者從事的職業去進行分類工作，而是應該從不同方面的維度，先獲得用戶的具體行為方面的數據以后，再針對其數據進行更為詳盡的細分處理。

2.用戶對產品的使用率。

針對網站類別的相關產品，其中的數據使用主要其查看信息的點擊數量、訪問數量、點擊比率、訪問比率以及在某一頁面停留的時間長短等等多方面;針對在網上購物的相關產品，其中的數據不僅僅包括上方說的數據，還包括一些咨詢率以及二次進行購買的幾率等等多個方面。

3.用戶使用產品的時間。

就是用戶在進行使用這個產品的時候通常都是在每天的哪個時間段，比如說公眾號進行推送文章，就需要分析多數用戶經常是在什么時候會打開文章。

（三）其行為的分析方式

在獲取到網絡上的用戶行為的相關數據以后，就應該進行下一步的分析工作，主要分析的方法有三種：

1.以數據分析為導向。

以數據分析為導向這個方法含義主要是指在進行大數據分析的具體過程當中，需要收集有關的行為數據，才能做出進一步的有關用戶的推薦服務等個性化設計。

2.以產品設計反饋為導向。

以產品設計反饋為導向這個方法，主要是側重于應用數據監測、分析以及整理有關用戶的相關數據，向產品的健全設計或者進一步改進服務方面的大數據分析。

3.以用戶調查為導向。

通過把用戶的調查作為其中導向之一，側重于基礎性的相關數據分析，例如用戶的基本動作內容分析就能夠從其在網頁停留長短等方面去分析。

四、對大數據下用戶行為的研究分析

（一）其分析方面

現在，電子商務這一方面匯集了大量的網絡用戶行為分析信息，在這一方面用戶的數據量是十分巨大的。依照該行業公司部分統計表明，許多用戶在進行產品購買的時候，都要查看一部分較為類似的產品，數據顯示為5個有關網站，還有36個有關的頁面。在這個方面實行用戶行為分析主要是依照大數據來進行的，能夠讓電子商務公司在許多方面得到提高，比如銷售前、中、后期的服務水平。

（二）其分析過程過程

該文通過我國某個團購網站作為典例，逐步研究這個網站于網絡用戶行為分析上，是如何使用大數據進行分析的。這個網站APP主界面的重要服務內容是：搜索、LBS等各種服務。這些服務中有一項服務叫做猜你喜歡，是依照用戶們以前的購買特征來實施較為準確的信息推薦。

接下來將一位用戶去操作APP當做例子，來實施用戶分析。用戶在購買之前的活動，往往能夠將其內心的想法與意圖表現出來。用戶A在使用APP的時候一共用了100次，其中有78次進入了美食方面進行查看，有10次進入了新單這一類別，9次進入了電影方面，最后3次則是進入了KTV之中。當用戶A進入美食中以后，在智能排序中有一系列的選項可以選擇。該用戶對于離我最近這項選擇進行了52次點擊，人氣最高進行了10次點擊，價格最低進行了6次點擊，最后10次是點擊了評價最高這一項。該用戶在52次點擊中，選擇一樣的位置高達40次，還有一個位置是8次，剩余的4次都是在一些不同的地方。該用戶在離我最近這個選項中確定以后，出現了距其較近的一些美食，一般情況下會在該界面待上320秒左右，然后才進行下一次類別的選擇。在進行菜系的選擇上，該用戶對于火鍋挑選了14次，對于川湘菜挑選了15次等，對不同菜系進行了各種各樣的選擇。該用戶在進入某個美食的介紹時，一般逗留的時間達到了20秒左右，在圖片與文字上停留的時間大約為28秒左右，評論區停留的時間更長，達到了90秒左右。該用戶在美食區域的78次選擇中，最終進行購買的次數只有16次，在這16次的過程當中，以進入APP為開始，到下單結束的時候只有了78秒的時間。

五、結語

無數的數據之中常常包含著一些價值較高的消息或信息，當網絡中數據量不斷的提升，這大量的數據中所包含信息價值對于現階段的發展是十分關鍵的。所以，怎么在無窮無盡的數據里面找到價值較高的信息成為了現階段一個熱點問題。在目前的情況看來，絕大多數都是將電商等方面數據當做研究用戶的基礎，結合上面描述的內容可以發現，大數據這一方面的技術與互聯網用戶行為分析不斷相互結合，讓以往的產品在設計上、經營上等各個方面都脫胎換骨。與此同時，大數據不斷前進的過程中還應該進一步的加強分析力度，讓其綜合全面分析，在不同的方向盡可能的完善起來。

參考文獻

[1]劉丹， 王雷. 大數據時代互聯網經濟犯罪預警研究[J]. 遼寧大學學報（哲學社會科學版）， 2018， 46（4）：108-114.

[2]陳興蜀， 曾雪梅， 王文賢， et al. 基于大數據的網絡安全與情報分析[J]. 工程科學與技術， 2017， 49（3）：1-12.

[3]鐘沐旸. 關于數據權限中心（DAC）的研究與初步實現[D]. 成都理工大學， 2017.

[4]孫巖. 大數據背景下地方政府統計工作水平提升研究[D].內蒙古大學，2018.