大数据环境下的个性化用户行为分析

　　大数据的一大应用是对用户行为进行分析，而分析的关键就在于搞清三个关键问题：what 什么是用户分析；why为什么分析用户行为；how如何分析用户行为。

　　What：什么是用户行为

　　用户行为从时间和空间两个维度展开。从时间的维度来看，按照管理学大师菲利普科特勒的理论，用户的行为轨迹包括：产生需求、信息收集、方案比选、购买决策、购后行为5个阶段。其中购后行为包括使用习惯、使用体验、满意度、忠诚度等。


　　从空间的维度来看，用户行为的构成要素包括5W2H。例如我们要全面描述用户在购买阶段的行为，就要回答这样的问题，谁(who)?打算在什么时候(when)?什么地方(where)?买什么东西(what)?产生需求的动机是什么(why)?打算买多少(how much)?如何买(how)?同理，在使用阶段也可以从这7个要素角度来描述。

　　范围缩小到一个B2C商城或网站内部，我们可以通过以下参数定义一个具体的用户行为。

　　访问网站的时间、访问的内容、页面每个部分停留的时间、点击的内容、评论的目标、评论的内容、分享的内容和与在线客服沟通的信息。分析系统从这些零散的信息中，可以提炼和整理出用户在商城或网站内部的用户行为，从而尽可能地挖掘解答5W2H中的几个问题。


　　Why：为什么分析用户行为

　　随着微信微博等社交软件越来越被人们习惯使用，各品牌商在社交这个媒体上都要发出些声音。从当年微博上新品的发布、产品信息的推广、活动促销的宣传，到当下微信的服务号订阅号上定期推送信息给粉丝们，我们认为这些只是初级营销手段。有没有必要继续呢?当然有，可是在这之后，品牌商能获取什么呢?也许你的粉丝多了，网络上的知名度也有一点了，销量也上去了一些；也许你忙活了两个月，只是多了些粉丝，可是销量却没有明显起色。这两种情况是目前在社媒营销推广中普遍的。

　　从根本上来说，无论你的效果是好还是坏，重要的是要知道“为什么”，为什么有粉丝没流量，或者为什么有流量没成交?

　　因此，我们需要一台“X光机”来探究现象背后的本质。也就是要探究用户的行为，并采用某些技术手段分析这些行为，终提供给营销人员基于真实用户行为的参考数据。通过数据报表的形式来了解品牌的粉丝们对营销的活动，产品特性的想法。这样才能在后续的营销活动中有的放矢，逐步改进活动的方案，产品的设计等。

　　How：如何分析用户行为

　　在分析用户行为之前，首先要采集用户行为的事件。行为是由一组事件组成的，从广义上说，一组行为还可以组成更大的行为。一般把那些不能再拆分的行为定义为事件，也就是说事件是原子性的。例如：一个用户来到网站，访问了一个剃须刀促销活动的宣传页面，这一个事件就是非原子性的，从中无法分析出这个用户的行为，也就是无法解答5W2H的问题。只能知道用户访问了这个页面。我们必须要采集这个用户一段时间的用户行为事件。再通过人工定义一些典型的行为。通过某一算法对用户所有行为事件进行综合分析，进而匹配人工定义的这些行为，如此我们才可以知道用户至今为止的行为，甚至分析出用户的个性化标签，以及未来也许会有的需求。

　　还是以刚才的例子假设一个场景，用户晚上9点访问了商城中某一个剃须刀活动促销，接下来，用户又到了活动的详细说明页，浏览了2分钟，然后收藏了这个活动，第二天上午11点，这个用户又访问了这个活动页面，并且停留了5分钟。我们的系统采集下这些数据后，经过分析发现这组事件匹配了一个已经定义好的行为：“老用户，访问剃须刀促销活动，持续时间大于5分钟，访问时间发生在工作日上午10点至11点”，接下来系统会把这个行为赋予这个用户，记录这个行为发生的时间，并且由于这个行为的发生，系统再比照以前过往的行为，如很多送货地址在某CBD，于是又为这个用户记录了几个标签，如：上班族相似度+40%，男士相似度+60%，学生族-10%，其它标签匹配度也将相应调整。

　　这里经过了如下图的几个步骤:


　　初步分析：营销人员通过经验和用户分组筛选方式对现有用户做初步分析

　　行为定义：营销人员事先为这个促销活动定义好了一个行为：老用户，访问访问剃须刀促销活动；发生时间：工作日，工作时间；持续时间5分钟。

　　事件采集：分析系统采集用户在网站上的各种操作事件，并分类汇总到事件库中。

　　事件分析：逐个用户地分析整个事件库，比照定义好的行为，得出用户行为。

　　赋予用户行为：把比照出来的行为赋予用户并调整用户身上的标签匹配度。


　　以上只是一个简单的用户行为采集分析的过程。本文不涉及具体的技术实现方案。基于数据的用户个性化分析的核心思想就是事先根据用户的事件，分析出一些典型的行为，再通过采集用户的事件来匹配这些行为。由于行为的发生会再影响到用户的个性化的标签，标签匹配度会由于行为的不同有增有减，而不是一旦赋予终身不变，这符合人性变化的特点，经过一段时间的数据积累，我们将逐渐清楚用户各方面的特征。

　　而要实现这套行为分析的重点就是持续化地调整，优化“行为定义”，这个步骤可以是人工定义行为，也可以由系统分析智能给出新的行为。