CN101188521A

CN101188521A - 一种挖掘用户行为数据的方法和网站服务器

Info

Publication number: CN101188521A
Application number: CNA2007101788233A
Authority: CN
Inventors: 宁辉; 张涛
Original assignee: Beijing Kingsoft Software Co Ltd; Beijing Jinshan Digital Entertainment Technology Co Ltd
Current assignee: Beijing Kingsoft Office Software Inc
Priority date: 2007-12-05
Filing date: 2007-12-05
Publication date: 2008-05-28
Anticipated expiration: 2027-12-05
Also published as: CN101188521B

Abstract

本发明实施例提供了一种挖掘用户行为数据的方法和网站服务器。目的在于降低统计成本。其中，所述方法包括：网站服务器保存网站日志数据；读取所述网站日志数据，并对所述网站日志数据进行分析。本发明与现有技术相比，不需要单独设置统计服务器，节省硬件资源和成本。

Description

一种挖掘用户行为数据的方法和网站服务器

技术领域

本发明涉及互联网数据处理技术，尤其是一种挖掘用户行为数据的方法。

背景技术

互联网的快速发展使人们对网站的设计和功能提出了更高的要求，这些要求包括：具有智能性、快速、准确地找到用户所需信息；能为不同用户提供不同的服务；能为管理者提供产品营销策略信息等等。

利用对网站日志的挖掘分析，可以掌握访问者历史信息，有目的优化站点内容和设计，使网站能够适应访问者的口味和习惯，从而提高用户的体验、忠诚度回访率；通过多角度的分析，多种格式的报告，得知网站的运营是否健康，从而为管理者提供营销策略信息。

现有的网站日志挖掘分析方法一般是采用在网页内嵌套JavaScript脚本的方式。当用户访问网页时，触发统计脚本获取访问数据，并将访问数据保存到数据库中。

由上述方法可知，现有方法的实现依赖于建立单独的统计服务器执行所需的日志挖掘分析工作，并且，随着统计工作量的增大，将占用更多的硬件资源；对于不同栏目内容的单独统计，需要添加不同的统计代码；日志挖掘分析的实现，进一步依赖于用户浏览器首先开启JavaScript功能，并且，由于方法的实现过程中需要调用统计程序，因此将影响网页本身打开的速度。

发明内容

本发明实施例要提供一种挖掘用户行为数据的方法。目的在于降低统计成本。

相应的，本发明是通过以下方法实现的：网站服务器保存网站日志数据；读取所述网站日志数据，并对所述网站日志数据进行分析。

其中，读取所述网站日志数据具体为：按行执行网站日志数据的读取，读取网站日志数据中以预置的分隔符分隔的网站日志数据字段。所述分隔符为空格。

其中，所述数据字段包括：访问终端的IP地址的数据段、访问时间的数据段；以及，进一步的，根据预置的IP地址库，查找读取到的访问终端IP地址所属的地区。

上述方法中，可以将获取的所有不同的IP数累计得到网站访问量。

本发明实施例还提供一种网站服务器，包括：网站日志数据存储单元，用于存储网站日志数据；日志分析脚本管理单元，用于按照网站日志数据存储单元中的网站日志数据存储结构，读取网站日志数据段；日志数据管理单元，用于对获取的网站日志数据段进行统计分析。

其中，所述日志分析脚本管理单元读取网站日志数据段具体为：按行执行网络日志数据的读取，读取网站日志数据中以预置的分隔符分隔的网站日志数据字段。所述分隔符为空格。

上述服务器结构中，所述日志分析脚本管理单元读取到的网站日志数据段包括：问终端的IP地址的数据段；以及，所述日志数据管理单元，根据预置的IP地址库，查找读取到的访问终端IP地址所属的地区。

由以上技术方案可以看出，由于网站服务器的日志有着较为完整的结构，记录了用户访问网络站点时、所访问的页面、时间、用户ID等信息，因此较适合用于网站日志分析。相比现有技术，虽然网站服务器的日志数据可读性较差，但是发明人利用日志数据文件中的分隔符(较通用的是空格符号)将网站服务器上保存的日志数据段分别读取出来，进而，读取得到的日志数据段即可用于网站数据分析。该方法的实现与现有技术相比，不需要单独设置统计服务器，节省硬件资源和成本；由于网站服务器数据较为完整，因此不用额外添加过多统计代码；本方法的实现不依赖于JavaScript功能，相应的，在打开网页的过程中不需要调用统计程序，因而对打开网页速度的影响较小。

附图说明

图1为本发明实施例网站服务器结构示意图。

具体实施方式

本发明目的在于降低网络日志数据统计成本。以下具体说明本发明的实现方式。

本发明的实现方法在于：网站服务器保存网站日志数据；读取所述网站日志数据，并对所述网站日志数据进行分析。

以下将参照实例具体说明本发明实施例的实现方式。

在用户浏览网页时，网站服务器将记录相应的信息，从而形成了现有技术中所称的网站日志数据。虽然这种日志数据可读性较差，但这些数据的记录是在网站服务器上执行的，并且数据内容较丰富和全面。

其中，现有技术中，通常网站日志数据是以行进行记录，以空格分隔每个数据字段。参见以下实例：

125.95.200.22_www.kingsoft.com_[22/Oct/2007:00:01:42+0800]_″GET/index.htmlHTTP/1.1″_200_50_″http://www.baidu.com/s？wd＝％BD％F0％C9％BD″_″Mozilla/4.0(compatible；MSIE 6.0；Windows NT 5.1；SV1；Mozilla/4.0)″

所以我们只要按行读取日志文件，以空格分隔就可以获得想要的数据段。这些数据段包括：

A)访问终端的IP地址。(在所举实例中，如125.95.200.22)

B)访问网页。(在所举实例中，如：/index.html)

C)网页来路。

(在所举实例中，如：http://www.baidu.com/s？wd＝％BD％F0％C9％BD)

D)用户的浏览器。(在所举实例中，如：Mozilla)

E)用户的操作系统。(在所举实例中，如：Windows)

F)访问时间。(在所举实例中，如：22/Oct/2007:00:01:42)

G)访问网站。(在所举实例中，如：www.kingsoft.com)

根据分析得到的IP地址，在预置的IP地址库中可进一步查找到该IP地址的访问终端所处的地区。

除上述直接获得的网络日志数据段之外，根据配置文件，如遇到搜索引擎的记录，则需要进一步的处理。如上文所举实例中记录来源为：http://www.baidu.com/s？wd＝％BD％F0％C9％BD；

A)统计关键字。由于来路字符串中含有预先定义的baidu.com，因此，当发现该baidu.com时，则进一步需要对该字符串进行分析，把wd＝“关键字”取出来，即获得“关键字”这个数据段。当然，还需要进行URL转码(CGI有内置函数)得到明文。同理，其它搜索引擎的关键字获得也是如此。只是可能不是“wd”，而是其它字符，所以应进行预先定义。

其中，％BD％F0％C9％BD是对“关键字”进行URL编码后的结果，所以需要用URL转码才能得到明文，就是把这种字符转换成人们能看懂的汉字。获得“关键字”的好处在于，能够有针对性的对网站进行搜索引擎优化(SEO)，比如，对于“金山在线”这个词，如果在搜索引擎上搜索的结果排在比较靠后，那么就可以找出原因，针对性的优化这个词，获得更多的访问量。

B)统计搜索引擎。

如同统计关键字的方法类似，当发现读取到的网站日志数据段中还有预先定义的搜索引擎时，即需要对统计得到的搜索引擎进行分析，例如分别将统计得到搜索引擎数进行累计。假设通过统计分析发现，从百度的访问量比较多，但Google来的访问却比较少，那就可以针对性的分析某些搜索引擎的特点进行优化。

在直接获得上述网络日志数据段基础上，可对该些网络日志数据段加以统计分析，其内容可包括：

A)网站访问量：由上面统计出的不同的IP地址数的累加得到。

B)网站浏览量：由上面统计出的所有IP地址数累加得到。

最后，根据业务和管理的需要，可将上述读取到的网络日志数据段以及进一步进行分析的结果进行显示，所述显示方法可使用CGI程序(如：PHP等)，其中显示方式包括：

A)使用表格显示精确数据；

B)图标显示走势图和曲线图；

C)可以根据上述字段(时间、网站，搜索引擎等)进行查询；

D)生成Excel各种图表数据文件，以供下载保存。以上显示方式具体课参照已有的显示技术。

本发明获取了上述分析/统计数据后，可有助于为网站管理者提供以下信息进行参考：

1)注意访问量和浏览量的比例

如果浏览量是访问量的三倍，说明可能平均每个访问的网站的人会浏览网站上的三个网页。对于网站管理者，可以想办法让访问者阅读更多的页面，可以尝试对网站进行一些改变，让它更加吸引人。

2)对入口页面排列靠前的网页，要分析这些网页的吸引人之处，或者分析它们被搜索引擎青睐的地方，对这些页面的改版一定要小心，因为如果不小心抹去了网页的闪光点，可能就会失去网站的支持者。

其中，所述网站入口页面可通过index.html这个数据获得。

3)统计浏览量较大的网站入口，可以对该网页进行适当的改版，不可以让它一成不变，或者可以把它变得更加吸引人，以促使进入此页面的人浏览的网站的其它页面。

4)经常分析统计得到的“关键词”

如果的网站有大量的访问量来自搜索引擎，需要常常分析的“关键词”，并留意每天关键词统计数据的变化。

注意“搜索引擎”分析

大多数情况下，百度、GOOGLE、Yahoo会给带来很多流量，如果这三个搜索引擎有其中一个没有为带来流量，则需要考虑为什么。

5)查看网页来路分析

如果的网站具有很独特的内容，甚至这些内容无法通过搜索引擎找到，而只能依赖网友之间自发的宣传，请一定留意的网站的“来路”分析。比如，发现今天从某网站进入的网站的流量非常多，是什么样的内容引起的，如何从那网站继续获得流量呢。

以上对本发明方法实施例进行了具体说明，下面参照图1，说明本发明系统实施例的结构。

如图所示，本发明实施例的网站服务器，包括：

网站日志数据存储单元11，用于存网站日志数据，本单元沿用已有技术中的网站服务器的功能，在访问终端对网站进行访问时负责记录相关访问数据，即成为网站日志数据；

日志分析脚本管理单元12，用于按照网站日志数据存储单元中的网站日志数据存储结构，读取网站日志数据段；

日志数据管理单元13，用于对获取的网站日志数据段进行统计分析。

在上述实施例基础上，本发明的网站日志数据分析系统还包括：显示单元14，用于对日志数据管理单元的管理统计结果进行显示。

所述显示单元可以使用CGI程序，如：PHP等，其中显示形式包括：使用表格显示精确数据；图标显示走势图和曲线图；可以根据上述字段(时间、网站，搜索引擎等)进行查询；生成Excel各种图表数据文件，以供下载保存。所述显示方式具体课参照已有的显示技术。

其中，所述日志分析脚本管理单元12读取网站日志数据段具体为：按行执行网络日志数据的读取，读取网站日志数据中以预置的分隔符分隔的网站日志数据字段。

现有技术中，通常网站日志数据是以行进行记录，以空格分隔每个数据字段，假设网站日志数据存储单元11中存储的网站日志数据为：

则所述日志数据管理单元的管理统计包括：访问终端的IP地址，如125.95.200.22；访问网页，如：/index.html；网页来路，如：http://www.baidu.com/s？wd＝％BD％F0％C9％BD；用户的浏览器，如：Mozilla；用户的操作系统，如：Windows；时间，如：22/Oct/2007:00:01:42；访问网站，如：www.kingsoft.com。上述数据由网站服务器的网站日志存储单元11中获取到。

进一步的，根据预置的IP地址库，以及根据分析到的IP地址能够查询得到该访问终端所处的地区。

B)统计搜索引擎。参见上文相关部分的叙述。

A)网站访问量：由上面统计出的不同的IP地址数的累加得到。

B)网站浏览量：由上面统计出的所有IP地址数累加得到。

以上对本发明实施例所提供的一种挖掘用户行为数据的方法和网站服务器进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的实现方式；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上可能会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims

1.一种挖掘用户行为数据的方法，其特征在于：

网站服务器保存网站日志数据；

读取所述网站日志数据，并对所述网站日志数据进行分析。

2.如权利要求1所述的方法，其特征在于，读取所述网站日志数据具体为：

按行执行网站日志数据的读取，读取网站日志数据中以预置的分隔符分隔的网站日志数据字段。

3.如权利要求2所述的方法，其特征在于，所述分隔符为空格。

4.如权利要求2或3所述的方法，其特征在于，所述数据字段包括：访问终端的IP地址的数据段，或/和访问时间的数据段。

5.如权利要求4所述的方法，其特征在于：所述方法进一步包括：

根据预置的IP地址库，查找读取到的访问终端IP地址所属的地区。

6.如权利要求4所述的方法，其特征在于：

将获取的所有不同的IP数累计得到网站访问量。

7.一种网站服务器，其特征在于，包括：

网站日志数据存储单元，用于存储网站日志数据；

日志分析脚本管理单元，用于按照网站日志数据存储单元中的网站日志数据存储结构，读取网站日志数据段；

日志数据管理单元，用于对获取的网站日志数据段进行统计分析。

8.如权利要求7所述的服务器，其特征在于，所述日志分析脚本管理单元读取网站日志数据段具体为：按行执行网络日志数据的读取，读取网站日志数据中以预置的分隔符分隔的网站日志数据字段。

9.如权利要求7或8所述的服务器，其特征在于，所述分隔符为空格。

10.如权利要求7所述的服务器，其特征在于：

所述日志分析脚本管理单元读取到的网站日志数据段包括：问终端的IP地址的数据段；以及，

所述日志数据管理单元，根据预置的IP地址库，查找读取到的访问终端IP地址所属的地区。