CN104731807B - 一种统计和分析页面跳转数据的方法及装置 - Google Patents

Abstract

本发明提供了一种统计和分析页面跳转数据的方法，该方法包括以下步骤：一种统计和分析页面跳转数据的方法，该方法包括以下步骤：a记录当前网站的用户操作数据至操作日志中；b根据所述操作日志，分析用户的连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径；c从所述多条跳转路径中确定当前网站的关键访问路径。相应地，还提供了一种统计和分析页面跳转数据的装置。本发明提供的方法和装置可以加强网站内关键路径上页面的相互粘合度，进一步提升网站的访问量和点击量等数据。

Description

一种统计和分析页面跳转数据的方法及装置

技术领域

本发明涉及页面信息分析技术，尤其涉及一种统计和分析页面跳转数据的方法及装置。

背景技术

随着网络技术的发展，网站作为信息传播的平台越来越显示其对人们获取信息的重要性。通过将信息发布在网站，使更多的用户知晓并关注该信息，进一步获得该信息相关的服务。但是，由于信息的门类随着社会的发展，其门类越来越多，而用户获得目标信息的难度也越来越大。因此，有必要对网站内容、网站的布局及网站链接等相关的内容进行适应性调整，以提升用户获取相关网站目标信息的体验。为了更好地适应用户的信息获取需求，需要对网站上各页面的点击情况和各链接的跳转情况进行统计和分析，以确定各网站哪些页面需要调整或页面中的哪些区域需要调整等等，针对性地改善网站及页面的质量，提升网站的访问量。

发明内容

本发明的目的是提供一种统计和分析页面跳转数据的方法，可以有效地分析出不同网站的关键路径。本发明技术方案解决的技术问题在于，如何分析得到整个网站中的热点页面及页面之间的经常访问链条（即关键路径）。相应地，本发明的技术效果在于，通过获取用户访问整个网站的关键路径，可以加强所述关键路径上页面的相互粘合度，进一步提升网站的访问量和点击量等数据。

根据本发明的一个方面，提供了一种统计和分析页面跳转数据的方法，该方法包括以下步骤：

一种统计和分析页面跳转数据的方法，该方法包括以下步骤：

a记录当前网站的用户操作数据至操作日志中；

b根据所述操作日志，分析用户的连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径；

c从所述多条跳转路径中确定当前网站的关键访问路径。

根据本发明的另一个方面，提供了一种统计和分析页面跳转数据的装置，该装置包括：

记录单元，用于记录当前网站的用户操作数据至操作日志中；

跳转路径获取单元，根据所述操作日志，分析用户的连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径；

关键路径确定单元，用于从所述多条跳转路径中确定当前网站的关键访问路径。

与现有技术相比，本发明具有以下优点：通过统计和分析页面相关指标数据，可以准确有效地获取网站各个页面的点击及跳转情况，为优化网站各页面的粘度及提升页面的访问量、点击量等起到了很好地效果。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为根据本发明一个优选实施例的统计和分析页面跳转数据的方法流程图；

图2为根据本发明一个优选实施例的对步骤S102的分步骤进行展示的流程图；

图3为根据本发明的方法所得到的某媒体网站内多个页面的访问数及页面跳转率的示意图；

图4为根据本发明另一个优选实施例的统计和分析页面跳转数据的装置的示意性框图；

图5为根据本发明另一个优选实施例的跳转路径获取单元的子模块示意图；

附图中相同或相似的附图标记代表相同或相似的步骤或单元。

具体实施方式

下面结合附图对本发明作进一步详细描述。

根据本发明的一个方面，提供了一种统计和分析页面跳转数据的方法；

请参考图1，图1为根据本发明一个优选实施例的统计和分析页面跳转数据的方法流程图。

如图1所示，本发明所提供的统计和分析页面跳转数据的方法包括以下步骤：

步骤S101，记录当前网站的用户操作数据至操作日志中。

步骤S102，根据所述操作日志，分析用户连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径。

步骤S103，从所述多条跳转路径中确定当前网站的关键访问路径。

为清楚起见，下文将对上述各步骤进行详述。

就步骤S101而言，所述操作日志可以包括各种类型的日志，诸如与用户点击数据对应的点击日志，以及与页面跳转数据对应的跳转日志。也即，所述用户操作数据可以包括但不限于页面点击量、页面点击位置、点击操作对应的用户数量、页面访问量和页面跳转数。

所述操作日志优选为当前网站的原始点击日志，通过将用户操作数据记录至操作日志中，以为后续的分析过程提供数据支持。本领域技术人员应当理解，所述操作日志只是用于示例，其他类型的网站日志如可实现本发明的技术方案，也可以适用于本发明。典型地，以页面访问量为例，所述操作日志中记录有某媒体网站单位时间内特定页面的访问量，如长视频播放页的访问量为217,955次，媒体页的访问量为24,023次、首页的访问量为585次等。

优选地，当所要记录的用户操作数据为点击相关指标时，如点击量、点击位置等，还包括：对当前网站的各页面进行区域划分。

进一步地，可以将各页面的区域划分成标准的矩形。更具体地，以所述标准矩形的左上角的横纵坐标（x，y）作为起点，以所述矩形的右下角的横纵坐标（x，y）作为终点，确定所述矩形的位置和区域。优选地，进行区域划分后，所述划分的各区域不存在重叠。

优选地，在进入步骤S102之前，对所述操作日志中的用户操作数据进行清洗，即，将所述用户操作数据进一步做格式化处理，作为后续待统计和分析的对象数据。所述格式化处理的过程在此不作限定，只要能满足本申请进行数据清洗的目的都可适用于本申请。

就步骤S102而言，可参考图2，图2为根据本发明一个优选实施例的对步骤S102的分步骤进行展示的流程图，如图2所示，所述步骤S102具体包括以下分步骤：

步骤S201，根据所述操作日志，获取用户连续访问当前网站内页面的行为的各个会话标识（session ID）。

具体地，所述会话标识可以定义为用户在一个会话内进行页面操作所对应的标识。

步骤S202，基于所述会话标识和所述行为数据，进行页面地址（url）链接，获取相应的连续访问当前网站内页面的网址链。

典型地，如用户在一个会话内进行了如下操作行为：打开网站上的首页A——>通过首页A的链接打开视频页B——>关闭视频页B和首页A，通过获取该会话对应的会话标识，提取对应会话中的用户操作行为数据，进行A页面地址至B页面地址的链接，获取该会话内的连续访问网址链A——>B。

步骤S203，获取统计页面配置文件，对所述网址链的各网址进行匹配操作，得到页面跳转的次数序列。

其中，所述统计页面配置文件可以指将页面的url地址转换成相应页面标识（ID）的转换配置文件，例如，将页面地址http://www.funshion.com/($|\?.*)转换成相应页面标识（Page_id）1；所述统计页面配置文件也可以指页面的区块信息配置文件，作为区分页面各区块的唯一标识。

优选地，对所述网址链的各网址进行正则表达式（Regular Expression）匹配。

步骤S204，统计并分析所述次数序列，得到各次跳转的跳转比例，获取当前网站的多条跳转路径。所述跳转比例通过计算当前跳转行为的跳转次数与前一跳的跳转次数之间的比值获得。

优选地，采用前向链接取比值的方法分析所述次数序列。

优选地，在所述步骤S202之后，还包括：

提取所述会话的时间戳，基于所述时间戳，对所述连续访问当前网站内的页面依次排序，获得有序的网址链。

就所述步骤S103而言，具体可以通过对各条跳转路径的所述跳转比例进行统计和排序，从中确定跳转比例较大的跳转路径作为关键访问路径。优选地，将其中跳转比例最大的跳转路径作为关键访问路径。

更具体地，以一个5次跳转的路径为例（参考表1），其中所跳转的页面以a和b表示，其中一次跳转路径是P1：a->a->a->a->a，另一次跳转路径是P2：a->a->a->a->b，如需获得跳转路径P1第5次跳转的比例，则通过查询本次跳转的跳转次数（num）和紧邻前一次跳转的跳转次数（num_pre），并将两者进行比值运算（num/num_pre），得到本次跳转的跳转比例。根据表1，页面a跳转至页面a以及页面a跳转至页面b各一次，因此，跳转路径P1和P2的跳转比例均为1/2，均可以作为这个5次跳转的关键路径。

turn1ID	turn2ID	turn3ID	turn4ID	turn5ID	num
						a	null	null	null	null	2
a	a	null	null	null	2
						a	a	a	null	null	2
a	a	a	a	null	2
						a	a	a	a	a	1
a	a	a	a	b	1

表1

其中，表1中的turn1ID至turn5ID分别代表所跳转至的页面标识，num表示每次跳转行为对应的跳转次数。优选地，采用分布式处理框架（Mapreduce）计算每次跳转行为对应的跳转次数。

进一步地，为了更好地优化网站中各个页面之间的粘度，在上述步骤S102中，对用户连续访问当前网站内页面的行为的分析，还包括：

对网站内一个或多个页面的跳转率或/和跳转深度进行分析。

具体地，可参考图3，图3为根据本发明的方法所得到的多个页面的访问数及跳转率的示意图，其中示出了五级页面跳转的多个页面访问数及跳转率。根据图3，基于操作日志，从中获取多个页面的访问数并分析得到多个页面对应的跳转率。例如，图3所示出的媒体网站中，用户访问媒体页的次数为217,955，该页跳转率为10.70%；用户访问长视频播放页的次数为154,222，该页跳转率为7.57%，以此类推，不再赘述。

其中，所述跳转深度是指一次访问中的跳转页数，例如，在一次访问中，如果首次从“风行首页”跳转到“风行电影页”，则为1次跳转，跳转深度为1页；如果再次从“风行电影页”跳转到“风行媒体页”，则为2次跳转，跳转深度为2页，以此类推，不再赘述。

优选地，基于分布式框架Mapreduce对所述用户操作数据进行统计和分析，并将分析结果存储至分布式框架的HDFS（分布式文件存储系统）中。

进一步地，可以通过kettle（一种开源软件）技术将存储于HDFS中的统计和分析结果存入特定数据库中，所述数据库可以采用mysql关系型数据库。

进一步地，本实施例所提供的统计和分析页面跳转数据的方法还包括：

将步骤S102中通过分析用户的连续访问当前网站内页面的行为得到的结果数据，呈现于web页面中。

具体地，所述呈现可以采用PHP、JSP、ASP等页面技术读取所述存储于数据库中的结果数据并将这些结果数据呈现于web页面中。

当然，所述统计和分析页面跳转数据的过程可以由网站进行简单地配置来完成，也可以由搜索引擎或其他产品或第三方设备来完成。呈现的方式在此不作限定，可以以页面点击热图、比例树形图、柱状图或/和报表等各种方式在前端展示结果数据，所述结果数据包括但不限于网站各个页面各个区域的点击数量、点击占比、点击转化率或/和点击独立用户数量等。

典型地，以报表的方式展示某网站各个页面各个区域的点击相关指标以及展示各个分组页面相互跳转的次数及比例。其中，所述分组页面是从网站诸多页面中所选取的用于统计和分析的一组具体页面，如从某媒体网站选取一组包括以下三个页面的分组页面：“网站首页”、“网站电影页”和“网站媒体页”。进一步地，通过确定分组页面，对该分组页面内各页面的相互跳转次数及其他指标进行统计和分析。

进一步地，所述web前端对应的web服务器优先采用Lighttpd（一种开源Web服务器软件）作为服务器软件。

当然，用户对网站的操作可以经由包括但不限于计算机、移动终端、平板电脑的任一种用户设备，如通过移动终端访问“风行”网站。

本领域技术人员应能理解上述统计和分析页面跳转数据的方法仅为举例，其他现有的或今后可能出现的统计和分析页面跳转数据的方法如可适用于本发明，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

与现有技术相比，本发明所提供的统计和分析页面跳转数据的方法具有以下优点：

1)本发明提供的方法只需要对待统计和分析网站进行简单的配置即可对该网站的原始日志进行统计和分析，还可以获得该网站各个页面之间的跳转数量及跳转比例，以及该网站跳转比例最高的路径，即该网站的关键路径，进而可以更好地对各个页面之间的粘度及页面本身的链接数据进行优化。

2)本发明提供的方法还可以分析得到整个网站的各个跳转深度的数量，从而获得用户对该网站各个页面的关注度，以针对性地对相关页面进行优化。

根据本发明的另一个方面，还提供了一种统计和分析页面跳转数据的装置，如图4所示，所述装置包括以下单元：

记录单元401，用于记录当前网站的用户操作数据至操作日志中；

跳转路径获取单元402，根据所述操作日志，分析用户的连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径；

关键路径确定单元403，用于从所述多条跳转路径中确定当前网站的关键访问路径。

下文，将对上述各单元的工作过程或功能进行详述。

如上文所述，所述操作日志可以包括各种类型的日志，诸如与用户点击数据对应的点击日志，以及与页面跳转数据对应的跳转日志。也即，所述用户操作数据可以包括但不限于页面点击量、页面点击位置、点击操作对应的用户数量、页面访问量和页面跳转数。

所述操作日志优选为当前网站的原始点击日志，通过将用户操作数据记录至操作日志中，以为后续的分析过程提供数据支持。本领域技术人员应当理解，所述操作日志只是用于示例，其他类型的网站日志如可实现本发明的技术方案，也可以适用于本发明。典型地，以页面访问量为例，所述操作日志中记录有某媒体网站单位时间内特定页面的访问量，如长视频播放页的访问量为217,955次，媒体页的访问量为24,023次、首页的访问量为585次等。

优选地，当所要记录的用户操作数据为点击相关指标时，如点击量、点击位置等，所述记录单元401还包括：区域划分模块，用于对当前网站的各页面进行区域划分。进一步地，所述区域划分模块可以将各页面的区域划分成标准的矩形。更具体地，以所述标准矩形的左上角的横纵坐标（x，y）作为起点，以所述矩形的右下角的横纵坐标（x，y）作为终点，确定所述矩形的位置和区域。优选地，进行区域划分后，所述划分的各区域不存在重叠。

优选地，所述记录单元401还包括：数据清洗模块，用于对所述操作日志中的用户操作数据进行清洗，即，将所述用户操作数据进一步做格式化处理，作为后续待统计和分析的对象数据。

进一步地，请参考图5，所述跳转路径获取单元402具体包括以下子模块：

会话标识获取模块501，用于根据所述操作日志，获取用户连续访问当前网站内页面的行为的各个会话标识（session ID）。

网址链获取模块502，基于所述会话标识和所述行为数据，进行页面地址（url）链接，获取相应的连续访问当前网站内页面的网址链。

次数序列统计模块503，用于获取统计页面配置文件，对所述网址链的各网址进行匹配操作，得到页面跳转的次数序列。

优选地，所述次数序列统计模块503对所述网址链的各网址进行正则表达式（Regular Expression）匹配。

跳转路径分析模块504，用于统计并分析所述次数序列，得到各次跳转的跳转比例，获取当前网站的多条跳转路径。

优选地，采用前向链接取比值的方法分析所述次数序列。

优选地，所述跳转路径获取单元402还包括：

页面排序模块，用于提取所述会话的时间戳，基于所述时间戳，对所述连续访问当前网站内的页面依次排序，获得有序的网址链。

进一步地，为了更好地优化网站中各个页面之间的粘度，所述跳转路径获取单元402的分析过程还包括：

对网站内一个或多个页面的跳转率或/和跳转深度进行分析。

与现有技术相比，本发明所提供的统计和分析页面跳转数据的装置具有以下优点：

本发明提供的装置可有效分析各网站内多个页面的跳转关系，为针对性改善网站及站内页面提供了较好的技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (8)

1.一种统计和分析页面跳转数据的方法，该方法包括以下步骤：

a记录当前网站的用户操作数据至操作日志中；

b根据所述操作日志，分析用户的连续访问当前网站内页面的行为，基于跳转比例获取当前网站内多个页面的多条跳转路径；

c从所述多条跳转路径中确定当前网站的关键访问路径；

其中，所述步骤b具体包括：

根据所述操作日志，获取用户连续访问当前网站内页面的行为的各个会话标识；

-m基于所述会话标识和所述行为数据，进行页面地址链接，获取相应的连续访问当前网站内页面的网址链；

-n获取统计页面配置文件，对所述网址链的各网址进行匹配操作，得到页面跳转的次数序列；

-o统计并分析所述次数序列，得到各次跳转的跳转比例，获取当前网站的多条跳转路径。

2.根据权利要求1所述的方法，其中，在所述步骤-m后，还包括：

提取所述会话的时间戳，基于所述时间戳，对所述连续访问当前网站内的页面依次排序，获得有序的网址链。

3.根据权利要求1或2所述的方法，其中，所述步骤-n，具体包括：

对所述网址链的各网址进行正则表达式匹配。

4.根据权利要求1或2所述的方法，其中，所述步骤-o，具体包括：

采用前向链接取比值的方法分析所述次数序列。

5.一种统计和分析页面跳转数据的装置，该装置包括：

记录单元，用于记录当前网站的用户操作数据至操作日志中；

跳转路径获取单元，根据所述操作日志，分析用户的连续访问当前网站内页面的行为，获取当前网站内多个页面的多条跳转路径；

关键路径确定单元，用于从所述多条跳转路径中确定当前网站的关键访问路径；

其中，所述跳转路径获取单元具体包括以下模块：

会话标识获取模块，用于根据所述操作日志，获取用户连续访问当前网站内页面的行为的各个会话标识；

网址链获取模块，基于所述会话标识和所述行为数据，进行页面地址链接，获取相应的连续访问当前网站内页面的网址链；

次数序列统计模块，用于获取统计页面配置文件，对所述网址链的各网址进行匹配操作，得到页面跳转的次数序列；

跳转路径分析模块，用于统计并分析所述次数序列，得到各次跳转的跳转比例，获取当前网站的多条跳转路径。

6.根据权利要求5所述的装置，其中，所述跳转路径获取单元还包括：

页面排序模块，用于提取所述会话的时间戳，基于所述时间戳，对所述连续访问当前网站内的页面依次排序，获得有序的网址链。

7.根据权利要求5或6所述的装置，其中，所述次数序列统计模块的工作过程具体包括：

对所述网址链的各网址进行正则表达式匹配。

8.根据权利要求5或6所述的装置，其中，所述跳转路径分析模块的工作过程具体包括：

采用前向链接取比值的方法分析所述次数序列。