CN108960908A - 一种基于大数据用户行为序列的分析方法 - Google Patents

Abstract

本发明公开了一种基于大数据用户行为序列的分析方法，包括：实时检测多个用户在网站上操作时产生的访问日志；当访问日志中检测到多个用户产生有访问记录时，按照时间序列分别提取每个时间点对应的用户操作行为；根据提取到的每个时间点对应的用户操作行为生成用户行为序列；使用预设的漏斗模型对用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算；根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。

Description

一种基于大数据用户行为序列的分析方法

技术领域

本发明涉及大数据管理技术领域，具体涉及一种基于大数据用户行为序列的分析方法。

背景技术

在大数据时代，可以通过网站收集用户数据，将这些用户数据进行转化是精细化运营的核心，精细化运营要将每一个运营步骤流程化，并提高每个步骤到达下一步骤的转化率。以电商为例，主要包括的步骤有:注册、登录、搜索、浏览、购买等。

现有技术，针对用户数据需要进行转化率的分析，但是现有技术中大数据的分析粒度还不够细，不能完全的展示用户的行为轨迹，无法比较准确的判断影响转化率的关键问题和因素所在。

发明内容

本发明的目的在于提供一种基于大数据用户行为序列的分析方法，用于实现运营过程中对所关注的步骤进行精细分析，精确定位需要解决的问题所在的难点，更好达到运营的目标和效果。

为了达到上述目的，本发明采用这样的如下技术方案：

本发明提供一种基于大数据用户行为序列的分析方法，包括：

实时检测多个用户在网站上操作时产生的访问日志；

当所述访问日志中检测到所述多个用户产生有访问记录时，按照时间序列分别提取每个时间点对应的用户操作行为；

根据提取到的每个时间点对应的用户操作行为生成用户行为序列，所述用户行为序列包括：所述多个用户分别对应的用户标识、每个用户标识对应的按照所述时间序列依次产生的用户操作行为；

使用预设的漏斗模型对所述用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，所述漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算；

根据所述对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。

采用上述技术方案后，本发明提供的技术方案将有如下优点：

本发明实施例中，实时检测多个用户在网站上操作时产生的访问日志，并提取用户操作行为，根据提取到的每个时间点对应的用户操作行为生成用户行为序列，用户行为序列包括：多个用户分别对应的用户标识、每个用户标识对应的按照时间序列依次产生的用户操作行为，使用预设的漏斗模型对用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算。最后根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。由于本发明实施例中对转化率的分析的粒度更加的细致，精细到用户的每个操作。需要用户操作的每个步骤都有可能对转化率起很大的影响，采用基于用户行为序列进行分析，能够更加准确的定位转化率高低的问题所在，最终达到提高转化率的目标。

附图说明

图1为本发明实施例提供一种基于大数据用户行为序列的分析方法的流程方框示意图；

图2为本发明实施例中访问日志的记录结构图；

图3为本发明实施例中用户行为序列的结构图；

图4为本发明实施例中操作阶段序列的结构图；

图5为本发明实施例提供的漏斗转化图。

具体实施方式

本发明实施例提供了一种基于大数据用户行为序列的分析方法，用于实现运营过程中对所关注的步骤进行精细分析，精确定位需要解决的问题所在的难点，更好达到运营的目标和效果。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域的技术人员所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

以下分别进行详细说明。

本发明实施例涉及大数据分析和精细化运营领域，尤其涉及一种基于大数据用户行为序列分析提升转化率的方法，具体的说是一种基于按照时间先后顺序记录用户完成某一特定的任务，执行的每一步操作，在此基础上进行用户的行为分析，从而达到实现提升转化率的目的。

请参阅图1所示，本发明实施例提供的一种基于大数据用户行为序列的分析方法，包括如下步骤：

101、实时检测多个用户在网站上操作时产生的访问日志。

在本发明实施例，网站服务器可以实时记录访问该网站的所有用户产生的操作，网站服务器实时更新访问日志。本发明实施例中通过实时检测访问日志，可以检测出多个用户在网站上所执行的所有操作，本发明实施例中针对网站上的所有用户所执行的所有操作都可以实时记录。

在本发明的一些实施例中，实时检测多个用户在网站上操作时产生的访问日志，包括：

当多个用户中任意一个用户在网站上执行所有操作时，在访问日志中记录任意一个用户的操作过程，访问日志包括如下数据：用户标识、会话标识(session ID)、操作时间、操作阶段、具体操作名称、具体操作编号、和操作页面。

如图2所示，为本发明实施例中访问日志的记录结构图。按时间序列记录用户的各个操作行为，例如用户行为日志的记录，当用户做任何的操作时，都如实的记录用户的操作过程，日志记录的主要包括以下内容：

用户标识是对用户身份的唯一标识。

会话标识是客户端与服务器之间所建立的会话的唯一标识。

操作阶段是指当前操作所处的阶段(注册、登录、搜索、浏览、购买)；

具体操作名称是指当前操作具体的实现功能，例如注册包括了提交用户名、密码，提交用户的基本资料、提交用户兴趣、提交用户认证等多个功能。

具体操作编号是对具体操作进行数字编号，方便后续的处理。

操作页面是指当前操作在处的超文本标记语言(HyperText MarkupLanguage，html)前台显示页面。

102、当访问日志中检测到多个用户产生有访问记录时，按照时间序列分别提取每个时间点对应的用户操作行为。

在本发明实施例中，通过对访问日志的实时检测，可以判断出有哪个用户或者哪些用户产生有访问记录，针对产生有访问记录的至少一个用户，可以按照时间序列分别提取每个时间点对应的用户操作行为，由于本发明实施例中基于时间序列中的每个时间点都可以提取用户操作行为。

103、根据提取到的每个时间点对应的用户操作行为生成用户行为序列，用户行为序列包括：多个用户分别对应的用户标识、每个用户标识对应的按照时间序列依次产生的用户操作行为。

在本发明实施例中，按时间序列记录用户的各个操作行为之后，可以基于所提取到的用户操作行为形成用户行为序列，在用户行为序列中可以多个用户分别对应的用户标识、每个用户标识对应的按照时间序列依次产生的用户操作行为。即在用户行为序列中可以实现对多个用户的全操作过程的记录。

在本发明的一些实施例中，步骤103根据提取到的每个时间点对应的用户操作行为生成用户行为序列，包括：

判断实时检测到访问记录的用户为已注册用户或者未登陆用户；

当实时检测到访问记录的用户为已注册用户时，生成用户行为序列中的起始操作为用户登录行为；

当实时检测到访问记录的用户为未登陆用户时，生成用户行为序列中的起始操作为用户首次操作行为。

如图3所示，对用户日志进行处理形成用户行为序列，处理后的格式如下：用户1，起始操作-操作2-操作3-操作4…-操作N，用户2，起始操作-操作2-操作3-操作4-…-操作N，……用户4，起始操作-操作2-操作3-操作4-…-操作N。对于已注册的用户，每次的起始操作为用户登录；对于未登录的用户，起始操作为用户的第一次操作行为。通过用户行为序列，可以实现对多个用户的全操作过程的记录。

在本发明的一些实施例中，步骤103根据提取到的每个时间点对应的用户操作行为生成用户行为序列之后，方法还包括：

将用户行为序列中的用户操作行为映射为序列编号；

在用户行为序列中将用户操作行为替换为与用户操作行为一一对应的序列编号。

如图4所示，为本发明实施例中操作阶段序列的结构图，为便于对用户行为序列进行进一步的分析，可以对用户行为序列进行处理形成用户操作阶段的行为序列，处理后的数据格式如图4所示，例如，具体的操作名字与行为序列号有个映射关系。例如：操作名称是“注册”-----〉行为序列编号1；操作名称是“登录”------〉形为序列编号2。在图3中示意说明了具体操作名称，映射完后的行为序列号，通过图4所示的转换，可以使用简单的数字方便后面的分析和处理。

本发明实施例中将所有的操作行为分为五个阶段，对应的关系为：

用户注册――0；

用户登录――1；

用户搜索――2；

用户浏览――3；

用户购买――4。

图4中，在用户行为序列中将用户操作行为替换为与用户操作行为一一对应的序列编号，从而可以使用简单的数字方便后面的分析和处理。

104、使用预设的漏斗模型对用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算。

在本发明实施例中，网站服务器可以采用漏斗模型，对整理好的用户行为序列进行分析，其中漏斗模型指的是多个自定义事件序列按照指定顺序依次触发的流程中的量化转化模型。简单来说，就是从起点到终点有多个环节，每个环节都会产生用户流失，依次递减，每一步都会有一个转化率。

在本发明的一些实施例中，步骤104使用预设的漏斗模型对用户行为序列中在各个时间点的用户操作行为分别进行分析，包括：

使用漏斗模型对指定阶段的时间点内的用户行为序列中的所有用户分别进行统计，生成漏斗转化图，漏斗转化图中包括：在指定阶段的相邻时间点用户流失统计结果，以及每个时间点的转化率。

如图5所示，为本发明实施例提供的漏斗转化图。采用漏斗模型，对整理好的用户行为序列进行分析的具体作法是：对指定阶段时间内的所有用户行为序列进行统计，形成如5所示的漏斗转化图。在图5中对于用户在各个指定阶段的时间点都进行行为统计，用户注册的转化率为100％，用户登录的转化率为90％，用户搜索的转化率为70％，用户浏览的转化率为45％，用户购买的转化率为25％。

105、根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。

在本发明实施例中，基于漏斗模型可以统计出从起点到终点有多个环节，每个环节都会产生用户流失，依次递减，每一步都会有一个转化率，根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系，例如如图5，用户注册的转化率为100％，用户登录的转化率为90％，因此从用户注册都用户登录，转化率的变化关系为降低10％。

在本发明的一些实施例中，步骤105根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系之后，方法还包括：

从每个时间点对应的转化率中确定出低于转化率阈值的转化率；

对低于转化率阈值的转化率对应的用户操作行为进行分析。

在本发明实施例中，可以根据用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系，接下来发现问题，提出改进和解决的策略和方案。例如，针对步骤104得到的用户行为分析结果，对于某个阶段的转化率特别低的情况，对该阶段内的具体操作进行分析，确定是当前阶段的设计存在缺陷还是其中的某个步骤的原因引起的，进行精确定位。又如，对比不同时期的漏斗图，查看各个阶段在发展过程中，转化率的变化，更好评估之前提出的解决方案是否能够有效的解决问题。不同时期：是指产品的不同阶段，例如刚发布时期，更新几个版本后；以及针对某些功能的改进前后的时间段。又如比较其他类似的功能的产品的转化率，从而加深对产品理解，以及改善和优化操作的流程。

在本发明的一些实施例中，步骤105根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系之后，方法还包括：

对比不同用户类型的转化率，确定出属于高价值用户的用户类型。

其中，对比不同类型用户的转化率，确定哪些用户类型属于高价值用户，更加有目的性的进行用户的扩展和挖掘。举例说明如下，通过将用户进行多个维度的分类，例如，按年龄、性别、收入、学历等；以年龄段为例，分析不同年龄段的转化率，将用户的年龄分为0-20，21-45；46-65；65以上四个类型用户，分析每个类型用户的转化率，得到转化率高的作为高价值用户的一个特性。将多个维度的分析结果进行汇总，进而得出高价值的用户。

本发明实施例中，实时检测多个用户在网站上操作时产生的访问日志，并提取用户操作行为，根据提取到的每个时间点对应的用户操作行为生成用户行为序列，用户行为序列包括：多个用户分别对应的用户标识、每个用户标识对应的按照时间序列依次产生的用户操作行为，使用预设的漏斗模型对用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算。最后根据对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。由于本发明实施例中对转化率的分析的粒度更加的细致，精细到用户的每个操作。需要用户操作的每个步骤都有可能对转化率起很大的影响，采用基于用户行为序列进行分析，能够更加准确的定位转化率高低的问题所在，最终达到提高转化率的目标。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

综上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照上述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对上述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (7)

1.一种基于大数据用户行为序列的分析方法，其特征在于，包括：

实时检测多个用户在网站上操作时产生的访问日志；

当所述访问日志中检测到所述多个用户产生有访问记录时，按照时间序列分别提取每个时间点对应的用户操作行为；

根据提取到的每个时间点对应的用户操作行为生成用户行为序列，所述用户行为序列包括：所述多个用户分别对应的用户标识、每个用户标识对应的按照所述时间序列依次产生的用户操作行为；

使用预设的漏斗模型对所述用户行为序列中在各个时间点的用户操作行为分别进行分析，并生成对应于各个时间点的用户行为分析结果，其中，所述漏斗模型用于在每个时间点产生的用户流失进行统计，并依据每个时间点所剩余的用户进行转化率计算；

根据所述对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系。

2.根据权利要求1所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述实时检测多个用户在网站上操作时产生的访问日志，包括：

当所述多个用户中任意一个用户在所述网站上执行所有操作时，在所述访问日志中记录所述任意一个用户的操作过程，所述访问日志包括如下数据：用户标识、会话标识、操作时间、操作阶段、具体操作名称、具体操作编号、和操作页面。

3.根据权利要求1所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述根据提取到的每个时间点对应的用户操作行为生成用户行为序列，包括：

判断实时检测到访问记录的用户为已注册用户或者未登陆用户；

当实时检测到访问记录的用户为已注册用户时，生成所述用户行为序列中的起始操作为用户登录行为；

当实时检测到访问记录的用户为未登陆用户时，生成所述用户行为序列中的起始操作为用户首次操作行为。

4.根据权利要求1所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述根据提取到的每个时间点对应的用户操作行为生成用户行为序列之后，所述方法还包括：

将所述用户行为序列中的用户操作行为映射为序列编号；

在所述用户行为序列中将所述用户操作行为替换为与所述用户操作行为一一对应的序列编号。

5.根据权利要求1所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述使用预设的漏斗模型对所述用户行为序列中在各个时间点的用户操作行为分别进行分析，包括：

使用所述漏斗模型对指定阶段的时间点内的用户行为序列中的所有用户分别进行统计，生成漏斗转化图，所述漏斗转化图中包括：在所述指定阶段的相邻时间点用户流失统计结果，以及每个时间点的转化率。

6.根据权利要求1至5中任一项所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述根据所述对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系之后，所述方法还包括：

从所述每个时间点对应的转化率中确定出低于转化率阈值的转化率；

对所述低于转化率阈值的转化率对应的用户操作行为进行分析。

7.根据权利要求1至5中任一项所述的一种基于大数据用户行为序列的分析方法，其特征在于，所述根据所述对应于各个时间点的用户行为分析结果确定出每个时间点对应的转化率，并统计出各个时间点的转化率之间的变化关系之后，所述方法还包括：

对比不同用户类型的转化率，确定出属于高价值用户的用户类型。