李志勇

摘要：隨著移動互聯(lián)網(wǎng)的不斷發(fā)展，移動通信網(wǎng)絡5G技術的實現(xiàn)，使得移動終端用戶數(shù)量呈現(xiàn)爆發(fā)式增長，移動終端用戶的各類行為也成了很多行業(yè)的重要研究目標。該文闡述了大數(shù)據(jù)及用戶行為分析相關概述，對移動用戶行為分析現(xiàn)狀進行了研究，發(fā)現(xiàn)了傳統(tǒng)移動用戶行為分析缺少數(shù)據(jù)挖掘方法、數(shù)據(jù)挖掘與分析技術不成熟、系統(tǒng)平臺功能落后等問題，并提出了針對性的分析研究方法，有助于大數(shù)據(jù)技術在移動用戶行為分析中的普及與應用，讓用戶行為分析更加的精準可靠，進一步全面的完善用戶畫像，對行業(yè)的服務能力及質(zhì)量的提升具有重要的意義。

關鍵詞：大數(shù)據(jù)技術;移動用戶;行為分析;用戶畫像

1 背景

隨著移動互聯(lián)網(wǎng)的飛速發(fā)展和數(shù)據(jù)的爆發(fā)式增長，大數(shù)據(jù)時代的特征逐漸凸顯，并且給用戶數(shù)據(jù)的存儲、處理、分析等帶來了巨大的挑戰(zhàn)和機遇，從移動終端用戶方產(chǎn)生的海量行為數(shù)據(jù)，采用傳統(tǒng)的數(shù)據(jù)分析方式逐漸不能滿足各行各業(yè)的需要，需借助大數(shù)據(jù)技術的挖掘與分析方法和工具，采集移動用戶行為數(shù)據(jù)，對數(shù)據(jù)進行全面而準確的分析，實現(xiàn)移動用戶的精準定位，逐漸在大數(shù)據(jù)技術的驅(qū)動下，充分把握用戶的個人偏好、使用規(guī)律，從而為各行各業(yè)提供以數(shù)據(jù)為支撐的理論依據(jù)，更有助于企業(yè)制定科學的決策和發(fā)展規(guī)劃[1]。

2 大數(shù)據(jù)及用戶行為分析相關概述

2.1 大數(shù)據(jù)的定義及作用

大數(shù)據(jù)，很多的研究機構都給出了自己的定義，如著名研究機構Gartner提出“大數(shù)據(jù)是需要新的處理模式才能具有更強的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應海量、高增長率和多樣化的信息資產(chǎn)”，而麥肯錫全球研究所則提出“大數(shù)據(jù)是一種在獲取、存儲、管理、分析等多方面遠遠超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合”，這些定義便可以看出，大數(shù)據(jù)的數(shù)據(jù)規(guī)模龐大、數(shù)據(jù)處理快速、數(shù)據(jù)類型多樣、數(shù)據(jù)價值更顯著等特點，大數(shù)據(jù)技術的應用能夠讓大數(shù)據(jù)發(fā)揮增強決策力、優(yōu)化流程、發(fā)現(xiàn)關聯(lián)性等作用。目前與大數(shù)據(jù)相關的技術包括大規(guī)模并行處理的數(shù)據(jù)庫、數(shù)據(jù)挖掘技術及工具、分布式文件系統(tǒng)及數(shù)據(jù)庫、云計算、互聯(lián)網(wǎng)以及可擴展的存儲系統(tǒng)，也就意味著大數(shù)據(jù)技術涵蓋了互聯(lián)網(wǎng)技術、云計算數(shù)據(jù)、分布式處理技術和感知技術，可以充分實現(xiàn)數(shù)據(jù)的采集到數(shù)據(jù)分析結(jié)果形成全過程[2]。

2.2 移動用戶行為分析的內(nèi)容

從狹義上來說，移動用戶行為分析是指在獲得移動應用程序或移動通信數(shù)據(jù)的等基本數(shù)據(jù)情況下，對這些數(shù)據(jù)進行處理、分析和統(tǒng)計，從而發(fā)現(xiàn)移動用戶在這些平臺的使用規(guī)律，并且將這些規(guī)律與其他行業(yè)進行融合，發(fā)現(xiàn)移動用戶的個人偏好，為企業(yè)服務提供更加可靠的數(shù)據(jù)依據(jù)。其中移動用戶行為分析的主要內(nèi)容包括行為事件分析、頁面點擊分析、用戶行為路徑分析、用戶健康度分析、漏斗模型分析以及用戶畫像分析等六種模型，不同的模型都可以獲取不同的用戶行為數(shù)據(jù)，如用戶資料、活躍用戶、留存用戶、使用時長、應用版本、激活量、卸載量、用戶屬性、網(wǎng)絡終端、行為跟蹤等，這些數(shù)據(jù)資料涵蓋了用戶忠誠度、回復率、用戶使用的操作系統(tǒng)和常用的移動應用程序，用戶選擇的通信服務網(wǎng)絡運營商以及聯(lián)網(wǎng)方式， 并且通過用戶行為跟蹤，獲取用戶訪問頁面、頁面停留以及跳出、跳轉(zhuǎn)率等信息[3]。目前市場上出現(xiàn)了很多用戶行為數(shù)據(jù)統(tǒng)計工具，如百度統(tǒng)計、Google Analytics等，以及付費用戶行為分析系統(tǒng)如數(shù)數(shù)科技的Thinking Analytics，不同的業(yè)務需求可以采用不同的用戶行為分析工具[4]。

2.3 移動用戶行為分析的方法

移動用戶行為分析的方法包括數(shù)據(jù)采集、數(shù)據(jù)存儲、分析模型、報表創(chuàng)建、應對策略等五個層次。數(shù)據(jù)采集是數(shù)據(jù)處理與分析的基礎，首先要求數(shù)據(jù)足夠準確、數(shù)量大、實時，可以通過可視化埋點、SDK埋點、日志數(shù)據(jù)、歷史數(shù)據(jù)導入等方法獲取更為準確的數(shù)據(jù)[5]。其次要對采集到的數(shù)據(jù)進行數(shù)據(jù)存儲，打通用戶的數(shù)據(jù)源，建立統(tǒng)一的數(shù)據(jù)倉庫，并且對用戶的屬性數(shù)據(jù)和用戶行為數(shù)據(jù)進行清晰、統(tǒng)一的定義，將用戶行為有關的數(shù)據(jù)進行4W1H的描述，在此基礎上再分析用戶行為背后的原因。用戶行為分析是多維的，因此還需要引用很多的分析模型，根據(jù)不同的業(yè)務場景，進行靈活搭配使用，最后要通過創(chuàng)建報表來做數(shù)據(jù)結(jié)果分析，建立統(tǒng)一的關鍵指標，讓數(shù)據(jù)更具有決策意義，同時要對這些指標進行持續(xù)性的監(jiān)控，提高數(shù)據(jù)的決策力和應用價值。

3 移動用戶行為分析研究現(xiàn)狀

3.1 傳統(tǒng)用戶行為分析缺少大數(shù)據(jù)技術方法

傳統(tǒng)的數(shù)據(jù)挖掘工具并不具備大數(shù)據(jù)挖掘、處理、分析的方法和能力，單一的服務器也不能滿足大數(shù)據(jù)挖掘與處理的需求。一方面數(shù)據(jù)來源渠道簡單，數(shù)據(jù)采集模式單一，導致傳統(tǒng)的用戶行為分析數(shù)據(jù)采集難度大[6]。數(shù)據(jù)采集是數(shù)據(jù)分析的第一步，也是關鍵的一步，決定了數(shù)據(jù)分析結(jié)果的質(zhì)量，因此更需要大量、來源廣泛、全面的移動用戶行為數(shù)據(jù)。另一方面?zhèn)鹘y(tǒng)服務器已經(jīng)不能適應當前新興的數(shù)據(jù)挖掘、存儲、處理等技術的應用，也會顯現(xiàn)出數(shù)據(jù)處理效率不高、不兼容、不匹配等現(xiàn)象。最后傳統(tǒng)的用戶行為分析大多取決于經(jīng)驗，而且數(shù)據(jù)的可靠性較差，不能作為決策的關鍵性指標和最終依據(jù)，數(shù)據(jù)的作用和價值不大，因此傳統(tǒng)的用戶行為分析方法逐漸被大數(shù)據(jù)技術淘汰，需采用更加先進的數(shù)據(jù)分析方法及工具。

3.2 用戶行為數(shù)據(jù)挖掘與分析技術不匹配

隨著大數(shù)據(jù)技術的快速發(fā)展和應用，很多的企業(yè)都引進了數(shù)據(jù)挖掘與分析處理的技術，但是由于不同算法會得到不同的數(shù)據(jù)效果，很多的企業(yè)在應用大數(shù)據(jù)技術時，與自己的業(yè)務需求不匹配，不能針對性地獲取用戶行為數(shù)據(jù)，做好用戶畫像，實現(xiàn)精準定位，從而導致一系列的數(shù)據(jù)處理問題的出現(xiàn)。目前很多技術專家、學者根據(jù)不同的應用場景，不斷改進了數(shù)據(jù)挖掘、分析與處理的算法，如3PC-MDSP、聚類算法、關聯(lián)算法、移動用戶偏好自適應的學習方法等，不同的大數(shù)據(jù)技術都具有不同的優(yōu)缺點。但很多企業(yè)由于缺乏專業(yè)的技術人才，不熟悉相關技術，使得很多的企業(yè)即使引進了大數(shù)據(jù)技術，但是并沒有對數(shù)據(jù)挖掘、處理等算法進行充分的了解、分析及比較，選擇適合自己業(yè)務需求的大數(shù)據(jù)技術，也不會明確自己的團隊目標，創(chuàng)建合理的數(shù)據(jù)庫，選取更加合適的數(shù)據(jù)處理方法，在展現(xiàn)數(shù)據(jù)時，也可能出現(xiàn)圖形、圖表等可視化的問題，導致最終索要觀測的數(shù)據(jù)結(jié)果無法正常顯示。

3.3 用戶行為數(shù)據(jù)分析平臺功能不健全

目前大數(shù)據(jù)分析系統(tǒng)平臺架構也有很多種，包括Hadoop、Spark以及Storm/Flink等三大分布式計算系統(tǒng)，其中Hadpoop適合處理離線的靜態(tài)大數(shù)據(jù)，Spark適合處理離線的流式大數(shù)據(jù)，而第三種適合處理在線的實時大數(shù)據(jù)，不同的分布式系統(tǒng)也具有不同的優(yōu)缺點，適用于不同的應用場景和企業(yè)服務需求，也是造成移動用戶行為大數(shù)據(jù)平臺功能不健全的重要因素。而還有很多企業(yè)存在的問題在于很多企業(yè)使用的數(shù)據(jù)分析平臺功能模塊十分落后，不僅沒有采用這些分布式處理系統(tǒng)，在使用傳統(tǒng)的數(shù)據(jù)分析工具，而且在建立數(shù)據(jù)平臺分析時，由于用戶行為分析模型的多樣化，這些數(shù)據(jù)平臺的功能也不能滿足模型分析的需要，無法建立全面的用戶行為分析，完善用戶畫像，建立合理的關鍵指標。

4 基于大數(shù)據(jù)技術的移動用戶行為分析研究方法

4.1 促進大數(shù)據(jù)技術方法的場景應用

無論是數(shù)據(jù)采集技術還是數(shù)據(jù)的展示，傳統(tǒng)的用戶行為分析方法都顯露了其處理效率低下、處理效果不佳等問題，這些問題的浮現(xiàn)也讓越來越多的企業(yè)充分認識到大數(shù)據(jù)分析在企業(yè)服務與營銷中發(fā)揮的作用，尤其在當前智能終端的快速發(fā)展下，都加快了在移動用戶行為方面的數(shù)據(jù)分析步伐，促進了大數(shù)據(jù)方法在企業(yè)管理與服務中的場景應用[7]。一方面要根據(jù)企業(yè)自身的業(yè)務需要，考慮企業(yè)的規(guī)模和資金實力，建立企業(yè)自主的數(shù)據(jù)分析平臺，另一方面要打造企業(yè)的大數(shù)據(jù)分析技術人才，創(chuàng)建數(shù)據(jù)挖掘、處理、分析多層次的人才隊伍，在數(shù)據(jù)的驅(qū)動下實現(xiàn)企業(yè)的快速轉(zhuǎn)型。

4.2 加強大數(shù)據(jù)關鍵技術的分析與選擇

大數(shù)據(jù)挖掘算法包括聚類算法、關聯(lián)算法、決策樹算法、人工神經(jīng)網(wǎng)絡算法等，這每種方法都適用于解決不同的實際應用問題。聚類算法的特點在于處理數(shù)值型數(shù)據(jù)而無法處理文本型數(shù)據(jù)，適用于客戶細分類型的應用場景，而關聯(lián)算法則結(jié)果清晰、耗時可控，但容易忽略稀少數(shù)據(jù)，使用關聯(lián)分析，尋找事物之間的關聯(lián)性，決策樹算法則具有模型效率高、計算量小的優(yōu)點，但不擅長處理連續(xù)型數(shù)據(jù)，可用于預測和探索規(guī)則，如應用與客戶流失分析，而人工神經(jīng)網(wǎng)絡算法對噪聲數(shù)據(jù)適應性很強，但計算時間很長，且容易出現(xiàn)錯誤結(jié)論，可以用于模式識別，優(yōu)化算法。由于企業(yè)之間的服務內(nèi)容不同，在進行數(shù)據(jù)挖掘時的需求也會出現(xiàn)較大的差異，因此一方面要充分了解數(shù)據(jù)挖掘算法，明確企業(yè)需求，另一方面要做好算法的選擇，取長補短，為企業(yè)制定更優(yōu)化的解決方案。

4.3 健全移動用戶行為分析系統(tǒng)架構

要建立并健全移動用戶行為分析的系統(tǒng)架構，通過不同的移動用戶行為分析的模型，建立數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)處理、數(shù)據(jù)展示等多層的系統(tǒng)架構。對于企業(yè)的場景應用來說，三大分布式計算系統(tǒng)并不能完全契合企業(yè)的業(yè)務需要，因此需要逐步建立、健全企業(yè)在移動用戶行為分析系統(tǒng)平臺，完善系統(tǒng)平臺架構，相對于Hadoop分布式處理系統(tǒng)， Spark的分布式集群系統(tǒng)平臺架構擁有更先進的基于內(nèi)存計算的DAG計算引擎，它的運算速度更快，也可以處理更多的數(shù)據(jù)源數(shù)據(jù)，在一定程度上更適用于移動用戶行為分析的場景應用，可以從服務端數(shù)據(jù)庫和SDK進行從數(shù)據(jù)采集，且頁面簡單，方便用戶操作[8]。企業(yè)需要根據(jù)自身需求在數(shù)據(jù)處理層，也需要進行數(shù)據(jù)的抽取、合并、清洗、聚合、轉(zhuǎn)換、裝載等，最終實現(xiàn)數(shù)據(jù)的全面展示，滿足企業(yè)的服務需要。

5 結(jié)束語

在大數(shù)據(jù)的浪潮下，大數(shù)據(jù)分析技術的應用越來越廣泛，也充分展現(xiàn)了數(shù)據(jù)的價值，隨著移動用戶數(shù)量的飛速增長，大數(shù)據(jù)技術在移動用戶行為分析方面的實施應用也更加的普遍，但是提高數(shù)據(jù)存儲、挖掘、處理與分析的能力，是未來大數(shù)據(jù)技術應用需要加強重視的部分，對促進大數(shù)據(jù)技術的場景應用、完善移動用戶行為分析系統(tǒng)平臺的功能架構具有重要的意義，也能夠有效地提高行業(yè)的工作效率，推動各行各業(yè)的精準化、個性化發(fā)展，加快各行各業(yè)進入高質(zhì)量發(fā)展的步伐。

參考文獻：

[1] 孫慧.大數(shù)據(jù)挖掘技術的圖書館移動用戶行為分析[J].現(xiàn)代電子技術，2020，43（18）：164-167，171.

[2] 王睿，秦曉安，王保敏.基于大數(shù)據(jù)的移動用戶行為分析系統(tǒng)設計[J].信息與電腦（理論版），2019（11）：88-90.

[3] 于澤川.基于大數(shù)據(jù)的用戶精準定位與行為分析[D].北京：北京郵電大學，2019.

[4] 黃文彬，吳家輝，徐山川，等.數(shù)據(jù)驅(qū)動的移動用戶行為研究框架與方法分析[J].情報科學，2016，34（7）：14-20，40.

[5] 黃玉蕾，李海峰.移動互聯(lián)網(wǎng)下大數(shù)據(jù)用戶行為平臺搭建[J].電腦編程技巧與維護，2016（13）：38-40.

[6] 羅海艷.移動用戶網(wǎng)絡行為分析與預測方法研究[D].沈陽：沈陽農(nóng)業(yè)大學，2015.

[7] 王靖.移動用戶行為分析機制的設計與實現(xiàn)[D].沈陽：東北大學，2015.

[8] 于澤涵.移動網(wǎng)絡中的大數(shù)據(jù)用戶行為研究與分析[J].信息通信，2014，27（1）：224.

【通聯(lián)編輯：謝媛媛】