基于网络用户行为的网络优化研究

郐世轩　边雪婷　柯力图　赵泽海　张璇

摘  要：网络用户根据自身的爱好特点，所产生的行为千姿百态。正是这些用户行为影响着互联网公司和运营商。基于网络用户行为进行网络优化，用户可以轻松愉快地使用网络，并根据自己的喜好体验个性化服务。该文主要以W网络调查平台为研究对象，对网站的用户行为进行统计分析，并且在此基础上提出优化方案。

关键词：网络用户  行为  网络优化

中图分类号：TN915.0                              文献标识码：A                         文章编号：1672-3791（2019）03（c）-0023-03

互联网的迅猛发展使得当前网络数据等一系列概念与人们的生活学习密切相关，每天使用网络设备产生网络浏览行为大数据。网络虚拟社会的出现和现实生活中的行为相对应，人们利用网络设备所产生的行为称之为网络用户行为[1]。对于互联网公司来说，网络用户的行为分析可以发现用户的浏览习惯和偏好，并对其进行分析加以应用，可以提高网络用户的上网体验，增加网络公司相关收益，更可以为互联网长远发展打下坚实基础。

1  理论与方法

用户行为预测所涉及的内容很广，比如关注、评论、点赞、访问主页等交互因素。给定特定的社交网络，研究者们大多从社交网络图结构和社交网络功能两个角度分析用户行为。网络结构着重于分析用户行为的产生过程，功能分析则着重于分析用户行为的具体内容[3]。

社会网络图结构分析法主要是对社会网络的关系结构或者属性信息进行分析，行动的主体可以是人、社区或者群体等，主体之间的关系能够反映出一定的现象或者规律。基于网络结构常有的衡量网络特性的属性有：度、网络直径、聚类系数、介数等[4]。

社交网络的功能特性侧重于分析用户的具体行为，比如点赞、转发、关注等行为。这些用户的具体行为实质上是社交网络提供给用户基本功能的在用户微观层面上的反映[5]。因此，如果想要深入地剖析用户特征，社交网络运营部门的理论支持可以来源于通过研究用户历史信息。以转发行为为例，有很多学者通过分析社交网络中多维度用户主体特征和博文特征在转发微博和不转发微博中的呈现出来的不同表象，采用加权预测模型来实例化特征，进一步将用户转发行为预测转化为二分类问题[6]。

2  网络用户行为实证分析

该文数据全部来源于W网络调查平台的数覆盖范围内的所有用户产生的海量网络数据报文和服务器所产生的日志文件，主要采集了2018年6月至2018年8月之间的数据。根据这些数据可以得到网络调查平台用户的个人资料、访问的内容数据、点击数据等，为研究W网络调查平台的用户行为提供了非常大的支撑。

2.1 网页兴趣度评估

该小节对网络用户行为的实证分析主要是对其在版块停留时间、版块内点击次数、版块内页面滑动的次数、版块总访问次数进行分析。

版块停留时间是用户在某一个版块内的停留时间，它是反映用户行为特征的一个重要指标。记录用户进入某个版块的时间为t0，通过以下两种方法计算用户在版块内的停留时间。第一种是离开的时候记录时间t1，则访问时间为t1-t0;第二种是到达另一个版块或者回到主页时记录时间t2，则访问时间为t2-t0。版块内点击次数主要是指用户在浏览一个版块的时候，会不由自主地点击自己感兴趣的帖子进行浏览，同时在浏览帖子的过程中用户会对自己感兴趣的内容进行收藏或者回复等，监控收集用户在一个版块内的所有点击行为。

将用户行为事件以矩阵的形式排列，作为样本数据，每一行数据是一个用户的一个行为事件，其中每一列是行为事件的某一个属性，最后一列是类属性值，即我们需要推测的样本属性用户兴趣度的人工打分。如表1所示，我们需要输入用户行为事件矩阵来分析用户的兴趣度。

2.2 用户行为分析模型

通过对W网络调查平台2018年6月至2018年8月这3个月之间的用户行为日志数据，进行收集整理分析，总结出基于W网络调查平台的网络用户行为模型，如图1所示。

由此可见，从进入页面到打开界面的人数大量流失，流失占比达到90%以上。另外，打开界面到浏览内容，也减少了10.72%的用户。因此，如何美化打开界面吸引网络用户，防止从进入页面到打开界面的人数大量流失，成为网络平台能够顺利吸引用户浏览内容的重要任务。

2.3 统计分析

2018年6月至2018年8月间，进入W大数据平台的107325名用户中，进入次数最多的用户进入了409次，每个用户平均进入次数为1.25次。有打开界面操作的10257名用户中，打开界面最多的用户共打开了214次，每个用户打开问卷次数平均为3.55次。共有9158名进入平台的用户提交了问卷，打开界面最多的用户共打开了108次，每个用户提交问卷次数平均为2.48次。

对107325名进入W网络调查平台的用户的性别、学历、地域分布经统计分析后如表2所示。

由表2可知，可以对W大数据网络平台的用尸属性有初步了解。学生用户和社会白领阶层是W大數据网络平台的主要用户，其中女性用户占较大比例，因此，数据内容多偏向于女性喜好。为保证得到调查结果中性别比例均衡，W大数据网络调查平台应在提升男性用户的提交量上做出努力。在学历上，本科与专科用户大致相同。在城市分布方面，一级城市用户占比最多，但是与二级及二级以下城市相差不多，这与我国学生和白领用户学习工作区域有关。

3  网络优化建议

3.1 优化网络平台流程

一个完整的网络调查过程包括用户进入网络调查平台、打开网络调查问卷并提交网络调查问卷。过程中的每个环节都会影响用户最终提交网络调查问卷。网络调查平台需要对以上各个环节的行为进行关注，用平台和问卷设计的优化，提升用户对网页的兴趣度以此来提高用户在各个环节的转化率，尤其需要重点关注的是在用户打开问卷之前，利用合适的页面结构以及新颖的页面内容，吸引用户打开问卷。

3.2 根据用户特征采取激励机制

该文研究发现性别对用户进入在线调查平台和打开问卷的行为没有显著影响，对用户提交问卷的行为却有显著影响。打开问卷后完成回答并提交通常是女性用户，因此，在问卷调查中除了需要控制性别比例，还需要在调查平台采取措施使问卷更多的出现在男性用户视野当中，以增加男性用户的提交量。在打开问卷和提交问卷的两个阶段，适当采取物理激励或虚拟激励措施，实物激励中物品的价格越高，虚拟激励中虚拟积分的数量越高，产生的效果越好。根据具体需求设置不同的激励水平，以确保回收的调查问卷数据。

3.3 优化外部环境

从外部环境来看，网络用户进入网络调查平台的时间段对相关网络调查平台的运营策略也有相当重要的影响。由网络大数据调查发现用户进行上网行为在中午11：00～12：30和晚上18：00～20：00比较集中。这就意味着在中午和夜晚时段用户的进入-打开比率和打开-提交比率会更高。而且进入-打开比率在下午18：00～20：00有一个峰值。考虑到在半夜网络调查平台的用户数量很少，一般认为网络调查平台开展运营和推广活动的最佳时间是中午和晚上。此时，用户有更高的行为倾向，第二个最佳选择是晚上。此时，用户更倾向于进入网络调查平台和打开调查问卷，这也会影响用户最终问卷的提交。在上述时间段内有更多的用户进入网络调查平台，这样能够获得较多数量的问卷，获取更多的信息。

4  结语

当前，计算机和互联网发展速度不断加快，网络用户也在不断增加，其规模也在不断扩大，同时，使用网络平台的用户就会留下相应的用户数据。在众多领域中，如果想要真正吸引到用户，那么网络运营平台就必须学会对大数据进行分析，并对分析结果加以合理利用，为网络、网络规划设计进行有效支持，为决策科学化提供帮助。在此基础之上优化相关的网站以及软件产品，为网络提供更安全、舒适、流畅的上网体验。

参考文献

[1] 顾其源.基于用户行为的无線通信网络综合优化研究[J].信息通信，2018，186（6）：190-191.

[2] 顾震强.移动网络的用户行为及用户价值区域特征的分析研究[J].移动通信，2016，40（5）：15-19.

[3] 王浩.大数据背景下基于客户需求的供应网络优化问题的研究[D].沈阳工业大学，2016.

[4] 黄琪飞，李贝，胡海波，等.基于用户感知的端到端网络优化方法研究[J].电信技术，2016（9）：9-12.

[5] 王玲.移动网络用户行为挖掘模型及在E-Learning系统中的应用[J].现代电子技术，2016（24）：91-95.

[6] 王忠民，王希，宋辉.基于随机Dropout深度信念网络的移动用户行为识别方法[J].计算机应用研究，2017（12）：283-286.