基于大数据的网络用户行为分析

尚红

摘要：由于网络通信信息技术及相关计算机技术的不断发展，网络的大环境也开始变得越来越复杂，云计算等相关网络技术的广泛应用，造成主机的边界和网络的相关技术也开始发生变化，变得比较的动态化以及模糊化。在进行信息搜索的过程当中，因为绝大部分的使用用户会将搜索引擎当做自己进行搜索自己需要的信息的首个选择方式，它可以把比较混乱、没有规章的信息规范整合，给用户建设一套条理清晰的索引文档体系。本文内容主要是先从整体上研究网络大数据的相关概念以及主要特征，进一步分析大数据给用户的行为都带来怎样的影响，并且立足在大数据的网络基础之上对用户的相关行为进行了进一步的分析与实证研究。

关键词：大数据;网络用户行为;数据分析

一、大数据网络研究的背景和现状

（一）研究背景

计算机以及云计算等相关网络专业技术的不断发展，使得行业应用下出现的数据资料开始呈现急剧性的增长，相关数据资料的飞速增长代表着人类社会已经从原本的信息化时代开始走向网络大数据的时代。大数据正在悄悄的对我们的生活以及工作等各方面产生一个大的改变，它不但在相关的民生信息数据统计以及消费者相关行为的预测方面都有着巨大的促进作用，同时对于互联网的网络安全来讲，也是一个很重要的保障工具。所以，怎样设计出来一套有成效的用户行为分析模式，并且还是立足在大数据的基础上面，这个研究内容是十分重要的。

（二）研究现状

网络用户的行为详细的去讲，其实就是用户在进行登录网站，使用网络后的一切行为活动，例如进行信息的搜索、在相关购物平台的上的购物以及观看新闻、玩游戏等等行为，其只要在网站上发生就会产生相应的数据，而且随着现代网络用户数量的不断上升，其网络数据也开始变得更多。我们之所以要对使用网络的用户行为进行进一步的分析，是因为我们可以通过相关的数据支撑，发现掩埋在用户行为当中的用户习惯行为特征，这些特征能够准确的反射出来用户最根本的需求以及她的一些兴趣习惯。在了解到他们的最根本的内在信息需求的时候，电商就可以通过他们的兴趣与实际需求给用户推送提供一些合适的产品，就可以迅速的提升用户的购物效率，同时也可以为电商自己创造下极为巨大的利益。

二、大数据的概述

（一）大数据的定义

大数据也可以称之为巨量资料，主要指的开始通过新处理的网络模式产生更为有效的决策、洞察与进一步优化提升流程水平的大量、超高增长率以及多元化的相关信息资产。

早就在1980年这一年里，闻名世界的未来学家，即阿尔文·托夫勒就在自己的书中高度赞扬了大数据，不过一直2009年，“大数据”开始在互联网行业中慢慢开始流行起来，变成了一个专业的网路信息词汇。现阶段给大数据的定义还是主要集中在它的主要特征上面，即具有实时性，并且信息呈现多元化的趋势。

（二）大数据的特点

从海量多元化的数据中，迅速的获取到具有价值的相关信息的能力，也就是我们所说的大数据网络技术。知道这一点是非常重要的，也是因为这一点所以才使得这个专业技术拥有着对用户进行进一步分析的潜在能力。大数据整体上是有五大特点，也被称之为5V，即大量性特点、高速性特点、多样性特点、价值性特点以及真实性特点。

1.大量性（Volume）

数据的体量是十分巨大的，它从TB这个级别，跳跃提升到PB这个等级。

2.高速性（Velocity）

处理的速度是非常迅速的，并且存在着“1秒定律”，也就是说对于处理的速度方面是有一定标准要求的，正常情况下需要在秒级的时间规定内分析并得出相关结果，这也是大数据这个专业技术与传统性质的数据挖掘相关的技术最为本质的不同之处。

3.多样性（Variety）

数据的类型是多元化，多种多样的，比如网络娱乐、网络视频以及地理位置等多种网络服务都是能够产生许多的文字、视频、语音、图画以及地理位置等多种多样的相关数据信息。

4.价值性（Value）

它的价值密度相比较来说是比较低的，我们通过视频进行举例说明，持续性的监控的整个过程当中，有用的数据只占到其中的一两秒的时间。但是我们合理的去使用大数据，并且针对具体情况具体实际的进行分析，还是会产生比较高的价值同等回报甚至超出的回报的。

5.真实性（Veracity）

追寻高质量对大数据来讲是比较高的一项挑战，即便是最为优秀的数据清理手段面对一些数据，也是没有办法抹除掉它们本身一直存在的一种不可预测的特性。比如，人自身存在的情感以及诚实、天气的具体状况、经济的相关因素和未来的情况等等，所以我们要对大数据进行相应的完善工作。

（三）大数据的意义

当前的社会本身的发展速度是非常快的，由于科学技术的进一步发展，信息的广泛沟通，人与人之间的联系越来越频繁，生活质量也呈现一个向上增长的趋势，在大数据中进行分析找寻到比较合适的模式，能够协助用户更快的适应社会的不断变化，并且根据实际情况做出一个比较准确的决定，同时可以用最快速的可能对自己现在的行为进行相应的判别。

三、分析网络用户行为

（一）其行为的必要性

网络的用户相关行为主要是指用戶在进行使用网络所需要的资源的时后能够展现出来的规律特征。一般情况下是需要将用户使用的网络资源的相关数据全部登记下来、统计并进行一定的分析工作，能够把发现的规律跟相关产品或电商服务的有关经营战略完美的结合在一起，可以进一步的提升服务质量以及有利于经营战略等方面的策划。

（二）其行为的界定

我们从大数据的整体角度出发，针对网络用户的相关行为尽心具体的分析，第一步是需要重新确定网络用户的行为当中内部的组成结构。

1.用户群特征分类。

在对网络的用户群体进行分类的时候，不能简单的知识通过年龄或者从事的职业去进行分类工作，而是应该从不同方面的维度，先获得用户的具体行为方面的数据以后，再针对其数据进行更为详尽的细分处理。

2.用户对产品的使用率。

针对网站类别的相关产品，其中的数据使用主要其查看信息的点击数量、访问数量、点击比率、访问比率以及在某一页面停留的时间长短等等多方面;针对在网上购物的相关产品，其中的数据不仅仅包括上方说的数据，还包括一些咨询率以及二次进行购买的几率等等多个方面。

3.用户使用产品的时间。

就是用户在进行使用这个产品的时候通常都是在每天的哪个时间段，比如说公众号进行推送文章，就需要分析多数用户经常是在什么时候会打开文章。

（三）其行为的分析方式

在获取到网络上的用户行为的相关数据以后，就应该进行下一步的分析工作，主要分析的方法有三种：

1.以数据分析为导向。

以数据分析为导向这个方法含义主要是指在进行大数据分析的具体过程当中，需要收集有关的行为数据，才能做出进一步的有关用户的推荐服务等个性化设计。

2.以产品设计反馈为导向。

以产品设计反馈为导向这个方法，主要是侧重于应用数据监测、分析以及整理有关用户的相关数据，向产品的健全设计或者进一步改进服务方面的大数据分析。

3.以用户调查为导向。

通过把用户的调查作为其中导向之一，侧重于基础性的相关数据分析，例如用户的基本动作内容分析就能够从其在网页停留长短等方面去分析。

四、对大数据下用户行为的研究分析

（一）其分析方面

现在，电子商务这一方面汇集了大量的网络用户行为分析信息，在这一方面用户的数据量是十分巨大的。依照该行业公司部分统计表明，许多用户在进行产品购买的时候，都要查看一部分较为类似的产品，数据显示为5个有关网站，还有36个有关的页面。在这个方面实行用户行为分析主要是依照大数据来进行的，能够让电子商务公司在许多方面得到提高，比如销售前、中、后期的服务水平。

（二）其分析过程过程

该文通过我国某个团购网站作为典例，逐步研究这个网站于网络用户行为分析上，是如何使用大数据进行分析的。这个网站APP主界面的重要服务内容是：搜索、LBS等各种服务。这些服务中有一项服务叫做猜你喜欢，是依照用户们以前的购买特征来实施较为准确的信息推荐。

接下来将一位用户去操作APP当做例子，来实施用户分析。用户在购买之前的活动，往往能够将其内心的想法与意图表现出来。用户A在使用APP的时候一共用了100次，其中有78次进入了美食方面进行查看，有10次進入了新单这一类别，9次进入了电影方面，最后3次则是进入了KTV之中。当用户A进入美食中以后，在智能排序中有一系列的选项可以选择。该用户对于离我最近这项选择进行了52次点击，人气最高进行了10次点击，价格最低进行了6次点击，最后10次是点击了评价最高这一项。该用户在52次点击中，选择一样的位置高达40次，还有一个位置是8次，剩余的4次都是在一些不同的地方。该用户在离我最近这个选项中确定以后，出现了距其较近的一些美食，一般情况下会在该界面待上320秒左右，然后才进行下一次类别的选择。在进行菜系的选择上，该用户对于火锅挑选了14次，对于川湘菜挑选了15次等，对不同菜系进行了各种各样的选择。该用户在进入某个美食的介绍时，一般逗留的时间达到了20秒左右，在图片与文字上停留的时间大约为28秒左右，评论区停留的时间更长，达到了90秒左右。该用户在美食区域的78次选择中，最终进行购买的次数只有16次，在这16次的过程当中，以进入APP为开始，到下单结束的时候只有了78秒的时间。

五、结语

无数的数据之中常常包含着一些价值较高的消息或信息，当网络中数据量不断的提升，这大量的数据中所包含信息价值对于现阶段的发展是十分关键的。所以，怎么在无穷无尽的数据里面找到价值较高的信息成为了现阶段一个热点问题。在目前的情况看来，绝大多数都是将电商等方面数据当做研究用户的基础，结合上面描述的内容可以发现，大数据这一方面的技术与互联网用户行为分析不断相互结合，让以往的产品在设计上、经营上等各个方面都脱胎换骨。与此同时，大数据不断前进的过程中还应该进一步的加强分析力度，让其综合全面分析，在不同的方向尽可能的完善起来。

参考文献

[1]刘丹， 王雷. 大数据时代互联网经济犯罪预警研究[J]. 辽宁大学学报（哲学社会科学版）， 2018， 46（4）：108-114.

[2]陈兴蜀， 曾雪梅， 王文贤， et al. 基于大数据的网络安全与情报分析[J]. 工程科学与技术， 2017， 49（3）：1-12.

[3]钟沐旸. 关于数据权限中心（DAC）的研究与初步实现[D]. 成都理工大学， 2017.

[4]孙岩. 大数据背景下地方政府统计工作水平提升研究[D].内蒙古大学，2018.