隐式挖掘网站用户行为

如何了解用户需求？根据用户是否主动参与分为显式与隐式两种挖掘模式，因为显式的动静比较大，有很大局限性，所以为了保证结果准确性以及提高用户接受度，一般都采用隐式。

用户的日常交互行为会产生四类关键数据：鼠标移动轨迹、链接点击分布、页面浏览流、页面停留时间。通过用户的行为能反映用户的观点，同时利用访问的网页次序可以找出网页之间的隐性关系。

收集数据

1. Web服务器的日志（用户会话记录）
2. Web trends或类似的第三方共享软件（客户端分析，流量分析，可用性分析）
3. 自己开发的第三方软件/插件（需求自定义）

大型网站通常会把以上三种方法组合应用，大致原理就是给进入网站的用户赋予身份识别，每次产生交互动作就向服务器发回请求，通过时间和页面判断连接各个请求点并且记录下来。（算法不讨论）

过滤数据

1. 明确目标，定义核心数据。
2. 界定用户行为，利用多数人的行为来消除个人行为的主观性。
3. 对用户进行归类，确定数据类别。

大型网站每天所产生的数据量是惊人的，所以常规需求一般都是定时或定量的分析。另外，额外的数据处理会减慢网站的速度，搜集的数据越多，潜在的负面影响越大。

习惯分析

1. 对用户浏览过的页面进行内容分析，根据信息主题对页面进行聚类。
2. 聚类过程中除了考虑页面内容相近程度，还应该考虑页面路径。
3. 把用户浏览行为对其兴趣的作用列入聚类结果，得到综合评估模型。

用户兴趣分偶然和稳定两种情况，其中偶然可以认为是随机变化的，稳定的挖掘又有基于内容和行为两种方式，在内容上表现有重复度、相似度等，在行为上表现有停留时长、点此次数、拉动滚动条次数等。

实际案例

类似系统、浏览器、分辨率的客户端分析，常见而且简单，略过。

关于鼠标轨迹、点击分布的可用性例子：

1. 跟踪用户在进行检索时的鼠标移动轨迹，可以获取用户操作的先后顺序、热点功能、动作曲线等一手数据，这些都是改善或简化表单的重要参考。
2. 在重要的页面进行详细的点击分布监控统计，主要检查信息呈现的易用性，看看有没有偏离设计初衷，经常更新，找到规律。

处理特定用户行为、用户群、用户来路的任务流例子：

1. 监控分布式注册流程，能够看到有多少用户填了表单、填完了表单，或者在某个步骤有异常流失。
2. 监控不同模块入口过来的注册用户，能够统计出各模块导入的有效注册量、百分比、成功率，以便合理调配资源。
3. 监控投放广告过来的注册量、注册成功率、转换付费用户成功率，以便明确广告的投入产出比。
4. 监控用户的纵深浏览行为，是测试导航可用性很好的办法，也就是说用户会不会在你的网站内迷路？

结束

再次强调，这里的讨论仅限于后期研究的隐式挖掘，就是不去惊动用户，不让用户察觉的方法，完全通过技术手段拿到我们想知道的数据，再通过理论分析来改进产品。

之前在某上市公司全程参与了类似系统的开发，最艰难的部

来源：http://ucdchina.com/blog/?p=12