基于大數據分析的互聯網業務用戶體驗管理

康 波，劉勝強

（中國電信股份有限公司廣東研究院 廣州 510630）

基于大數據分析的互聯網業務用戶體驗管理

康 波，劉勝強

（中國電信股份有限公司廣東研究院 廣州 510630）

傳統的用戶體驗研究方法以定性研究為主，缺乏大樣本的代表性及準確的數據結果，同時用戶體驗研究對具體的用戶詳細行為的數據粒度和全方位行為信息數據的要求，在傳統的數據分析技術條件下無法滿足。大數據技術的發展提供了一種途徑，可以在更短的時間內，對更豐富的數據資源進行更快速的整合，更加滿足這一要求，并可以在大樣本下進行用戶體驗研究工作，彌補定性分析的短板。大數據本身所蘊含的數據資源也可用于提升用戶體驗，為用戶的個性化管理提供更能全方位刻畫用戶特征的數據條件。本文就大數據分析在產品、業務、用戶3個層面對用戶體驗的支撐工作進行了研究，并對用戶體驗數據在互聯網業務方面的管理工作進行了探討。

大數據；用戶體驗；可用性/好用性；交易瓶頸；數據整合；交叉銷售；個性化；流失預警

1 引言

隨著3G、光速寬帶等業務的快速推進，中國電信從傳統基礎網絡運營商向現代綜合信息服務提供商轉型的工作也在快速進行，覆蓋互聯網主流業務的天翼空間、愛音樂、天翼閱讀等8大基地業務持續開展。與傳統互聯網企業相比，電信基地業務在用戶隊伍中具有先天優勢，但在與傳統互聯網企業的對比中也逐漸表現出對用戶了解不夠深入、業務的用戶體驗不佳而造成用戶隊伍黏性不足的問題。

用戶體驗是用戶使用服務時建立的一種整體、主觀的心理感受。目前的用戶體驗研究方法眾多，包括問卷調查、卡片分類、情景訪談、啟發性評估、可用性測試等。這些研究方法能從更為全面的角度對用戶體驗進行研究，特別是能夠解決用戶體驗中無法量化的問題，但同時也存在樣本較少、難以持續性跟蹤用戶行為的弱點。而大數據技術的發展正好為彌補這一短板提供了途徑，主要表現在以下4個特點（4V特性）上。

·volume，能夠從互聯網業務的全局用戶而不是抽樣用戶的范疇研究用戶體驗；

·velocity，更快的查詢技術允許對業務的用戶體驗進行即時跟蹤；

·variety，更多的數據源提供了了解用戶個性化特征的更全面的信息；

·veracity，更精確的數據保證了分析結果的準確性。

借助于大數據的4V特性，能夠在一定程度上度量互聯網用戶的使用體驗。同時，大數據本身也提供了提升用戶體驗的途徑。誠然，大數據并不能解決所有的用戶體驗問題，本文僅結合大數據技術本身的特點，從大數據分析對互聯網業務在產品層面的可用性評估、在運營層面的用戶體驗提升和對用戶層面的個性化管理3個方面的支撐進行探討，并對基于大數據的用戶體驗管理機制建設提出了建議。

2 在產品層面的可用性評估

互聯網業務，尤其是移動互聯網業務，用戶體驗的一個重要指標是可用性，在實際工作中，可以將廣義的可用性演化為兩個更細的層面——可用性和好用性，這兩個層面構成了良好用戶體驗的必要和充分條件，前者主要考察業務系統上存在的硬性bug，而后者則體現用戶體驗的精髓——讓用戶花更少的成本獲取想要的結果。通過大數據技術對海量的服務器log（日志）、地理位置信息、用戶終端信息等數據進行快速分析，可以及時發現響應緩慢的頁面、出錯的信息以及用戶經?！袄@彎路”的訪問路徑，并將這些用戶體驗中存在的短板提交給設計人員，進行有針對性的修改。這種對用戶行為數據的驗證和用戶體驗測試相結合的做法在互聯網業務的用戶體驗優化中經常用到，其完整的作業流程如圖1所示。

2.1 可用性

圖1 完整的作業流程

可用性，即通過對系統響應時間、報錯數據的分析，及時發現業務系統中存在的用戶體驗短板。不同于傳統的話音和短信業務，互聯網業務的系統更為復雜，內容也更多，用戶端架構的每一次層級增加以及同層級頻道數的增加，都會讓整體架構的復雜性呈幾何級數上漲，加之用戶終端、所處網絡環境的差異，單純依靠業務上線前的穿越走查，已經不可能完全遍歷用戶使用的全部情景，從而為業務的用戶體驗留下諸多隱患。而通過大數據技術，可以快速了解這些短板，具體方法如以下兩點。

·通過大數據技術的海量處理能力，對數據量很大的服務器日志進行分析，評估系統對用戶每次請求操作的響應時間，找到那些響應緩慢的頁面，并進行針對性的修改，以提升業務的用戶體驗。

·通過大數據技術的快速處理能力，第一時間發現日志中的報錯記錄，并及時進行修正，避免對用戶體驗造成更大的影響。

另外，大數據的豐富來源中還包括地理位置信息和用戶終端設備的數據，可結合這些數據分析不同地區、不同終端的差異情況，使改進措施更加有的放矢。

2.2 好用性

好用性，即分析用戶習慣的訪問路徑，及時發現業務系統架構設計上的短板并進行優化。用戶在使用互聯網業務時，對不同頁面的訪問順序存在一定的習慣路徑。有一些情形值得注意，介紹如下。

·某些頁面所處層級很深，訪問的路徑很長，但用戶的訪問量卻很大。這種情況需要調整其層級或在更高層級的頁面提供快速入口。

·某些頁面本來需要的訪問路徑并不長，但用戶可能繞了很大的圈子訪問該頁面。這種情況需要對導航進行重新修改以避免用戶繞彎路。

·用戶對某些頁面的訪問存在很高的并發性。這種情況需要在這些頁面之間設置快速跳轉鏈接，或考慮對這些關聯頁面內容進行整合，在與業務達成的銷售界面有關時，更為適用。

同樣，也可以結合地理位置信息及用戶終端信息等數據，進一步細分研究對象，實現更為精確的問題描述和更有效的問題處理。

2.3 建立可用性的用戶考核指標，即時跟蹤用戶的體驗情況

可用性涵蓋的面很廣，很多并不能通過量化的方式評估，但卻可以使用日志數據建立一些相對有用的指標，便于長期跟蹤用戶體驗的變化。可采集的衡量用戶在易用性上的體驗指標介紹如下。

·非內容頁面的平均停留時間。若一個頁面本身并沒有實質的業務內容，只是一個提供導航作用的中轉頁面，但用戶停留時間過長，說明業務對用戶的易用性不佳，停留時間越短則說明用戶的使用體驗越好。

·內容頁面的平均停留時間。平均停留時間越長，說明內容對用戶的吸引力越強，用戶體驗則越好。

·用戶請求的平均響應時間。平均響應時間越短，說明用戶每次請求都得到快速響應，用戶體驗則越好。

·用戶請求的報錯次數。報錯次數越少越好。

·用戶訪問內容頁面數占總訪問頁面數的比例（訪問內容頁面流量占總訪問流量的比例）。所占比例越高，說明用戶在中間過程花的精力越少，用戶體驗則越好。

3 在運營層面的用戶體驗提升

大數據不僅能發現用戶體驗的短板，其本身也蘊藏著提升用戶體驗的解決方案。例如，在互聯網信息爆炸的情況下，用戶往往難以從海量的業務信息中找到最能滿足自己個性化需求的業務；另外，當用戶在線購買某種業務時，又常常因為某個環節的阻礙而放棄訂購。在這些業務環節上的用戶體驗提升，不僅能增強業務對用戶的黏性，對于互聯網業務的運營也具有重大意義。而大數據的多樣性提供了更為豐富的數據源，為解決以上問題奠定了基礎。

（1）及時發現交易過程的瓶頸

用戶在線交易的過程中，往往因為業務使用體驗不佳而放棄購買。借助大數據技術對服務器的日志數據進行分析，可以還原用戶進入訂購頁面之后的訪問路徑，快速找到導致用戶最終放棄購買的瓶頸環節，并結合用戶訪談及現場使用測試等用戶體驗測試方法，針對性地進行改進，突破這些瓶頸。

（2）吸引更多的用戶購買業務

用戶在進入訂購頁面之前，為了了解業務信息，必然會訪問站內的某些頁面。借助大數據技術，對用戶的訪問頁面進行時序關聯分析，可以找到用戶進入購買頁面之前的高關聯頁面，在這些頁面中設置有吸引力的業務廣告并提供到達購買頁面的快速鏈接，可望提升業務的購買量。

（3）幫助用戶找到想要的業務內容

借助大數據技術的快速數據處理能力和跨平臺的數據整合能力，能實現更廣泛意義上的商品主動推送機制。傳統的商品推薦引擎借助于關聯規則和協同式過濾等技術，能夠將用戶需要的信息推送到用戶終端上，但往往是同一種業務內部的商品信息推送，而當用戶希望的內容并不在這個業務范圍內時，就無法滿足。例如，用戶在閱讀網站看一本書時，想要看這本書的同名電影，這時就無法推送電影信息到用戶的終端上，而多數用戶也沒有精力退出閱讀應用再重新登錄視頻網站查找該電影。

大數據技術的跨平臺數據整合能力可以整合電信運營商不同業務基地的數據資源，例如，向天翼閱讀的用戶跨平臺推送天翼時訊的相關電影鏈接，并支持一鍵登錄進行收看。這不同于一般的交叉銷售，這種“一站式”的解決方案，是深入業務具體內容、最貼近用戶的交叉銷售——基于業務內容關聯性的不同業務的交叉推薦銷售機制。

4 對用戶層面的個性化管理

精確化營銷是一個很早就提出的用戶體驗提升方法，但單一的互聯網網站無法獲取用戶的全網使用行為信息，從而無法從最全面的視角了解用戶的需求偏好。而傳統的基于數據庫的數據處理技術也很難處理不同來源的互聯網數據，電信運營商雖然掌握著互聯網的入口，但對全網數據的挖掘不夠。

借助于大數據技術，電信運營商可以整合分布在所有路由器上的用戶上網數據，并進行分析。通過對用戶訪問地址的解析，可以從全網范圍判斷用戶訪問網絡業務的類型，從而最大程度地還原用戶的互聯網使用偏好及業務需求，給用戶一個最清晰的畫像。這個過程中，相比于一般網站使用的用戶注冊賬號或者IP地址確認用戶唯一標識的方式，電信運營商的手機號碼、寬帶賬號、準確的IP地址等資源是在全網范圍內確認用戶身份的更佳方式。大數據技術對用戶層面的個性化管理方式介紹如下。

（1）借助大數據技術對互聯網信息進行分類，是完善用戶個性化服務體驗的基礎工作

大數據技術具有對半結構化和非結構化數據的良好處理能力，可幫助高效地實現對互聯網頁面的信息業務及內容的分類工作。通過這些基礎工作，完善基礎的互聯網網站及其主要內容頻道的業務分類的打標簽工作，則可針對用戶訪問的不同業務內容，為用戶的互聯網使用特征定義。該方法也許不是完全準確，但已經提供了可行的解決方案。

（2）統一認證，統一管理，提升互聯網業務的個性化服務體驗

電信運營商用戶具有統一的號碼資源，不僅能發現用戶的個性化需求，而且有滿足用戶個性化需求的聯系方式和信息（商機）推送渠道，讓用戶真正生活在“一站式”的互聯網解決方案之中。電信運營商可通過固話、手機、短信、寬帶網絡等渠道接觸用戶，其豐富的用戶溝通渠道是一般互聯網公司所不具備的。

（3）建立用戶的個性化標簽體系

基于對互聯網信息的分類，電信運營商可以借助大數據技術整合全互聯網（或某個區域）的用戶行為數據，計算用戶對不同類型互聯網業務的訪問量數據，從而刻畫出用戶的全網需求偏好模型。并基于此對用戶進行互聯網偏好分類，繼而針對不同用戶群開展精確營銷，保持用戶隊伍的穩定并進而提升用戶價值。

5 基于大數據技術的用戶體驗管理機制

用戶體驗工作的目標是保持業務用戶隊伍的黏性，而通過大數據可以建立用戶使用體驗的重要監測指標數據以及用戶的互聯網使用偏好信息等個性化數據。通過這些數據，可以建立用戶體驗分類模型、用戶體驗對流失的影響力模型等，更好地管理業務的用戶隊伍。

（1）用戶體驗的分類

通過對用戶體驗指標的聚類分析，可以發現用戶體驗的典型差異類型，并針對其中的典型用戶進行針對性的訪談與使用測試，進一步揭示業務的體驗短板，完善業務的用戶體驗。

（2）流失預警模型的建立

用戶體驗的好壞與用戶黏性有直接關系，通過監測用戶體驗指標的變化，建立流失預警模型，可提前發現流失用戶，并進行用戶挽留工作。

本文之前提到的在產品層面、運營層面的評估指標，對用戶體驗的好壞具有一定的反應能力。同時，結合用戶層面的個性化，可以作為流失判別模型的輸入變量。通過模型，可以縮小流失預警的范圍，提升流失預警的效率。

（3）建立良好的流失挽留外呼管理機制，避免對用戶的疲勞轟炸

首先，通過流失判別模型提取真正具有離網傾向的用戶進行外呼，而不是對全網用戶進行漫無目的的疲勞轟炸，失去外呼的意義；其次，設定挽留外呼的閾值，對于多次外呼均無法挽回的用戶，不要再外呼以避免對用戶造成不必要的騷擾?？蓵和Ｒ欢螘r間之后，再通過其感興趣的內容進行重新召回工作。

大數據技術提供了前所未有的豐富的數據來源、更為快速高效的數據處理能力，為用戶體驗研究者提供了更全面了解總體用戶在線行為特征的條件，雖然目前還沒有形成全社會的大規模應用，但必將成為今后用戶體驗研究的一個重要方向。

1 陳如明.大數據時代的挑戰、價值與應對策略.移動通信,2012(17)

2 胡昌平，鄧勝利.基于用戶體驗的網站信息構建要素與模型分析.情報科學，2006,24(3)

3 顧芳，劉旭峰，左超.大數據背景下運營商移動互聯網發展策略研究.郵電設計技術，2012(8)

4 吳江，黃晟青，蔡駿.互聯網購物網站用戶體驗設計研究.包裝工程，2012(4)

Management of the User Experience Based on the Big Data Analysis

Kang Bo,Liu Shengqiang
(Guangdong Research Institute of China Telecom Co.,Ltd.,Guangzhou 510630,China)

The main traditional analysis methods of user experience research are mostly those of qualitative which made the results of those researches lack of statistical representation.Also,it’s so difficult to meet the level of data detail to support the UE research,with the traditional data analysis technology.However,the big data analysis technology develops rapidly to supply us with a new method by which we can do user experience data analysis with far more various data and far more fast speed.This improves the shortcomings of the qualitative analysis.Beside the ability to measure the user experiece of special internet service,the big data also contains data solutions to improve the user experience.It also brings about more plentiful data variety,which provides researchers ability to potrait users from far more aspects.How to support user experiece research work with big data skill in product level,operation level and customer level respectively,was analyzed.Then the application of the user experience data in customer flow analysis was discussed.

big data,user experience,usability,deal bottleneck,data integration,cross saling,personality,loss alerting

10.3969/j.issn.1000-0801.2013.03.007

康波，男，碩士，中國電信股份有限公司廣東研究院中級經濟師，從事電信企業數據分析、數據挖掘、精確營銷及用戶體驗研究7年，用戶體驗研究涵蓋互聯網業務可用性測試、用戶體驗指標設計及測算、產品個性化推薦等領域。

劉勝強，男，碩士，中國電信股份有限公司廣東研究院消費者研究室主任，10多年通信市場與用戶研究經歷，領導創建中國電信股份有限公司廣東研究院消費者研究室，主要研究方向為用戶體驗、移動互聯網消費行為、數據挖掘等。

2013-03-04）