移動互聯網下手機用戶使用行為特征的研究

侯金鳳

摘要：隨著移動互聯網的用戶迅速增長，移動用戶的行為特征對移動互聯網發展的影響也日益增大，如何準確分析移動用戶使用手機行為的關鍵特征，為用戶提供更加精準的服務，是當下的互聯網經濟的研究熱點。該文通過對移動互聯用戶使用手機行為的信息進行深入的研究與分析，在該基礎上提出了移動互聯用戶使用手機行為信息的框架并構建用戶行為模型，從而得出移動互聯網用戶使用手機的個性化特征，并根據用戶基本信息維度，對用戶群進行了更加詳盡的分析與比較，從而可以全面了解用戶群體關鍵特征，為用戶提供更加精準的服務提供理論依據。

關鍵詞：移動互聯網；用戶使用行為；用戶畫像

中圖分類號：TP393 文獻標識碼：A 文章編號：1009-3044（2016）07-0277-04

Research on the Use Of Mobile Internet Phone Users Behavioral Characteristics

HOU Jin-feng

Abstract： With the rapid growth of the number of mobile Internet users， influence of the behavioral characteristics of mobile users to mobile Internet development is also increasing， how accurate analysis of the key features of mobile phone users behavior， how to provide users with more accurate service， is the hotspots of the current Internet economy research. Based on the mobile Internet users behavior information using a mobile phone in-depth research and analysis， then proposed framework for phone users to use mobile Internet behavior information and build a user behavior model to arrive at mobile Internet users use the phone personalization features. Depending on the user's information dimension， the user group conducted more detailed analysis and comparison， so that you can fully understand the key characteristics of the user groups， to provide a theoretical basis about how to provide users with a more accurate service.

Keywords： Mobile Internet； user behavior； user portrait

1 背景

隨著移動互聯網時代的到來，手機上網用戶數量也已超過寬帶上網，智能手機的流行已成為手機市場的一大趨勢，智能手機也幾乎成了這個時代不可或缺的代表配置。根據工信部最新數據[2，13]顯示，2015年前7個月，全國移動流量消費累計達20.2億GB，同比增長95.3%，三大運營商累計擁有12.95億用戶，其中3G、4G用戶總數6.95億，占比53.7%，隨著光纖、4G等高帶寬等高速發展，智能手機用戶滲透率將達到70%。與傳統的互聯網相比，移動互聯網具有隨身行、個人性、位置性、終端性等特性。 正是因為這些不同的個性化用戶特征，使得移動設備更能夠真正體現人的位置特征等動態特性。面對如此龐大的用戶群體，如何精準向用戶推送服務，成為當前移動互聯網經濟領域研究的熱點[3]。

目前，Keralapura等人[4]研究了一個3G網絡中用戶的瀏覽行為，提出了一種基于新的沙漏模型的可擴展性聚類方法，并利用該方法對用戶和瀏覽文件分別進行了聚類。Ahmad Hawalah 等人[5]等人提出了用戶畫像的三級動態代理，并對此方法進行了闡述，提供了計算動態模型準確率的方法。唐胡鑫，錢旭[6]提出基于雙路信息熵和凝聚信息熵算法提出雙路凝聚信息熵算法與凝聚信息熵算法相比，其數據分析精確度有顯著提高，并提出在數據分析過程中，確定合適的α值，能夠充分的利用各路數據的協作關系。王繼民等人[7]提出了基于日志挖掘的用戶行為研究框架，包括主要量化指標、分析流程與主要分析方法。

綜合對當前相關文獻的理論分析和研究發現，當前針對移動互聯用戶的研究，僅局限于針對“移動搜索”這一個維度進行的分析與研究，無法體現真正的移動互聯用戶使用手機行為特征，本文試圖對用戶行為特征在多維度進行系統的梳理、總結和分析。

2 手機用戶行為特征的分析方法

用戶通過使用安卓手機，安裝本實驗應用APP，通過注冊、GPS定位等功能，使得后臺服務器獲取用戶的靜態數據與動態數據，如圖1所示：

2.2 用戶使用手機行為特征數據的研究

用戶使用手機行為特征數據分析的主要目的是將數據采集模塊得到的最終數據進行分析，標簽化，再根據算法進行權重分析及計算，并根據用戶反饋數據的權重結果，調整用戶畫像的閾值。

由于用戶使用手機的行為數據具有數據量大、類型分散的特征，本文根據系統業務需求，將用戶使用手機行為信息主要劃分為九個維度，其中包含三個靜態維度和三個動態維度。維度主要包含性別、年齡、終端維度。其中年齡維度根據當前中國年齡分類標準[8]，及本實驗需求，年齡維度的標簽有青年、中年、老年。而終端維度包含終端的型號、品牌、參數配置等，根據當前市場流通手機品牌劃分為不同的標簽類別。

而動態維度主要包含以下三個維度：

1）地域維度：刻畫用戶的環境屬性，可通過實時判斷用戶的位置，向用戶提供實時實地的服務。

2）時間維度：刻畫用戶使用手機的時間點及時長、頻次。

3）興趣偏好維度：對于客戶在互聯網使用行為的刻畫，包括使用App的情況、用戶訪問url情況等，并對用戶網絡使用的流量進行分析，細化數據可以分析到用戶每一項業務使用的 。

其中，對于時間維度，時間段的劃分按照兩個小時為一個時間段研究，而手機使用時長及頻率，根據對相關文獻的研究[9-10]，通過大量實驗，將用戶行為的標簽劃分為如表1、表2所示的等級。

2.4 個性化推薦的研究

該模塊的功能[14]是實現根據不同的用戶個體或者用戶群的用戶畫像，推送相應特征的內容。工作內容是對內容畫像，并根據用戶個體模型及用戶分群模型，將正確的內容推送給相應的用戶或者用戶群體。本文使用的推薦算法是

3 試驗及結果分析

本實驗基于“易劃”手機APP應用系統，通過移動互聯內容發布平臺，對用戶使用手機行為特征進行研究。根據上述分析方法，通過采集并處理用戶使用行為數據，并對其分析。以用戶A在八月份使用手機APP情況為例，分析在8月份，A用戶使用的APP次數如下圖所示，其中小游戲類APP中，A偏好使用休閑類的游戲，那么此用戶的偏好標簽為休閑游戲，權重為0.32；通訊類權重為0.21。可以得出，用戶A對于APP的使用，更偏好休閑游戲類。在有相關業務，比如APP推送時，根據權重閾值為0.28，那么，向A用戶推送 休閑游戲類的APP。推送結果如圖8所示。

4 結束語

在移動技術高速發展的今天，用戶的行為特征數據不但影響產業上游商品生產的行為，也會在傳播文化、商品文化中得到體現。在正確處理移動互聯網用戶行為的過程中，由于不受固定終端限制，用戶可以隨時隨地使用手機，使得用戶行為具有更強的實效性，智能終端已經逐漸改變人們以往對手機的使用習慣，因此有必要研究智能手機終端的使用習慣，以幫助提高對用戶的服務。本文基于對相關理論的研究的基礎上，提出了基于用戶畫像分析移動互聯用戶使用手機行為數據的框架，及用戶畫像模型的建立，為個性化推送用戶服務做準備。

參考文獻：

[1] Paula Pe?a， Rafael del Hoyo， Jorge Vea-Murguía， et al.Collective Knowledge Ontology User Profiling for Twitter[C]. 2013 IEEE/WIC/ACM International Conferences on Web Intelligence （WI） and Intelligent Agent Technology，2013.

[2] 趙國鋒， 賴雯靜， 徐川， 等. 移動互聯網的業務訪問特性[J]. 計算機學報， 2013， 7（36）： 7.

[3] 梁琛， 王忠民， 范琳. 移動搜索終端用戶行為調查研究[N]. 西安郵電大學學報， 2014， 3（19）： 2.

[4] Keralapura R， Nucci A， Zhang Zhi-Li， et al. Profileing users in a 3G network using hourglass co-clustering[C]. Proceedings of the MobiCom. Chicago， Illinois， USA， 2010： 341-352.

[5] Ahmad Hawalah，Maria Fasli.A multi-agent System Using Ontological User Profiles for Dynamic User Modelling[C].2011 IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology，2011.

[6] 唐胡鑫， 錢旭. 基于信息熵的電子商務用戶行為分析聚類算法[J]. 計算機仿真， 2014（31）： 4.

[7] 王繼民， 李雷明， 鄭玉鳳. 基于日志挖掘的移動搜索用戶行為研究綜述[J]. 情報理論與實踐， 2014， 3（37）.

[8] WTO， GBD2000， 聯合國世界衛生組織年齡劃分標準[S].

[9] 劉紅， 王洪禮. 大學生手機成癮與孤獨感、手機使用動機的關系[J]. 心理科學， 2011， 34（6）： 1453-1457.

[10] 袁瀟， 風笑天. 青少年手機需求及手機使用行為研究現狀[J]. 中國青年研究， 2011（4）.

[11] 朱婷婷， 李惠. 基于Android的應用軟件的綜述[J]. 軟件技術， 2011（1）.

[12] 錢敏， 甘利人. 網站分類體系的用戶體驗實驗研究[J]. 情報理論與實踐， 2012， 9（35）.

[13] 中國報告大廳. 2015年1-7月我國流量消費出現爆發式增長[EB/OL].http：//www.chinabgao.com/stat/stats/44938.html.

[14] Nor Aniza Noor Amran， Norliza Zaini， Mustaffa Samad.User Profile based Product Recommendation on Android Platform[C]. IEEE， 2014.

[15] 郭金維， 蒲緒強， 高祥， 等. 一種改進的多目標決策指標權重計算方法[J]. 西安電子科技大學學報， 2014， 6（41）.