基于數據挖掘的大學生網絡用戶行為與偏好分析

劉佳 朱云慧 張天樂

摘 要：以問卷調查的方式收集數據，采用數據挖掘的方法深度分析數據，研究在校大學生網絡使用現狀。嚴格遵循數據挖掘的步驟，對問卷數據進行預處理，通過weka數據挖掘平臺，進行關聯規則及聚類分析，得出不同用戶組特征，從而挖掘出用戶的上網行為模式和潛在上網規律，對網絡運營商的科學運營模式提出合理的建議。

關鍵詞：數據挖掘；電信運營商；大學生；行為

大學生對網絡使用的需求日漸增多，目前的網絡質量卻未達到令人滿意的程度。此次研究可以讓網絡運營商適當改善網絡，有利于網絡的長足發展，實現網絡運營商與校園網用戶間的雙贏。我們將使用數據挖掘中聚類和關聯規則分析技術，深度研究分析數據，探究校園內網絡用戶行為現狀以及偏好成因，為運營商的網絡經營策略提供建議。同時也提高消費者使用網絡的滿意度。對于網管中心，全面掌握了校園內網絡的使用狀況及其發生的因素后，能對于校內的網絡更有效地規范與控制，從而建立校內網絡更有效的管理機制。

一、數據挖掘

（一）基本概念。數據挖掘是指從大量的數據中發現并抽取隱含的、未知的、有潛在應用價值的知識過程。數據挖掘的目的是為決策者提供有效的決策支持。[1]其流程依次為：數據采集、數據預處理、數據清洗、數據規約、模型建立、可視化分析。

（二）WEKA。WEKA是一個數據挖掘實驗平臺，集成了大量能承擔數據挖掘任務的機器學習算法，包括對數據進行預處理、分類、回歸、聚類、關聯規則以及在新的交互式界面上的可視化等。本項目采用WEKA平臺進行數據挖掘，主要運用其中的聚類和關聯規則分析。

（三）聚類分析。聚類是將數據分類到不同的類或者簇這樣的一個過程，所以同一個簇中的對象有很大的相似性，而不同簇間的對象有很大的相異性。[2]此次聚類分析選用的是K-means聚類分析方法，在Filter樹中SimpleKMeans算法，并將numCluster值設為4，其余均為默認值。[3]表示將所給的屬性按照一定的規則分為4類，分別表示四類不同特征的用戶群體。

（四）關聯規則分析。關聯規則是形如A==>B的蘊涵式，A和B分別稱為關聯規則的先導（LHS）和后繼（RHS）。

關聯規則分析則是采用分箱離散化處理，在Filter樹中Discretize算法，設閾值為0.9，默認選擇前10條規則。關聯規則的結果形如“A==>B conf：（C）”，其中“A==>B”表示情況A發生且情況B發生，“conf：（C）”稱為置信度（Confidence level），其中C為百分比數值，置信度表示事件已包含A的情況下，包含B的百分比，關聯規則分析得出的結果是根據置信度由高到低排列的規則。

二、群體特征分析

（一）聚類分析

表1是對用戶使用網絡的基本信息的聚類分析。

第一類用戶占比最少，該類用戶上網地點為宿舍，月生活費1548元，月上網資費66元，選擇使用電信寬帶，日上網時間較其他分類較多，高達10h，上網目的主要集中于看視頻、社交聊天，偏娛樂方向。對這類學生深入調查可知該類用戶對于網絡依賴性較高，對網速要求較低。第二類用戶占比最高，為三分之一，上網地點為宿舍，月生活費1319元，月上網資費70元，在所有分類中上網資費占生活費比重最高。選擇電信寬帶，日上網時間為4h，上網目的涵蓋了除玩游戲之外的所有選項，可見該類用戶上網目的較綜合，幾乎每個指標都與總體水平相當。第三、四類用戶上網資費占生活費比重、上網目的兩指標水平相當。而網絡類型與上網時間不同。第三類校園無線網用戶上網時間為6h，第四類電信寬帶用戶上網時間為4h。進一步調查可知，第三類用戶與其他分類不同在于宿舍區覆蓋校園無線網，價格相較其他網絡稍便宜，所以該類上網資費也較低。總體分析，上網地點為宿舍、網絡類型為電信寬帶，上網目的為“看視頻”同時“不玩游戲”，這幾點幾乎是所有用戶的共性。這由本校女多男少特性造成，女生偏愛看視頻、不玩游戲，視頻可集中下載而非時刻在線，用戶使用網絡時間較短，視頻播放多為手機播放，由此運營商可以調整套餐安排，推出相較低網速、短時長、低價位的無線網絡套餐；針對少量游戲用戶，有線套餐則要做到高網速、長時長、高穩定性。

2、運營商類型與使用問題的聚類分析

表2是對用戶使用網絡時可能出現的問題的聚類分析。

第二類用戶所占比例最大，約為樣本總量的一半，幾乎所有指標都與總體水平一致，只比總體的選擇多出一項問題選擇：電信寬帶無法使用無線網。因為現在的學生主要的上網工具是手機、ipad而非電腦，無法使用無線網會使很大一部分用戶覺得不便捷。

第一、三、四類用戶比例都很平均，第一類用戶出現的問題是：電信寬帶網絡無響應，而第三類用戶同樣表示移動CMCC也出現同樣問題，由此可見兩類網絡的技術都不完善，仍需努力提高技術水平，提升硬件質量。第四類用戶反映的情況較其他三類明顯增多，可能是因為該類用戶對于網絡的體驗要求較高，或由于地理位置、天氣等因素以致上述問題出現較頻繁。

（二）關聯規則分析

1、總體屬性關聯分析：

對整體屬性關聯規則分析，便于我們對問卷中所有問題的關聯性有整體認知。從表3初步可看出屬性間的關聯性主要出現在上網目的、使用網絡類型及使用網絡會出現的問題這三者間。

從第一條可以看出，當用戶注重因素偏向于網絡穩定時，用戶不太能忍受網絡穩定性帶來的問題；從第二、三、四、八條可以看出，當用戶上網主要為了玩游戲等對網速要求較高的活動時，網速并不能很好地滿足用戶需求；從第五、九條可以看出，在上網時間、上網目的及性別間也有不太明顯的聯系，女生若日上網時間限制于4h，則上網目的不太可能是玩游戲；從第六、七條可以看出，若上網地點在宿舍，用戶較傾向上網看視頻，且選擇網絡類型偏向于電信寬帶。

基于以上對全體屬性的關聯分析，初步看出校園網絡用戶上網以看視頻、玩游戲等休閑娛樂目的為主，網速的要求一般。同時可看出大多數校園網絡用戶對網絡的要求偏向網絡的高穩定性。因此我們認為，校園網絡運營商可以著手維護其網絡的穩定性，在宣傳時，更加突出強調其在網絡穩定方面的優越性，而非單一地強調網速問題。

2、網絡類型與上網目的關聯分析：

根據整體關聯分析，我們得到了更可能有關聯性的屬性，單獨對網絡類型及上網目的進行關聯規則分析。從表4初步可看出，不僅網絡類型與上網目的間有所關聯，上網目的彼此間也有所聯系。

從第一、二、三、四、五、八、九條可看出，用戶上網目的不局限于某一種或幾種特定的行為，用戶更愿意根據自己的需求隨意選擇，而非被網絡的網速、網絡穩定性等因素局限。從第六、七、十條可以看出，當網絡類型為校園無線網或移動CMCC時，用戶都不會選擇玩游戲這種對網速要求較高的活動，從這點可看出校園網及移動CMCC并不能滿足用戶需求。

基于以上對上網目的及網絡類型的關聯分析，我們可初步看出用戶對學校內無線網絡的網速不滿意。因此我們認為，校園網絡運營商應著手提高網速。同時運營商也可以試著向學生推出網速較快的無線網，更好地滿足用戶的需求。

3、網絡類型、上網時間與上網目的的關聯分析：

如表5，我們選擇對網絡類型、每日上網時間、上網目的關聯規則分析。從第一、二、四條看出，當用戶上網每日上網時間在4h左右時，其上網目的傾向瀏覽網頁及社交聊天，不太可能上網看視頻及打游戲；從第三條看出，當用戶上網時間在6h時，用戶上網時間較充裕，因此此時上網目的并不受上網時間限制；從第五條看出，網絡類型為校園無線網、上網時間為4h，用戶會受網速與時間的雙重限制，此時用戶不太可能選擇玩游戲，這與受調查人群多為女生也有關。

基于以上對網絡類型、每日上網時間、上網目的的關聯分析，我們初步看出用戶的上網時間對其上網目的有一定的影響，進而會影響用戶的網絡選擇。因此，校園網絡運營商可以初步了解學生上網的基本情況，再針對其用戶需求進行宣傳。

三、結論

本文主要通過對約300份問卷篩選、數據預處理后，利用數據挖掘中聚類與關聯規則分析，對在校大學生網絡選擇與使用的情況進行深度分析，得出相關結論，提出相關的意見與建議。同時豐富了電信運營商產業市場發展現狀與市場競爭的相關理論體系，填補了關于大學校園內網絡使用現狀及未來發展策略研究的空白，對在校大學生選擇電信寬帶類型、電信運營商了解自身優缺點并改善軟硬件條件以吸引更廣泛客戶群具有一定的實踐指導價值。

通過以上分析，提出以下結論：1、目前的電信運營商套餐劃分有些粗糙，不能緊密貼合在校大學生網絡行為特點。運營商應詳細地調查校園用戶的行為，制定出分類更詳細、更貼近學生需求的套餐；2、學生在選擇網絡時較關注的因素是網速，在使用過程中用戶體驗最差的是網絡穩定性問題。電信運營商在技術上及套餐宣傳時應當依據此點做出相應措施；

對于移動CMCC反饋的普遍問題是網速問題，對于電信寬帶反饋的普遍問題是無法使用無線網路問題。前者應當改善技術問題，后者則應當適當調整自身運營策略，相應用戶的需求，這樣才能留住客源。

參考文獻：

[1]Pang-Ning Tan.Michael Steinbach.數據挖掘導論[M].北京：人民郵電出版社，2011.

[2]jiawei Han.Miicheline Kamber .DataMining Concepts and Techniques[M].北京：機械工業出版社，2001.

[3]潘瑩，梁京章，黎慧娟.基于K-means算法的校園網用戶聚類分析[J].計算機技術與自動化，2007（3）：67-68.