基于大數(shù)據(jù)技術(shù)的移動(dòng)用戶行為分析研究

李志勇

摘要：隨著移動(dòng)互聯(lián)網(wǎng)的不斷發(fā)展，移動(dòng)通信網(wǎng)絡(luò)5G技術(shù)的實(shí)現(xiàn)，使得移動(dòng)終端用戶數(shù)量呈現(xiàn)爆發(fā)式增長，移動(dòng)終端用戶的各類行為也成了很多行業(yè)的重要研究目標(biāo)。該文闡述了大數(shù)據(jù)及用戶行為分析相關(guān)概述，對(duì)移動(dòng)用戶行為分析現(xiàn)狀進(jìn)行了研究，發(fā)現(xiàn)了傳統(tǒng)移動(dòng)用戶行為分析缺少數(shù)據(jù)挖掘方法、數(shù)據(jù)挖掘與分析技術(shù)不成熟、系統(tǒng)平臺(tái)功能落后等問題，并提出了針對(duì)性的分析研究方法，有助于大數(shù)據(jù)技術(shù)在移動(dòng)用戶行為分析中的普及與應(yīng)用，讓用戶行為分析更加的精準(zhǔn)可靠，進(jìn)一步全面的完善用戶畫像，對(duì)行業(yè)的服務(wù)能力及質(zhì)量的提升具有重要的意義。

關(guān)鍵詞：大數(shù)據(jù)技術(shù);移動(dòng)用戶;行為分析;用戶畫像

1 背景

隨著移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展和數(shù)據(jù)的爆發(fā)式增長，大數(shù)據(jù)時(shí)代的特征逐漸凸顯，并且給用戶數(shù)據(jù)的存儲(chǔ)、處理、分析等帶來了巨大的挑戰(zhàn)和機(jī)遇，從移動(dòng)終端用戶方產(chǎn)生的海量行為數(shù)據(jù)，采用傳統(tǒng)的數(shù)據(jù)分析方式逐漸不能滿足各行各業(yè)的需要，需借助大數(shù)據(jù)技術(shù)的挖掘與分析方法和工具，采集移動(dòng)用戶行為數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行全面而準(zhǔn)確的分析，實(shí)現(xiàn)移動(dòng)用戶的精準(zhǔn)定位，逐漸在大數(shù)據(jù)技術(shù)的驅(qū)動(dòng)下，充分把握用戶的個(gè)人偏好、使用規(guī)律，從而為各行各業(yè)提供以數(shù)據(jù)為支撐的理論依據(jù)，更有助于企業(yè)制定科學(xué)的決策和發(fā)展規(guī)劃[1]。

2 大數(shù)據(jù)及用戶行為分析相關(guān)概述

2.1 大數(shù)據(jù)的定義及作用

大數(shù)據(jù)，很多的研究機(jī)構(gòu)都給出了自己的定義，如著名研究機(jī)構(gòu)Gartner提出“大數(shù)據(jù)是需要新的處理模式才能具有更強(qiáng)的決策力、洞察發(fā)現(xiàn)力和流程優(yōu)化能力來適應(yīng)海量、高增長率和多樣化的信息資產(chǎn)”，而麥肯錫全球研究所則提出“大數(shù)據(jù)是一種在獲取、存儲(chǔ)、管理、分析等多方面遠(yuǎn)遠(yuǎn)超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合”，這些定義便可以看出，大數(shù)據(jù)的數(shù)據(jù)規(guī)模龐大、數(shù)據(jù)處理快速、數(shù)據(jù)類型多樣、數(shù)據(jù)價(jià)值更顯著等特點(diǎn)，大數(shù)據(jù)技術(shù)的應(yīng)用能夠讓大數(shù)據(jù)發(fā)揮增強(qiáng)決策力、優(yōu)化流程、發(fā)現(xiàn)關(guān)聯(lián)性等作用。目前與大數(shù)據(jù)相關(guān)的技術(shù)包括大規(guī)模并行處理的數(shù)據(jù)庫、數(shù)據(jù)挖掘技術(shù)及工具、分布式文件系統(tǒng)及數(shù)據(jù)庫、云計(jì)算、互聯(lián)網(wǎng)以及可擴(kuò)展的存儲(chǔ)系統(tǒng)，也就意味著大數(shù)據(jù)技術(shù)涵蓋了互聯(lián)網(wǎng)技術(shù)、云計(jì)算數(shù)據(jù)、分布式處理技術(shù)和感知技術(shù)，可以充分實(shí)現(xiàn)數(shù)據(jù)的采集到數(shù)據(jù)分析結(jié)果形成全過程[2]。

2.2 移動(dòng)用戶行為分析的內(nèi)容

從狹義上來說，移動(dòng)用戶行為分析是指在獲得移動(dòng)應(yīng)用程序或移動(dòng)通信數(shù)據(jù)的等基本數(shù)據(jù)情況下，對(duì)這些數(shù)據(jù)進(jìn)行處理、分析和統(tǒng)計(jì)，從而發(fā)現(xiàn)移動(dòng)用戶在這些平臺(tái)的使用規(guī)律，并且將這些規(guī)律與其他行業(yè)進(jìn)行融合，發(fā)現(xiàn)移動(dòng)用戶的個(gè)人偏好，為企業(yè)服務(wù)提供更加可靠的數(shù)據(jù)依據(jù)。其中移動(dòng)用戶行為分析的主要內(nèi)容包括行為事件分析、頁面點(diǎn)擊分析、用戶行為路徑分析、用戶健康度分析、漏斗模型分析以及用戶畫像分析等六種模型，不同的模型都可以獲取不同的用戶行為數(shù)據(jù)，如用戶資料、活躍用戶、留存用戶、使用時(shí)長、應(yīng)用版本、激活量、卸載量、用戶屬性、網(wǎng)絡(luò)終端、行為跟蹤等，這些數(shù)據(jù)資料涵蓋了用戶忠誠度、回復(fù)率、用戶使用的操作系統(tǒng)和常用的移動(dòng)應(yīng)用程序，用戶選擇的通信服務(wù)網(wǎng)絡(luò)運(yùn)營商以及聯(lián)網(wǎng)方式， 并且通過用戶行為跟蹤，獲取用戶訪問頁面、頁面停留以及跳出、跳轉(zhuǎn)率等信息[3]。目前市場上出現(xiàn)了很多用戶行為數(shù)據(jù)統(tǒng)計(jì)工具，如百度統(tǒng)計(jì)、Google Analytics等，以及付費(fèi)用戶行為分析系統(tǒng)如數(shù)數(shù)科技的Thinking Analytics，不同的業(yè)務(wù)需求可以采用不同的用戶行為分析工具[4]。

2.3 移動(dòng)用戶行為分析的方法

移動(dòng)用戶行為分析的方法包括數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、分析模型、報(bào)表創(chuàng)建、應(yīng)對(duì)策略等五個(gè)層次。數(shù)據(jù)采集是數(shù)據(jù)處理與分析的基礎(chǔ)，首先要求數(shù)據(jù)足夠準(zhǔn)確、數(shù)量大、實(shí)時(shí)，可以通過可視化埋點(diǎn)、SDK埋點(diǎn)、日志數(shù)據(jù)、歷史數(shù)據(jù)導(dǎo)入等方法獲取更為準(zhǔn)確的數(shù)據(jù)[5]。其次要對(duì)采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)存儲(chǔ)，打通用戶的數(shù)據(jù)源，建立統(tǒng)一的數(shù)據(jù)倉庫，并且對(duì)用戶的屬性數(shù)據(jù)和用戶行為數(shù)據(jù)進(jìn)行清晰、統(tǒng)一的定義，將用戶行為有關(guān)的數(shù)據(jù)進(jìn)行4W1H的描述，在此基礎(chǔ)上再分析用戶行為背后的原因。用戶行為分析是多維的，因此還需要引用很多的分析模型，根據(jù)不同的業(yè)務(wù)場景，進(jìn)行靈活搭配使用，最后要通過創(chuàng)建報(bào)表來做數(shù)據(jù)結(jié)果分析，建立統(tǒng)一的關(guān)鍵指標(biāo)，讓數(shù)據(jù)更具有決策意義，同時(shí)要對(duì)這些指標(biāo)進(jìn)行持續(xù)性的監(jiān)控，提高數(shù)據(jù)的決策力和應(yīng)用價(jià)值。

3 移動(dòng)用戶行為分析研究現(xiàn)狀

3.1 傳統(tǒng)用戶行為分析缺少大數(shù)據(jù)技術(shù)方法

傳統(tǒng)的數(shù)據(jù)挖掘工具并不具備大數(shù)據(jù)挖掘、處理、分析的方法和能力，單一的服務(wù)器也不能滿足大數(shù)據(jù)挖掘與處理的需求。一方面數(shù)據(jù)來源渠道簡單，數(shù)據(jù)采集模式單一，導(dǎo)致傳統(tǒng)的用戶行為分析數(shù)據(jù)采集難度大[6]。數(shù)據(jù)采集是數(shù)據(jù)分析的第一步，也是關(guān)鍵的一步，決定了數(shù)據(jù)分析結(jié)果的質(zhì)量，因此更需要大量、來源廣泛、全面的移動(dòng)用戶行為數(shù)據(jù)。另一方面?zhèn)鹘y(tǒng)服務(wù)器已經(jīng)不能適應(yīng)當(dāng)前新興的數(shù)據(jù)挖掘、存儲(chǔ)、處理等技術(shù)的應(yīng)用，也會(huì)顯現(xiàn)出數(shù)據(jù)處理效率不高、不兼容、不匹配等現(xiàn)象。最后傳統(tǒng)的用戶行為分析大多取決于經(jīng)驗(yàn)，而且數(shù)據(jù)的可靠性較差，不能作為決策的關(guān)鍵性指標(biāo)和最終依據(jù)，數(shù)據(jù)的作用和價(jià)值不大，因此傳統(tǒng)的用戶行為分析方法逐漸被大數(shù)據(jù)技術(shù)淘汰，需采用更加先進(jìn)的數(shù)據(jù)分析方法及工具。

3.2 用戶行為數(shù)據(jù)挖掘與分析技術(shù)不匹配

隨著大數(shù)據(jù)技術(shù)的快速發(fā)展和應(yīng)用，很多的企業(yè)都引進(jìn)了數(shù)據(jù)挖掘與分析處理的技術(shù)，但是由于不同算法會(huì)得到不同的數(shù)據(jù)效果，很多的企業(yè)在應(yīng)用大數(shù)據(jù)技術(shù)時(shí)，與自己的業(yè)務(wù)需求不匹配，不能針對(duì)性地獲取用戶行為數(shù)據(jù)，做好用戶畫像，實(shí)現(xiàn)精準(zhǔn)定位，從而導(dǎo)致一系列的數(shù)據(jù)處理問題的出現(xiàn)。目前很多技術(shù)專家、學(xué)者根據(jù)不同的應(yīng)用場景，不斷改進(jìn)了數(shù)據(jù)挖掘、分析與處理的算法，如3PC-MDSP、聚類算法、關(guān)聯(lián)算法、移動(dòng)用戶偏好自適應(yīng)的學(xué)習(xí)方法等，不同的大數(shù)據(jù)技術(shù)都具有不同的優(yōu)缺點(diǎn)。但很多企業(yè)由于缺乏專業(yè)的技術(shù)人才，不熟悉相關(guān)技術(shù)，使得很多的企業(yè)即使引進(jìn)了大數(shù)據(jù)技術(shù)，但是并沒有對(duì)數(shù)據(jù)挖掘、處理等算法進(jìn)行充分的了解、分析及比較，選擇適合自己業(yè)務(wù)需求的大數(shù)據(jù)技術(shù)，也不會(huì)明確自己的團(tuán)隊(duì)目標(biāo)，創(chuàng)建合理的數(shù)據(jù)庫，選取更加合適的數(shù)據(jù)處理方法，在展現(xiàn)數(shù)據(jù)時(shí)，也可能出現(xiàn)圖形、圖表等可視化的問題，導(dǎo)致最終索要觀測的數(shù)據(jù)結(jié)果無法正常顯示。

3.3 用戶行為數(shù)據(jù)分析平臺(tái)功能不健全

目前大數(shù)據(jù)分析系統(tǒng)平臺(tái)架構(gòu)也有很多種，包括Hadoop、Spark以及Storm/Flink等三大分布式計(jì)算系統(tǒng)，其中Hadpoop適合處理離線的靜態(tài)大數(shù)據(jù)，Spark適合處理離線的流式大數(shù)據(jù)，而第三種適合處理在線的實(shí)時(shí)大數(shù)據(jù)，不同的分布式系統(tǒng)也具有不同的優(yōu)缺點(diǎn)，適用于不同的應(yīng)用場景和企業(yè)服務(wù)需求，也是造成移動(dòng)用戶行為大數(shù)據(jù)平臺(tái)功能不健全的重要因素。而還有很多企業(yè)存在的問題在于很多企業(yè)使用的數(shù)據(jù)分析平臺(tái)功能模塊十分落后，不僅沒有采用這些分布式處理系統(tǒng)，在使用傳統(tǒng)的數(shù)據(jù)分析工具，而且在建立數(shù)據(jù)平臺(tái)分析時(shí)，由于用戶行為分析模型的多樣化，這些數(shù)據(jù)平臺(tái)的功能也不能滿足模型分析的需要，無法建立全面的用戶行為分析，完善用戶畫像，建立合理的關(guān)鍵指標(biāo)。

4 基于大數(shù)據(jù)技術(shù)的移動(dòng)用戶行為分析研究方法

4.1 促進(jìn)大數(shù)據(jù)技術(shù)方法的場景應(yīng)用

無論是數(shù)據(jù)采集技術(shù)還是數(shù)據(jù)的展示，傳統(tǒng)的用戶行為分析方法都顯露了其處理效率低下、處理效果不佳等問題，這些問題的浮現(xiàn)也讓越來越多的企業(yè)充分認(rèn)識(shí)到大數(shù)據(jù)分析在企業(yè)服務(wù)與營銷中發(fā)揮的作用，尤其在當(dāng)前智能終端的快速發(fā)展下，都加快了在移動(dòng)用戶行為方面的數(shù)據(jù)分析步伐，促進(jìn)了大數(shù)據(jù)方法在企業(yè)管理與服務(wù)中的場景應(yīng)用[7]。一方面要根據(jù)企業(yè)自身的業(yè)務(wù)需要，考慮企業(yè)的規(guī)模和資金實(shí)力，建立企業(yè)自主的數(shù)據(jù)分析平臺(tái)，另一方面要打造企業(yè)的大數(shù)據(jù)分析技術(shù)人才，創(chuàng)建數(shù)據(jù)挖掘、處理、分析多層次的人才隊(duì)伍，在數(shù)據(jù)的驅(qū)動(dòng)下實(shí)現(xiàn)企業(yè)的快速轉(zhuǎn)型。

4.2 加強(qiáng)大數(shù)據(jù)關(guān)鍵技術(shù)的分析與選擇

大數(shù)據(jù)挖掘算法包括聚類算法、關(guān)聯(lián)算法、決策樹算法、人工神經(jīng)網(wǎng)絡(luò)算法等，這每種方法都適用于解決不同的實(shí)際應(yīng)用問題。聚類算法的特點(diǎn)在于處理數(shù)值型數(shù)據(jù)而無法處理文本型數(shù)據(jù)，適用于客戶細(xì)分類型的應(yīng)用場景，而關(guān)聯(lián)算法則結(jié)果清晰、耗時(shí)可控，但容易忽略稀少數(shù)據(jù)，使用關(guān)聯(lián)分析，尋找事物之間的關(guān)聯(lián)性，決策樹算法則具有模型效率高、計(jì)算量小的優(yōu)點(diǎn)，但不擅長處理連續(xù)型數(shù)據(jù)，可用于預(yù)測和探索規(guī)則，如應(yīng)用與客戶流失分析，而人工神經(jīng)網(wǎng)絡(luò)算法對(duì)噪聲數(shù)據(jù)適應(yīng)性很強(qiáng)，但計(jì)算時(shí)間很長，且容易出現(xiàn)錯(cuò)誤結(jié)論，可以用于模式識(shí)別，優(yōu)化算法。由于企業(yè)之間的服務(wù)內(nèi)容不同，在進(jìn)行數(shù)據(jù)挖掘時(shí)的需求也會(huì)出現(xiàn)較大的差異，因此一方面要充分了解數(shù)據(jù)挖掘算法，明確企業(yè)需求，另一方面要做好算法的選擇，取長補(bǔ)短，為企業(yè)制定更優(yōu)化的解決方案。

4.3 健全移動(dòng)用戶行為分析系統(tǒng)架構(gòu)

要建立并健全移動(dòng)用戶行為分析的系統(tǒng)架構(gòu)，通過不同的移動(dòng)用戶行為分析的模型，建立數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)處理、數(shù)據(jù)展示等多層的系統(tǒng)架構(gòu)。對(duì)于企業(yè)的場景應(yīng)用來說，三大分布式計(jì)算系統(tǒng)并不能完全契合企業(yè)的業(yè)務(wù)需要，因此需要逐步建立、健全企業(yè)在移動(dòng)用戶行為分析系統(tǒng)平臺(tái)，完善系統(tǒng)平臺(tái)架構(gòu)，相對(duì)于Hadoop分布式處理系統(tǒng)， Spark的分布式集群系統(tǒng)平臺(tái)架構(gòu)擁有更先進(jìn)的基于內(nèi)存計(jì)算的DAG計(jì)算引擎，它的運(yùn)算速度更快，也可以處理更多的數(shù)據(jù)源數(shù)據(jù)，在一定程度上更適用于移動(dòng)用戶行為分析的場景應(yīng)用，可以從服務(wù)端數(shù)據(jù)庫和SDK進(jìn)行從數(shù)據(jù)采集，且頁面簡單，方便用戶操作[8]。企業(yè)需要根據(jù)自身需求在數(shù)據(jù)處理層，也需要進(jìn)行數(shù)據(jù)的抽取、合并、清洗、聚合、轉(zhuǎn)換、裝載等，最終實(shí)現(xiàn)數(shù)據(jù)的全面展示，滿足企業(yè)的服務(wù)需要。

5 結(jié)束語

在大數(shù)據(jù)的浪潮下，大數(shù)據(jù)分析技術(shù)的應(yīng)用越來越廣泛，也充分展現(xiàn)了數(shù)據(jù)的價(jià)值，隨著移動(dòng)用戶數(shù)量的飛速增長，大數(shù)據(jù)技術(shù)在移動(dòng)用戶行為分析方面的實(shí)施應(yīng)用也更加的普遍，但是提高數(shù)據(jù)存儲(chǔ)、挖掘、處理與分析的能力，是未來大數(shù)據(jù)技術(shù)應(yīng)用需要加強(qiáng)重視的部分，對(duì)促進(jìn)大數(shù)據(jù)技術(shù)的場景應(yīng)用、完善移動(dòng)用戶行為分析系統(tǒng)平臺(tái)的功能架構(gòu)具有重要的意義，也能夠有效地提高行業(yè)的工作效率，推動(dòng)各行各業(yè)的精準(zhǔn)化、個(gè)性化發(fā)展，加快各行各業(yè)進(jìn)入高質(zhì)量發(fā)展的步伐。

參考文獻(xiàn)：

[1] 孫慧.大數(shù)據(jù)挖掘技術(shù)的圖書館移動(dòng)用戶行為分析[J].現(xiàn)代電子技術(shù)，2020，43（18）：164-167，171.

[2] 王睿，秦曉安，王保敏.基于大數(shù)據(jù)的移動(dòng)用戶行為分析系統(tǒng)設(shè)計(jì)[J].信息與電腦（理論版），2019（11）：88-90.

[3] 于澤川.基于大數(shù)據(jù)的用戶精準(zhǔn)定位與行為分析[D].北京：北京郵電大學(xué)，2019.

[4] 黃文彬，吳家輝，徐山川，等.數(shù)據(jù)驅(qū)動(dòng)的移動(dòng)用戶行為研究框架與方法分析[J].情報(bào)科學(xué)，2016，34（7）：14-20，40.

[5] 黃玉蕾，李海峰.移動(dòng)互聯(lián)網(wǎng)下大數(shù)據(jù)用戶行為平臺(tái)搭建[J].電腦編程技巧與維護(hù)，2016（13）：38-40.

[6] 羅海艷.移動(dòng)用戶網(wǎng)絡(luò)行為分析與預(yù)測方法研究[D].沈陽：沈陽農(nóng)業(yè)大學(xué)，2015.

[7] 王靖.移動(dòng)用戶行為分析機(jī)制的設(shè)計(jì)與實(shí)現(xiàn)[D].沈陽：東北大學(xué)，2015.

[8] 于澤涵.移動(dòng)網(wǎng)絡(luò)中的大數(shù)據(jù)用戶行為研究與分析[J].信息通信，2014，27（1）：224.

【通聯(lián)編輯：謝媛媛】