基于網(wǎng)絡(luò)用戶(hù)行為的網(wǎng)絡(luò)優(yōu)化研究

鄶世軒　邊雪婷　柯力圖　趙澤?！堣?/p>

摘? 要：網(wǎng)絡(luò)用戶(hù)根據(jù)自身的愛(ài)好特點(diǎn)，所產(chǎn)生的行為千姿百態(tài)。正是這些用戶(hù)行為影響著互聯(lián)網(wǎng)公司和運(yùn)營(yíng)商?；诰W(wǎng)絡(luò)用戶(hù)行為進(jìn)行網(wǎng)絡(luò)優(yōu)化，用戶(hù)可以輕松愉快地使用網(wǎng)絡(luò)，并根據(jù)自己的喜好體驗(yàn)個(gè)性化服務(wù)。該文主要以W網(wǎng)絡(luò)調(diào)查平臺(tái)為研究對(duì)象，對(duì)網(wǎng)站的用戶(hù)行為進(jìn)行統(tǒng)計(jì)分析，并且在此基礎(chǔ)上提出優(yōu)化方案。

關(guān)鍵詞：網(wǎng)絡(luò)用戶(hù)? 行為? 網(wǎng)絡(luò)優(yōu)化

中圖分類(lèi)號(hào)：TN915.0? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）03（c）-0023-03

互聯(lián)網(wǎng)的迅猛發(fā)展使得當(dāng)前網(wǎng)絡(luò)數(shù)據(jù)等一系列概念與人們的生活學(xué)習(xí)密切相關(guān)，每天使用網(wǎng)絡(luò)設(shè)備產(chǎn)生網(wǎng)絡(luò)瀏覽行為大數(shù)據(jù)。網(wǎng)絡(luò)虛擬社會(huì)的出現(xiàn)和現(xiàn)實(shí)生活中的行為相對(duì)應(yīng)，人們利用網(wǎng)絡(luò)設(shè)備所產(chǎn)生的行為稱(chēng)之為網(wǎng)絡(luò)用戶(hù)行為[1]。對(duì)于互聯(lián)網(wǎng)公司來(lái)說(shuō)，網(wǎng)絡(luò)用戶(hù)的行為分析可以發(fā)現(xiàn)用戶(hù)的瀏覽習(xí)慣和偏好，并對(duì)其進(jìn)行分析加以應(yīng)用，可以提高網(wǎng)絡(luò)用戶(hù)的上網(wǎng)體驗(yàn)，增加網(wǎng)絡(luò)公司相關(guān)收益，更可以為互聯(lián)網(wǎng)長(zhǎng)遠(yuǎn)發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。

1? 理論與方法

用戶(hù)行為預(yù)測(cè)所涉及的內(nèi)容很廣，比如關(guān)注、評(píng)論、點(diǎn)贊、訪(fǎng)問(wèn)主頁(yè)等交互因素。給定特定的社交網(wǎng)絡(luò)，研究者們大多從社交網(wǎng)絡(luò)圖結(jié)構(gòu)和社交網(wǎng)絡(luò)功能兩個(gè)角度分析用戶(hù)行為。網(wǎng)絡(luò)結(jié)構(gòu)著重于分析用戶(hù)行為的產(chǎn)生過(guò)程，功能分析則著重于分析用戶(hù)行為的具體內(nèi)容[3]。

社會(huì)網(wǎng)絡(luò)圖結(jié)構(gòu)分析法主要是對(duì)社會(huì)網(wǎng)絡(luò)的關(guān)系結(jié)構(gòu)或者屬性信息進(jìn)行分析，行動(dòng)的主體可以是人、社區(qū)或者群體等，主體之間的關(guān)系能夠反映出一定的現(xiàn)象或者規(guī)律?；诰W(wǎng)絡(luò)結(jié)構(gòu)常有的衡量網(wǎng)絡(luò)特性的屬性有：度、網(wǎng)絡(luò)直徑、聚類(lèi)系數(shù)、介數(shù)等[4]。

社交網(wǎng)絡(luò)的功能特性側(cè)重于分析用戶(hù)的具體行為，比如點(diǎn)贊、轉(zhuǎn)發(fā)、關(guān)注等行為。這些用戶(hù)的具體行為實(shí)質(zhì)上是社交網(wǎng)絡(luò)提供給用戶(hù)基本功能的在用戶(hù)微觀(guān)層面上的反映[5]。因此，如果想要深入地剖析用戶(hù)特征，社交網(wǎng)絡(luò)運(yùn)營(yíng)部門(mén)的理論支持可以來(lái)源于通過(guò)研究用戶(hù)歷史信息。以轉(zhuǎn)發(fā)行為為例，有很多學(xué)者通過(guò)分析社交網(wǎng)絡(luò)中多維度用戶(hù)主體特征和博文特征在轉(zhuǎn)發(fā)微博和不轉(zhuǎn)發(fā)微博中的呈現(xiàn)出來(lái)的不同表象，采用加權(quán)預(yù)測(cè)模型來(lái)實(shí)例化特征，進(jìn)一步將用戶(hù)轉(zhuǎn)發(fā)行為預(yù)測(cè)轉(zhuǎn)化為二分類(lèi)問(wèn)題[6]。

2? 網(wǎng)絡(luò)用戶(hù)行為實(shí)證分析

該文數(shù)據(jù)全部來(lái)源于W網(wǎng)絡(luò)調(diào)查平臺(tái)的數(shù)覆蓋范圍內(nèi)的所有用戶(hù)產(chǎn)生的海量網(wǎng)絡(luò)數(shù)據(jù)報(bào)文和服務(wù)器所產(chǎn)生的日志文件，主要采集了2018年6月至2018年8月之間的數(shù)據(jù)。根據(jù)這些數(shù)據(jù)可以得到網(wǎng)絡(luò)調(diào)查平臺(tái)用戶(hù)的個(gè)人資料、訪(fǎng)問(wèn)的內(nèi)容數(shù)據(jù)、點(diǎn)擊數(shù)據(jù)等，為研究W網(wǎng)絡(luò)調(diào)查平臺(tái)的用戶(hù)行為提供了非常大的支撐。

2.1 網(wǎng)頁(yè)興趣度評(píng)估

該小節(jié)對(duì)網(wǎng)絡(luò)用戶(hù)行為的實(shí)證分析主要是對(duì)其在版塊停留時(shí)間、版塊內(nèi)點(diǎn)擊次數(shù)、版塊內(nèi)頁(yè)面滑動(dòng)的次數(shù)、版塊總訪(fǎng)問(wèn)次數(shù)進(jìn)行分析。

版塊停留時(shí)間是用戶(hù)在某一個(gè)版塊內(nèi)的停留時(shí)間，它是反映用戶(hù)行為特征的一個(gè)重要指標(biāo)。記錄用戶(hù)進(jìn)入某個(gè)版塊的時(shí)間為t0，通過(guò)以下兩種方法計(jì)算用戶(hù)在版塊內(nèi)的停留時(shí)間。第一種是離開(kāi)的時(shí)候記錄時(shí)間t1，則訪(fǎng)問(wèn)時(shí)間為t1-t0;第二種是到達(dá)另一個(gè)版塊或者回到主頁(yè)時(shí)記錄時(shí)間t2，則訪(fǎng)問(wèn)時(shí)間為t2-t0。版塊內(nèi)點(diǎn)擊次數(shù)主要是指用戶(hù)在瀏覽一個(gè)版塊的時(shí)候，會(huì)不由自主地點(diǎn)擊自己感興趣的帖子進(jìn)行瀏覽，同時(shí)在瀏覽帖子的過(guò)程中用戶(hù)會(huì)對(duì)自己感興趣的內(nèi)容進(jìn)行收藏或者回復(fù)等，監(jiān)控收集用戶(hù)在一個(gè)版塊內(nèi)的所有點(diǎn)擊行為。

將用戶(hù)行為事件以矩陣的形式排列，作為樣本數(shù)據(jù)，每一行數(shù)據(jù)是一個(gè)用戶(hù)的一個(gè)行為事件，其中每一列是行為事件的某一個(gè)屬性，最后一列是類(lèi)屬性值，即我們需要推測(cè)的樣本屬性用戶(hù)興趣度的人工打分。如表1所示，我們需要輸入用戶(hù)行為事件矩陣來(lái)分析用戶(hù)的興趣度。

2.2 用戶(hù)行為分析模型

通過(guò)對(duì)W網(wǎng)絡(luò)調(diào)查平臺(tái)2018年6月至2018年8月這3個(gè)月之間的用戶(hù)行為日志數(shù)據(jù)，進(jìn)行收集整理分析，總結(jié)出基于W網(wǎng)絡(luò)調(diào)查平臺(tái)的網(wǎng)絡(luò)用戶(hù)行為模型，如圖1所示。

由此可見(jiàn)，從進(jìn)入頁(yè)面到打開(kāi)界面的人數(shù)大量流失，流失占比達(dá)到90%以上。另外，打開(kāi)界面到瀏覽內(nèi)容，也減少了10.72%的用戶(hù)。因此，如何美化打開(kāi)界面吸引網(wǎng)絡(luò)用戶(hù)，防止從進(jìn)入頁(yè)面到打開(kāi)界面的人數(shù)大量流失，成為網(wǎng)絡(luò)平臺(tái)能夠順利吸引用戶(hù)瀏覽內(nèi)容的重要任務(wù)。

2.3 統(tǒng)計(jì)分析

2018年6月至2018年8月間，進(jìn)入W大數(shù)據(jù)平臺(tái)的107325名用戶(hù)中，進(jìn)入次數(shù)最多的用戶(hù)進(jìn)入了409次，每個(gè)用戶(hù)平均進(jìn)入次數(shù)為1.25次。有打開(kāi)界面操作的10257名用戶(hù)中，打開(kāi)界面最多的用戶(hù)共打開(kāi)了214次，每個(gè)用戶(hù)打開(kāi)問(wèn)卷次數(shù)平均為3.55次。共有9158名進(jìn)入平臺(tái)的用戶(hù)提交了問(wèn)卷，打開(kāi)界面最多的用戶(hù)共打開(kāi)了108次，每個(gè)用戶(hù)提交問(wèn)卷次數(shù)平均為2.48次。

對(duì)107325名進(jìn)入W網(wǎng)絡(luò)調(diào)查平臺(tái)的用戶(hù)的性別、學(xué)歷、地域分布經(jīng)統(tǒng)計(jì)分析后如表2所示。

由表2可知，可以對(duì)W大數(shù)據(jù)網(wǎng)絡(luò)平臺(tái)的用尸屬性有初步了解。學(xué)生用戶(hù)和社會(huì)白領(lǐng)階層是W大數(shù)據(jù)網(wǎng)絡(luò)平臺(tái)的主要用戶(hù)，其中女性用戶(hù)占較大比例，因此，數(shù)據(jù)內(nèi)容多偏向于女性喜好。為保證得到調(diào)查結(jié)果中性別比例均衡，W大數(shù)據(jù)網(wǎng)絡(luò)調(diào)查平臺(tái)應(yīng)在提升男性用戶(hù)的提交量上做出努力。在學(xué)歷上，本科與專(zhuān)科用戶(hù)大致相同。在城市分布方面，一級(jí)城市用戶(hù)占比最多，但是與二級(jí)及二級(jí)以下城市相差不多，這與我國(guó)學(xué)生和白領(lǐng)用戶(hù)學(xué)習(xí)工作區(qū)域有關(guān)。

3? 網(wǎng)絡(luò)優(yōu)化建議

3.1 優(yōu)化網(wǎng)絡(luò)平臺(tái)流程

一個(gè)完整的網(wǎng)絡(luò)調(diào)查過(guò)程包括用戶(hù)進(jìn)入網(wǎng)絡(luò)調(diào)查平臺(tái)、打開(kāi)網(wǎng)絡(luò)調(diào)查問(wèn)卷并提交網(wǎng)絡(luò)調(diào)查問(wèn)卷。過(guò)程中的每個(gè)環(huán)節(jié)都會(huì)影響用戶(hù)最終提交網(wǎng)絡(luò)調(diào)查問(wèn)卷。網(wǎng)絡(luò)調(diào)查平臺(tái)需要對(duì)以上各個(gè)環(huán)節(jié)的行為進(jìn)行關(guān)注，用平臺(tái)和問(wèn)卷設(shè)計(jì)的優(yōu)化，提升用戶(hù)對(duì)網(wǎng)頁(yè)的興趣度以此來(lái)提高用戶(hù)在各個(gè)環(huán)節(jié)的轉(zhuǎn)化率，尤其需要重點(diǎn)關(guān)注的是在用戶(hù)打開(kāi)問(wèn)卷之前，利用合適的頁(yè)面結(jié)構(gòu)以及新穎的頁(yè)面內(nèi)容，吸引用戶(hù)打開(kāi)問(wèn)卷。

3.2 根據(jù)用戶(hù)特征采取激勵(lì)機(jī)制

該文研究發(fā)現(xiàn)性別對(duì)用戶(hù)進(jìn)入在線(xiàn)調(diào)查平臺(tái)和打開(kāi)問(wèn)卷的行為沒(méi)有顯著影響，對(duì)用戶(hù)提交問(wèn)卷的行為卻有顯著影響。打開(kāi)問(wèn)卷后完成回答并提交通常是女性用戶(hù)，因此，在問(wèn)卷調(diào)查中除了需要控制性別比例，還需要在調(diào)查平臺(tái)采取措施使問(wèn)卷更多的出現(xiàn)在男性用戶(hù)視野當(dāng)中，以增加男性用戶(hù)的提交量。在打開(kāi)問(wèn)卷和提交問(wèn)卷的兩個(gè)階段，適當(dāng)采取物理激勵(lì)或虛擬激勵(lì)措施，實(shí)物激勵(lì)中物品的價(jià)格越高，虛擬激勵(lì)中虛擬積分的數(shù)量越高，產(chǎn)生的效果越好。根據(jù)具體需求設(shè)置不同的激勵(lì)水平，以確保回收的調(diào)查問(wèn)卷數(shù)據(jù)。

3.3 優(yōu)化外部環(huán)境

從外部環(huán)境來(lái)看，網(wǎng)絡(luò)用戶(hù)進(jìn)入網(wǎng)絡(luò)調(diào)查平臺(tái)的時(shí)間段對(duì)相關(guān)網(wǎng)絡(luò)調(diào)查平臺(tái)的運(yùn)營(yíng)策略也有相當(dāng)重要的影響。由網(wǎng)絡(luò)大數(shù)據(jù)調(diào)查發(fā)現(xiàn)用戶(hù)進(jìn)行上網(wǎng)行為在中午11：00～12：30和晚上18：00～20：00比較集中。這就意味著在中午和夜晚時(shí)段用戶(hù)的進(jìn)入-打開(kāi)比率和打開(kāi)-提交比率會(huì)更高。而且進(jìn)入-打開(kāi)比率在下午18：00～20：00有一個(gè)峰值?？紤]到在半夜網(wǎng)絡(luò)調(diào)查平臺(tái)的用戶(hù)數(shù)量很少，一般認(rèn)為網(wǎng)絡(luò)調(diào)查平臺(tái)開(kāi)展運(yùn)營(yíng)和推廣活動(dòng)的最佳時(shí)間是中午和晚上。此時(shí)，用戶(hù)有更高的行為傾向，第二個(gè)最佳選擇是晚上。此時(shí)，用戶(hù)更傾向于進(jìn)入網(wǎng)絡(luò)調(diào)查平臺(tái)和打開(kāi)調(diào)查問(wèn)卷，這也會(huì)影響用戶(hù)最終問(wèn)卷的提交。在上述時(shí)間段內(nèi)有更多的用戶(hù)進(jìn)入網(wǎng)絡(luò)調(diào)查平臺(tái)，這樣能夠獲得較多數(shù)量的問(wèn)卷，獲取更多的信息。

4? 結(jié)語(yǔ)

當(dāng)前，計(jì)算機(jī)和互聯(lián)網(wǎng)發(fā)展速度不斷加快，網(wǎng)絡(luò)用戶(hù)也在不斷增加，其規(guī)模也在不斷擴(kuò)大，同時(shí)，使用網(wǎng)絡(luò)平臺(tái)的用戶(hù)就會(huì)留下相應(yīng)的用戶(hù)數(shù)據(jù)。在眾多領(lǐng)域中，如果想要真正吸引到用戶(hù)，那么網(wǎng)絡(luò)運(yùn)營(yíng)平臺(tái)就必須學(xué)會(huì)對(duì)大數(shù)據(jù)進(jìn)行分析，并對(duì)分析結(jié)果加以合理利用，為網(wǎng)絡(luò)、網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)進(jìn)行有效支持，為決策科學(xué)化提供幫助。在此基礎(chǔ)之上優(yōu)化相關(guān)的網(wǎng)站以及軟件產(chǎn)品，為網(wǎng)絡(luò)提供更安全、舒適、流暢的上網(wǎng)體驗(yàn)。

參考文獻(xiàn)

[1] 顧其源.基于用戶(hù)行為的無(wú)線(xiàn)通信網(wǎng)絡(luò)綜合優(yōu)化研究[J].信息通信，2018，186（6）：190-191.

[2] 顧震強(qiáng).移動(dòng)網(wǎng)絡(luò)的用戶(hù)行為及用戶(hù)價(jià)值區(qū)域特征的分析研究[J].移動(dòng)通信，2016，40（5）：15-19.

[3] 王浩.大數(shù)據(jù)背景下基于客戶(hù)需求的供應(yīng)網(wǎng)絡(luò)優(yōu)化問(wèn)題的研究[D].沈陽(yáng)工業(yè)大學(xué)，2016.

[4] 黃琪飛，李貝，胡海波，等.基于用戶(hù)感知的端到端網(wǎng)絡(luò)優(yōu)化方法研究[J].電信技術(shù)，2016（9）：9-12.

[5] 王玲.移動(dòng)網(wǎng)絡(luò)用戶(hù)行為挖掘模型及在E-Learning系統(tǒng)中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2016（24）：91-95.

[6] 王忠民，王希，宋輝.基于隨機(jī)Dropout深度信念網(wǎng)絡(luò)的移動(dòng)用戶(hù)行為識(shí)別方法[J].計(jì)算機(jī)應(yīng)用研究，2017（12）：283-286.