基于大数据技术的移动用户行为分析研究.docx

?

?

基于大数据技术的移动用户行为分析研究

?

?

李志勇

摘要：随着移动互联网的不断发展，移动通信网络5G技术的实现，使得移动终端用户数量呈现爆发式增长，移动终端用户的各类行为也成了很多行业的重要研究目标。该文阐述了大数据及用户行为分析相关概述，对移动用户行为分析现状进行了研究，发现了传统移动用户行为分析缺少数据挖掘方法、数据挖掘与分析技术不成熟、系统平台功能落后等问题，并提出了针对性的分析研究方法，有助于大数据技术在移动用户行为分析中的普及与应用，让用户行为分析更加的精准可靠，进一步全面的完善用户画像，对行业的服务能力及质量的提升具有重要的意义。

关键词：大数据技术;移动用户;行为分析;用户画像

1背景

随着移动互联网的飞速发展和数据的爆发式增长，大数据时代的特征逐渐凸显，并且给用户数据的存储、处理、分析等带来了巨大的挑战和机遇，从移动终端用户方产生的海量行为数据，采用传统的数据分析方式逐渐不能满足各行各业的需要，需借助大数据技术的挖掘与分析方法和工具，采集移动用户行为数据，对数据进行全面而准确的分析，实现移动用户的精准定位，逐渐在大数据技术的驱动下，充分把握用户的个人偏好、使用规律，从而为各行各业提供以数据为支撑的理论依据，更有助于企业制定科学的决策和发展规划[1]。

2大数据及用户行为分析相关概述

2.1大数据的定义及作用

大数据，很多的研究机构都给出了自己的定义，如著名研究机构Gartner提出“大数据是需要新的处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产”，而麦肯锡全球研究所则提出“大数据是一种在获取、存储、管理、分析等多方面远远超出了传统数据库软件工具能力范围的数据集合”，这些定义便可以看出，大数据的数据规模庞大、数据处理快速、数据类型多样、数据价值更显著等特点，大数据技术的应用能够让大数据发挥增强决策力、优化流程、发现关联性等作用。目前与大数据相关的技术包括大规模并行处理的数据库、数据挖掘技术及工具、分布式文件系统及数据库、云计算、互联网以及可扩展的存储系统，也就意味着大数据技术涵盖了互联网技术、云计算数据、分布式处理技术和感知技术，可以充分实现数据的采集到数据分析结果形成全过程[2]。

2.2移动用户行为分析的内容

从狭义上来说，移动用户行为分析是指在获得移动应用程序或移动通信数据的等基本数据情况下，对这些数据进行处理、分析和统计，从而发现移动用户在这些平台的使用规律，并且将这些规律与其他行业进行融合，发现移动用户的个人偏好，为企业服务提供更加可靠的数据依据。其中移动用户行为分析的主要内容包括行为事件分析、页面点击分析、用户行为路径分析、用户健康度分析、漏斗模型分析以及用户画像分析等六种模型，不同的模型都可以获取不同的用户行为数据，如用户资料、活跃用户、留存用户、使用时长、应用版本、激活量、卸载量、用户属性、网络终端、行为跟踪等，这些数据资料涵盖了用户忠诚度、回复率、用户使用的操作系统和常用的移动应用程序，用户选择的通信服务网络运营商以及联网方式，并且通过用户行为跟踪，获取用户访问页面、页面停留以及跳出、跳转率等信息[3]。目前市场上出现了很多用户行为数据统计工具，如百度统计、GoogleAnalytics等，以及付费用户行为分析系统如数数科技的ThinkingAnalytics，不同的业务需求可以采用不同的用户行为分析工具[4]。

2.3移动用户行为分析的方法

移动用户行为分析的方法包括数据采集、数据存储、分析模型、报表创建、应对策略等五个层次。数据采集是数据处理与分析的基础，首先要求数据足够准确、数量大、实时，可以通过可视化埋点、SDK埋点、日志数据、历史数据导入等方法获取更为准确的数据[5]。其次要对采集到的数据进行数据存储，打通用户的数据源，建立统一的数据仓库，并且对用户的属性数据和用户行为数据进行清晰、统一的定义，将用户行为有关的数据进行4W1H的描述，在此基础上再分析用户行为背后的原因。用户行为分析是多维的，因此还需要引用很多的分析模型，根据不同的业务场景，进行灵活搭配使用，最后要通过创建报表来做数据结果分析，建立统一的关键指标，让数据更具有决策意义，同时要对这些指标进行持续性的监控，提高数据的决策力和应用价值。

3移动用户行为分析研究现状

3.1传统用户行为分析缺少大数据技术方法

传统的数据挖掘工具并不具备大数据挖掘、处理、分析的方法和能力，单一的服务器也不能满足大数据挖掘与处理的需求。一方面数据来源渠道简单，数据采集模式单一，导致传统的用户行为分析数据采集难度大[6]。数据采集是数据分析的第一步，也是关键的一步，决定了数据分析结果的质量，因此更需要大量、来源广泛、全面的移动用户行为数据。另一方面传统服务器已经不能适应