摘  要： 隨著智能手機(jī)的興起，合理有效地使用手機(jī)已成為社會共性需求。不同的用戶具有不同的信息消費(fèi)行為特征，其需求動向也常常發(fā)生變化。描述了手機(jī)客戶行為分析與用戶特征標(biāo)簽刻畫的方法，通過對客戶使用特定業(yè)務(wù)的行為、互聯(lián)網(wǎng)訪問行為、指令位置信息、終端使用情況、行業(yè)關(guān)注等有效信息的收集并運(yùn)用合適的數(shù)學(xué)模型進(jìn)行分析，能獲取客戶的各種偏好程度，進(jìn)而對客戶進(jìn)行特征分類，為企業(yè)、政府等機(jī)構(gòu)的相關(guān)決策及應(yīng)用提供依據(jù)。

　　關(guān)鍵詞： 訪問行為；函數(shù)模型；偏好分析；特征標(biāo)簽

0 引言

　　當(dāng)前手機(jī)已經(jīng)普及，企業(yè)如果能夠充分利用收集到的客戶基本信息和消費(fèi)行為信息，跟蹤并分析不同客戶的需求及其對新產(chǎn)品的接受程度，就能采取相應(yīng)的措施完善客戶使用體驗(yàn)并提升企業(yè)收益。

　　目前國內(nèi)外對移動互聯(lián)網(wǎng)中用戶的研究一直比較關(guān)注，國內(nèi)的研究側(cè)重于用戶偏好現(xiàn)象分析，國外的研究則側(cè)重于用戶滿意度、接受行為建模與仿真研究，主要以TAM模型作為基礎(chǔ)，整合創(chuàng)新擴(kuò)散等其他理論[1]。已有多種新型用戶偏好提取算法被提出，如傳統(tǒng)用戶偏好提取技術(shù)與馬爾可夫決策過程建模方法相結(jié)合的用戶偏好評估模型[2]、文本挖掘算法[3-4]等。

　　本文重點(diǎn)討論用戶特征標(biāo)簽的刻畫方法。通過建立適當(dāng)?shù)哪Ｐ?，在收集到客戶的使用特定業(yè)務(wù)行為、互聯(lián)網(wǎng)訪問行為等有效信息之后，對客戶在不同時間段的行為變化與頻次進(jìn)行綜合分析，就能為客戶打上特征標(biāo)簽，并應(yīng)用于企業(yè)決策。

1 用戶行為評價模型

　　在分析用戶的偏好程度時，既要關(guān)注用戶對某類產(chǎn)品的使用次數(shù)，也要關(guān)注其近期使用該產(chǎn)品的連續(xù)性，結(jié)合這兩個因素進(jìn)行綜合評分。

　　1.1 次數(shù)評分法

　　次數(shù)評分法即對用戶在某段時間內(nèi)對業(yè)務(wù)的使用次數(shù)進(jìn)行評分。由于用戶對不同業(yè)務(wù)的使用頻次不同，直接用使用次數(shù)進(jìn)行評價，在不同的業(yè)務(wù)之間可比性不強(qiáng)。因此，可以將次數(shù)統(tǒng)一映射為0~100之間的分值來統(tǒng)一評價。如何合理地評分是關(guān)鍵，需要選擇合理的函數(shù)，本文設(shè)計(jì)了以下幾種評價函數(shù)。

　　次數(shù)評分法有兩個主要原則：第一，用戶使用某種產(chǎn)品的次數(shù)越多則評分越高；第二，由于很多用戶每月只使用數(shù)次，那么函數(shù)曲線應(yīng)為上凸的。

　　常見的次數(shù)評分法有根號法、反正切法、指數(shù)法等，具體使用哪種方法應(yīng)根據(jù)具體情況來確定。

　?。?）根號法

　　設(shè)計(jì)一個函數(shù)，將用戶的使用次數(shù)映射到區(qū)間[0，100]上的一個數(shù)值即分?jǐn)?shù)。由于實(shí)際使用次數(shù)的非均勻性，同時對少數(shù)使用次數(shù)很多的用戶不需單獨(dú)進(jìn)行分類，因此該映射函數(shù)可定義為：

　　其函數(shù)曲線如圖1所示。這種模型保證了y隨x單調(diào)遞增，并且函數(shù)曲線上凸，隨著x的增大曲線變得平緩，因?yàn)楫?dāng)使用次數(shù)足夠多時該用戶已經(jīng)擁有較高的評分，說明為活躍用戶，則其分值的變化率應(yīng)越來越小，接近于0。當(dāng)x=0時（用戶撥打次數(shù)為0）評分為0，當(dāng)x=100時分值最大為100。

　　由于y最大為100，那么當(dāng)x超出100時仍取分值y=100。這種函數(shù)模型適用于x的值分布范圍較小（最好在0~100之間）的情況。

　?。?）反正切法

　　假設(shè)次數(shù)為x，評分公式為：

　　y=100×arctan（x/10）/π/2

　　=200×arctan（x/10）/π

　　函數(shù)圖像如圖2所示。其中x/10是為了在x屬于[0，50]范圍內(nèi)的函數(shù)曲線不至于太過平緩。這種函數(shù)也是單調(diào)遞增的，并且隨著x的增大曲線變得平緩，當(dāng)x=0時y=0，當(dāng)x趨于正無窮時y取最大值100。這種模型適用于x的分布范圍較廣（0~+∞）的情況。

　?。?）指數(shù)法

　　假設(shè)次數(shù)為x，評分公式為：

　　y=100（1-a-x/b）

　　這里a的大小可以適當(dāng)調(diào)整，一般可設(shè)定在1.1~2之間，本文取1.5；b根據(jù)基數(shù)大小取適當(dāng)值，本文取10。如圖3所示，y隨x單調(diào)遞增，并且曲線逐漸變得平緩，當(dāng)x=0時y=0，當(dāng)x趨于正無窮時y取最大值100。這種模型適用于x分布范圍較廣的情況（0~+∞），注意到反正切法的模型中當(dāng)x較小時y的變化率非常大，而指數(shù)法中y隨x的變化相對慢一些。

　　1.2 連續(xù)性評分法

　　評價假定：如果一個用戶在近幾個月內(nèi)都使用某項(xiàng)業(yè)務(wù)，那么可以判斷該用戶為此項(xiàng)用戶的忠實(shí)用戶；如果僅在前期偶爾使用過，近期均未用過，則屬于該業(yè)務(wù)流失用戶。

　　基于此假設(shè)，可以對用戶在近3個月內(nèi)使用某項(xiàng)業(yè)務(wù)的情況進(jìn)行連續(xù)性評分。設(shè)當(dāng)前月份為m，則m-2、m-1、m 3個月份使用連續(xù)評價規(guī)則可按表1進(jìn)行定義。

　?。ū碇星?列的“1”表示在本月使用過該項(xiàng)業(yè)務(wù)，“0”表示未使用過）

　　1.3基于分?jǐn)?shù)的用戶分類

　　基于評分模型得到的分?jǐn)?shù)，可對用戶進(jìn)行分類，一種可能的分類方法如表2所示。

　　1.4 各類偏好地址綜合統(tǒng)計(jì)

　　借助從運(yùn)營商獲得的數(shù)據(jù)可以統(tǒng)計(jì)出各類偏好地址（把得到分?jǐn)?shù)不小于75即中度愛好程度以上的地址認(rèn)定為用戶的偏好地址）的用戶數(shù)量，從而判斷各類網(wǎng)站的受歡迎程度。

2 網(wǎng)站主題評價

　　2.1 基于寬帶上網(wǎng)的網(wǎng)站主題評分

　　依據(jù)手機(jī)用戶利用寬帶上網(wǎng)對網(wǎng)站主題的訪問用戶數(shù)對網(wǎng)站主題進(jìn)行評分。評分方法可以采用指數(shù)法，a取1.5，根據(jù)用戶數(shù)的規(guī)模，b取2 000。

　　2.2 基于手機(jī)上網(wǎng)的網(wǎng)站主題評分

　　依據(jù)手機(jī)直接上網(wǎng)用戶對網(wǎng)站主題的訪問用戶數(shù)對網(wǎng)站主題進(jìn)行評分。評分方法與基于寬帶上網(wǎng)用戶的評分方法相同。

　　3 數(shù)據(jù)統(tǒng)計(jì)分析及特征標(biāo)簽刻畫

　　根據(jù)某運(yùn)營商一個月的數(shù)據(jù)，利用前文所定義的分析模型，可對用戶、網(wǎng)站主題進(jìn)行以下特征刻畫。

　　3.1 上網(wǎng)方式偏好程度

　　統(tǒng)計(jì)得到的數(shù)據(jù)及其評價如表3所示。

　　3.2 手機(jī)換購用戶預(yù)測

　　根據(jù)對相關(guān)主題網(wǎng)站的訪問統(tǒng)計(jì)，依據(jù)最近一周訪問量來分析手機(jī)換購用戶。

　　由于是對最近一周的用戶數(shù)據(jù)集中分析，那么不宜采用打分的方法對用戶分層?？梢钥紤]使用定閾值的方法。如最近7天有3天以上訪問天數(shù)，且平均訪問同類偏好地址2次以上的用戶，當(dāng)其在上月的偏好月表中不存在，則判斷其為有手機(jī)換購意向的用戶。以某一星期數(shù)據(jù)為例，統(tǒng)計(jì)總用戶數(shù)104 227，有換購意向的用戶數(shù)達(dá)318，表4列出了統(tǒng)計(jì)分布表（只列出用戶數(shù)大于20的分布情況，天數(shù)是針對某特定主題，總天數(shù)是針對所有主題）。

　　3.3 手機(jī)愛好者判定

　　對手機(jī)用戶一段時間內(nèi)的訪問次數(shù)、訪問天數(shù)，分別根據(jù)前面的模型進(jìn)行評分，得到一個總分：

　　得分=（天數(shù)得分+次數(shù)得分）/2，其中定義天數(shù)得分=100×（1-2-訪問天數(shù)/1.106 8），次數(shù)得分=100×（1-2-訪問天數(shù)/1.106 8）。

　　根據(jù)某運(yùn)營商一周的統(tǒng)計(jì)數(shù)據(jù)，對用戶是否為體育迷進(jìn)行分析，得到表5所示結(jié)果。

　　3.4 各類偏好地址綜合統(tǒng)計(jì)

　　3.4.1 移動寬帶上網(wǎng)偏好統(tǒng)計(jì)

　　參照從運(yùn)營商獲得的某個月數(shù)據(jù)，找出曾經(jīng)訪問過各類偏好地址的寬帶用戶191 613個，其中“3G達(dá)人”、“iphone4s”、“iphone相關(guān)網(wǎng)站”、“手機(jī)綜合”、“手機(jī)軟件下載”的訪問用戶數(shù)量較大（高于10 000），列出用戶數(shù)大于1 000的偏好分布如表6所示。

　　為了找出用戶訪問頻率較高的地址而不僅僅是用戶數(shù)量大的地址，再統(tǒng)計(jì)出有5天和5天以上訪問頻率的用戶1 583個，分布如表7所示。

　　3.4.2 手機(jī)直接上網(wǎng)偏好統(tǒng)計(jì)

　　根據(jù)運(yùn)營商提供的月數(shù)據(jù)可以找出訪問各類地址的手機(jī)直接上網(wǎng)用戶193 148個，其中訪問次數(shù)最多的為13，列出用戶數(shù)大于1 000的偏好地址分布如表8所示。由統(tǒng)計(jì)結(jié)果可以看出，分布頻率較大的是“360手機(jī)衛(wèi)士”、“Android天氣通”、“天翼閱讀”、“安卓市場”、“手機(jī)酷狗”。

4 結(jié)論

　　移動互聯(lián)網(wǎng)逐漸成為大眾生活必不可少的部分，移動互聯(lián)網(wǎng)服務(wù)已成為網(wǎng)絡(luò)服務(wù)發(fā)展的主流方向。為了提升客戶的使用體驗(yàn)并為企業(yè)贏得更多的用戶，本文介紹了通過固網(wǎng)用戶的互聯(lián)網(wǎng)訪問行為以及手機(jī)用戶的訪問行為進(jìn)行偏好分析并準(zhǔn)確定位“手機(jī)發(fā)燒友用戶”的方法，提供了3種常用的評分模型，描述了寬帶上網(wǎng)、手機(jī)上網(wǎng)數(shù)據(jù)分析的步驟和分析用戶特征的策略，以某運(yùn)營商提供的數(shù)據(jù)為例找出了比較受歡迎的用戶偏好地址。企業(yè)可以以此進(jìn)行用戶特征標(biāo)簽的刻畫并將其應(yīng)用于營銷服務(wù)活動，從而提升服務(wù)質(zhì)量。

　　參考文獻(xiàn)

　　[1] 徐瀟.移動軟件產(chǎn)品的用戶接受研究——以蘇寧彩票Android手機(jī)軟件為例[D].南京：南京理工大學(xué)，2014.

　　[2] 黃海清，張平，張曦文.用戶偏好提取算法[J].無線電工程，2006，36（13）：16-19.

　　[3] 吳雙.客戶需求信息管理與用戶偏好分析[J].科技致富向?qū)В?013，25（17）：409-431.

　　[4] 張歡.網(wǎng)絡(luò)用戶偏好分析方法的研究[D].北京：北京交通大學(xué)，2010.