基于用戶行為的益農(nóng)之聲推廣平臺的設(shè)計(jì)與實(shí)現(xiàn)

彭曉明　周紅　習(xí)李琴

摘要：隨著互聯(lián)網(wǎng)的迅速發(fā)展，通過網(wǎng)絡(luò)銷售已經(jīng)成為當(dāng)前趨勢之一，該平臺則基于用戶行為進(jìn)行有針對性的推廣，目的更明確，目標(biāo)更清晰。此外在設(shè)計(jì)上整體采用了三層架構(gòu)開發(fā)思想，同時結(jié)合 Ajax技術(shù)進(jìn)行數(shù)據(jù)的異步刷新，以增強(qiáng)用戶的體驗(yàn)效果。

關(guān)鍵詞：用戶行為；推廣平臺；三層架構(gòu)；異步刷新

中圖分類號：F426.72；F724.6 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2017）04-0175-01

1 用戶行為和用戶行為信息

用戶行為指的是用戶在瀏覽推廣平臺時的狀況和動作[1]。有研究發(fā)現(xiàn)，不同的用戶在做某些事情的時候行為反應(yīng)是不盡相同的，行為和結(jié)果之間存在著某種聯(lián)系，因此，如何在海量的用戶行為中找出蘊(yùn)藏著有價值的信息和有用的知識，并且再進(jìn)一步有效的利用這些信息成為眾多學(xué)者關(guān)心的問題。

用戶行為信息值得是用戶在瀏覽、檢索、評論和購買等行為時所留下來的信息，在傳統(tǒng)的Web數(shù)據(jù)挖掘中，依賴的是日志文件[2]。在現(xiàn)在的Web系統(tǒng)中，則可以通過各種方式，將用戶的信息更加詳盡的記錄下來，比如可以通過AJAX技術(shù)把用戶瀏覽某一頁面的頻繁程度[3]；頁面跳轉(zhuǎn)的特點(diǎn)；在某一頁面停留的時間和規(guī)律等行為以信息的形式記錄到數(shù)據(jù)庫中，以便后期對用戶在購買的行為進(jìn)行統(tǒng)計(jì)和分析得出該用戶的購物行為特點(diǎn)、喜好的領(lǐng)域。這個功能是整個推廣平臺內(nèi)的一項(xiàng)重要功能。只有根據(jù)用戶的購買特點(diǎn)和規(guī)律設(shè)計(jì)的推廣平臺才能更加擁有針對性，真正的提高物品的推廣針對性，提高銷售業(yè)績。

2 要統(tǒng)計(jì)的行為

在該平臺中主要統(tǒng)計(jì)以下行為，并對其進(jìn)行分析。首先是瀏覽時間，然后是訪問的資源名稱，第三是購買產(chǎn)品名稱。

2.1 總瀏覽時間

總瀏覽時間反應(yīng)用戶的總體購買時間長度，可以反應(yīng)該產(chǎn)品對于用戶來說的總體吸引度。也能間接的反應(yīng)推廣平臺的總體設(shè)計(jì)質(zhì)量。如果用戶的普遍瀏覽時間過長，超出預(yù)期的設(shè)想，說明平臺內(nèi)所提供的資源難度過大。如果普遍的瀏覽時間過短，則說明網(wǎng)站的產(chǎn)品資源深度在某種意義上不夠或者不好，需要改進(jìn)。

2.2 子頁面瀏覽時間

統(tǒng)計(jì)某一類產(chǎn)品或某一種產(chǎn)品的瀏覽時間可以挖掘用戶感興趣的產(chǎn)品類別或者某個具體產(chǎn)品，或者說瀏覽時感覺比較認(rèn)可的產(chǎn)品，通過對他的記錄可以挖掘平臺在不斷的建設(shè)當(dāng)中需要注意和強(qiáng)化的地方，做到產(chǎn)品投放和推送有的放矢。研究發(fā)現(xiàn)：如果用戶在某一類別內(nèi)的瀏覽時間普遍長于其他類別，這說明該類別里推廣的產(chǎn)品對于該用戶有一定的喜歡（相對于其他產(chǎn)品）而這些產(chǎn)品通常是所有用戶所關(guān)注的地方，這種瀏覽時的關(guān)注程度和決定是否購買的決定點(diǎn)有著內(nèi)在的微妙的聯(lián)系。

2.3 子頁面瀏覽次數(shù)（按扭點(diǎn)擊次數(shù)）

統(tǒng)計(jì)某一類產(chǎn)品的瀏覽頻率和統(tǒng)計(jì)某一類產(chǎn)品的瀏覽時間有相同的意義 ，通過對它的記錄可以挖掘推廣平臺在不斷的建設(shè)當(dāng)中需要注意和強(qiáng)化的地方，做到產(chǎn)品推廣的有的放矢[4]。通過研究發(fā)現(xiàn)：如果用戶在某一產(chǎn)品類的瀏覽的頻率普遍高于其他類別，這說明類別里介紹的產(chǎn)品對于該用戶有一定的價值（相對于其他產(chǎn)品）而這些價值通常是產(chǎn)品本身所特別的地方。

2.4 鼠標(biāo)在某個產(chǎn)品上的點(diǎn)擊次數(shù)

對鼠標(biāo)在某個產(chǎn)品上的點(diǎn)擊次數(shù)的統(tǒng)計(jì)可以抽象的挖掘用戶的瀏覽產(chǎn)品行為特點(diǎn)。總之通過對上述數(shù)據(jù)的采集，進(jìn)行數(shù)據(jù)挖掘就可以得到一些看似抽象但是有價值的信息。

3 數(shù)據(jù)挖掘建立模型

構(gòu)建Microsoft決策樹和Microsoft神經(jīng)網(wǎng)絡(luò)模型以確定哪個算法生成最準(zhǔn)確的模型（通過將預(yù)測與測試集上產(chǎn)生的實(shí)際值進(jìn)行比較來測度）如圖1所示。構(gòu)建初始挖掘結(jié)構(gòu)和挖掘模型后（指定輸入和可預(yù)測屬性），分析軟件可以輕松地添加其他挖掘模型。（可以使用“添加挖掘模型”功能嘗試不同的算法。）

研究發(fā)現(xiàn)更改COMPLEXITY_PENALTY和MINIMUM_ SUPPORT的默認(rèn)值后，使用Microsoft決策樹算法可以獲得非常準(zhǔn)確的預(yù)測模型。使用COMPLEXITY_PENALTY=0.10。這可能導(dǎo)致較大（較詳細(xì)）的決策樹。較大、較詳細(xì)的決策樹能夠更加準(zhǔn)確地對練習(xí)數(shù)據(jù)構(gòu)建模型，甚至某種程度上可以對練習(xí)數(shù)據(jù)中的“干擾”構(gòu)建模型。這種情況稱為“臃腫”，通常導(dǎo)致對提取的數(shù)據(jù)集或測試數(shù)據(jù)集的較差預(yù)測。另外，較大、較詳細(xì)的決策樹可能需要稍多的計(jì)算來進(jìn)行預(yù)測。

4 設(shè)計(jì)技術(shù)

在設(shè)計(jì)上，依據(jù)用戶瀏覽時的特點(diǎn)，分析用戶瀏覽行為，在計(jì)算用戶的個性化知識需求度的基礎(chǔ)上綜合顯性行為和隱性行為，建立基于本體的用戶行為模型；進(jìn)而實(shí)現(xiàn)了個性化知識過濾和推薦，如圖2所示。

5 結(jié)語

推廣平臺個性化推送服務(wù)是提高平臺資源利用率、提升用戶黏度的有效手段，本文構(gòu)建了如何通過對推廣平臺用戶行為的產(chǎn)品分析，對顯性行為和隱性行為進(jìn)行綜合評價，計(jì)算用戶個性化革新掛需求度，建立了基于用戶行為模型和個性化知識服務(wù)流程。

參考文獻(xiàn)

[1]張金增，孟小峰.移動Web搜索研究[J].軟件學(xué)報(bào)，2012，23（1）：46-64.

[2]馬少平，劉奕群.中文搜索引擎用戶行為的演化分析[J].中文信息學(xué)報(bào)，2011，25（6）：90-97.

[3]余肖生，孫珊.基于網(wǎng)絡(luò)用戶信息行為的個性化推薦模型[J].重慶理工大學(xué)學(xué)報(bào)自然科學(xué)版，2013，27（1）：47-50.

[4]陳吉榮，樂嘉錦.基于Hadoop生態(tài)系統(tǒng)的大數(shù)據(jù)解決方案綜述[J].計(jì)算機(jī)工程與科學(xué)，2013，35（10）： 25-35.

[5]Lu X，Islam N S，Wasi-Ur-Rahman M，et al. High-Performance Design of Hadoop RPC with RDMA over InfiniBand[C]，Parallel Processing （ICPP）， 2013 42nd International Conference on. IEEE， 2013：641-650.