網(wǎng)站日志:一種相對簡單的分析方法

在網(wǎng)頁運營改版過程中，經(jīng)常有設(shè)計師或者運營同事有這樣的疑問：我的頁面到底產(chǎn)生了多大價值？這個頁面引導(dǎo)的用戶接下來訪問了多少商品的頁面？有沒有產(chǎn)生交易？有沒有到我想讓用戶去的那些頁面？

如果使用數(shù)據(jù)庫查詢，固然可以得到一些結(jié)果，但查詢過程過于復(fù)雜，數(shù)據(jù)量大的網(wǎng)站查詢耗時太長，很難靈活應(yīng)用到普通頁面。本文提出一種相對簡單的分析方法可以解決這個問題。

每個用戶在網(wǎng)站上的訪問軌跡在網(wǎng)站日志或者數(shù)據(jù)庫中，都是一串URL，有的只訪問了一兩步，有的訪問了成百上千步，如何在如此復(fù)雜繁多的數(shù)據(jù)中找到用戶在訪問某個頁面（例如服裝首頁）之前或者之后n步，有多少人訪問過特定頁面（例如交易頁面）？

先拋開這個問題，我們想象這樣一個場景：在一個大會場中，熟人坐在某個座位上，如果我們知道他們的位置，我們的眼睛很容易聚焦到這幾個位置，自動忽略其他座位的人，請參看圖1。同樣，人們在觀察周圍事物時，經(jīng)常會把精力聚焦到自己關(guān)心的事物上，下意識忽略其他。我們曾經(jīng)做過這樣的實驗，我們的報告廳有4個很大的外置式擴音器，分列在兩側(cè)。注意不是那種不顯眼的內(nèi)置式，任何人只要稍微留心就會看到。而當(dāng)我們要求會場的人閉上眼睛回答會場有幾個擴音器時，很少有人能給出正確答案，因為大部分人會關(guān)心更重要的東西，比如會議內(nèi)容，提問問題，甚至是如何找個舒適的位子也比擴音器的多少更讓人關(guān)心。

回到我們網(wǎng)站碰到的問題，某個項目的設(shè)計師關(guān)心的頁面并非全部，而只是幾個與之頁面有關(guān)的頁面和部分重要的指標(biāo)頁面。因此我們可以去除相關(guān)性不大的頁面，只保留關(guān)心頁面，從而縮短用戶路徑，大大提高計算效率。

另外，我們把索引的思想引入分析過程中，把網(wǎng)頁的URL按照一定規(guī)則（例如正則表達式）替換成簡單字符，把相關(guān)性不大的頁面統(tǒng)計替換為同一個字符（例如“0”），把一些過渡性的頁面替換成某個字符（例如”p”），如此以來，每個用戶的訪問路徑就可以表示為一個字符串，例如”a,c,0,0,0,a,p,p,c,0,c,d,0,0,0”。也有的用戶的訪問路徑全為相關(guān)性不大的頁面，此時，路徑為”0,0,0,0,0,0,0,0,0,0,0,0,0,0”，這表示用戶并未訪問到目標(biāo)頁面，如果不需要計算用戶比例或用戶分類，那么這樣的記錄我們可以刪除掉。

如果需要保留其他的用戶信息，例如cookieid，登錄名，訪問時間等信息，這個字符串會更加復(fù)雜些。如果我們研究目的比較簡單，還可以進一步處理，如果不需要對步長信息進行分析，我們可以去掉相鄰重復(fù)的一些數(shù)據(jù)，把上式簡化為” a,c,0,a,p,c,0,c,t,0”。

這個過程請參看圖2中的①和②，由此我們可以得到多個用戶的路徑的字符串形式的文件。

得到這個聚焦式用戶路徑文件后，我們就可以對這個字符串文件進行分析了。例如，我們需要計算a頁面后有多少個c頁面，需要能忽略中間的翻頁頁面（p頁面）。在上例中的這個用戶的字符串中，就是1個用戶，2次c頁面。如果在訪問了其他頁面之后再訪問c頁面的行為也可計算入內(nèi)的話，那就是1個用戶，3次c頁面。

接下來就是分析的樣本量問題。一般分析過程中會講究“多而全”，但數(shù)據(jù)量大到一定級別，分析1/10甚至1/100人群與分析全樣本所得到的結(jié)果相差無幾，花費很多資源去提升一點精確度是一件很得不償失的事情。因此可以酌情分析小樣本量，節(jié)省分析成本。

由于目標(biāo)頁面業(yè)務(wù)的獨特性，每次需要分析的方式也很個性化。路徑查詢器可以靈活應(yīng)對各種查詢。例如，我們需要計算a后面有t的人次，a后面緊跟著c的人次，行為符合某種模式的用戶數(shù)有多少等等。需要統(tǒng)計的模式在分析算法配置文件（圖2中的③）中進行配置，查詢器會計算并導(dǎo)出最終結(jié)果。

另外，查詢器還支持分類信息查詢，根據(jù)用戶路徑文件的配置信息，對每種分類的人群分別查詢，或者導(dǎo)出符合某種模式的人群Cookieid，用戶名等，與其他數(shù)據(jù)存儲媒介聯(lián)接，取得這部分人群的其他信息，從而進行綜合分析。

這種方法優(yōu)點在于比較靈活，如果網(wǎng)站的URL規(guī)則比較規(guī)范，在配置過程中可以多采用正則表達式，從而可以發(fā)現(xiàn)更多有趣的現(xiàn)象。