网站用户行为数据收集和分析方法
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ABSTRACT In o rder to i m p rove the u sab ility of w eb site, the u sab ility eng ineering m ethod tha t focu ses on U CD (u ser cen tered de2 sign ) is u sua lly adop ted. T h is p ap er in troduces a ll k ind s of m ethod s abou t co llecting and ana lyzing u ser behavio r da ta and fea tu res acco rd ing to d ifferen t m ethod s and som e too ls a t hom e and ab road, and som e rela tive exam p les w ith these m ethod s a re a lso p rovid2 ed. T he W eb sites con structed w ill m eet requ irem en t of u ser and gua ran tee sm oo th comm un ica tion betw een u ser and w eb site KEYWO RD S w eb site u sab ility, U CD , da ta co llection, u ser behavio r, aux ilia ry too l
步了解用户的浏览行为提供了强大的功能, 它把大量 的复杂数据用非常简单的方法表达出来, 使可用性人 员在分析用户行为时一目了然。
2 客户端收集和分析用户行为数据的
方法
由于通过日志文件获得的信息会出现失真的情 况, 而且有很多重要的数据只通过日志文件很难获得, 这些信息对研究网站的可用性问题却很重要, 因此为 了进一步获得更多的有价值的可用性数据, 发现更多 的网站可用性问题, 逐渐产生了很多技术用于从客户 端 (p age- side ) 直接获得用户与网站的交互情况。 由 于是直接从客户端获得数据, 所以, 能够获得大量的难 以从服务器端获得的用户行为数据, 这对进一步分析 用户浏览网站行为, 改善潜在的网站可用性问题提供 了更大的帮助。 2. 1 客户端收集用户行为数据的优点 ① 由于用户是在真实的环境下所进行的操作 ( 如 在家里或办公室) , 减少了人为地干扰因素, 因此获得 的数据更加真实。 ② 与基于日志文件的方法相比, 从客户端收集到 的数据更加精确, 能够克服如上描述的很多问题。 ●不受动态分配 IP 地址或代理服务器的影响: 通 过使用客户端跟踪技术 ( 如由 w eb 服务器对每个访问 站点的客户机自动分配 I D 并将其记录在客户端的 Cook ies 中, 每次用户浏览网站, w eb 服务器可通过访 问客户端的 Cook ies 就知道此客户机是否访问过本网 站) 。 ● 正确的用户浏览路径: 由于是在客户端记录用 户行为, 因此客户端代码可自动跟踪用户的浏览路径, 不管是否通过本机缓存或通过代理服务器。 例如, 用户 的实际浏览路径是从A B , 点击 B ack 钮, A C , 但 是从 log 文件中得到的路径是 A B C。页面浏览时 间: 举例如图 1 ( 页面是由 cg i 脚本产生的动态文件) 。
1999 29067) 资助。
3 3 3 王利强, 男, 1978 年生, 在读硕士, 研究方向: 人机交互与可用性工程。
第 17 卷 第 2 期 电 脑 开 发 与 应 用 ( 总 57) ・3・
生站点级的性能统计数据, 因此不可避免的是, 日志文 件所提供的数据与用来分析网站可用性所需的大量数 据相比会有所不足, 对于研究潜在的可用性问题只能 提供少量的数据甚至还可能提供一些误导性的数据。 这是因为一旦 w eb 服务器把用户请求的页面发送出 去之后, 如果用户不发出请求, 则页面和用户之间发生 了什么 w eb 服务器并不记录。下面是一些从日志文件 中获取的数据不足或有误导性数据的例子。 ① 谁正在访问网站。 如果想知道谁正在访问网 站, 要求日志文件必须包含一个个人 I D 或者登录到 服务器的登录标示, 但是目前的网站一般不需要用户 登录, 大多情况下由日志文件提供的客户端信息是客 户的 IP 地址, 而这些 IP 地址很多情况下是由 In ternet 提供商提供的动态 IP。并且有时用通过代理服务器来 访问 In ternet ( 例如, 学校的校园网) , 这样就不能正确 得知是哪个用户在访问网站。 ② 用户访问网站的路径。如果日志文件能够记下 用户所浏览的每个页面, 那么自然可以清楚的记录用 户的访问路径, 然而, 当把用户的浏览器设置为可使用 缓存 ( cache ) 时 ( 通常是缺省设置) , 用户所浏览的一些 页面就不能被 w eb 服务器所记录, 例如, 使用 B ack 按 钮浏览的页面就不能被记录。 而且, 如果同一页面中提 供了多个选择可链接到同一个页面的话, 用户到底是 使用哪一个链接过去, 这一信息从 log 文件中也难以 获得, 但是这一信息对改善网站的可用性也是很重要 的。 如果是通过图片链接,w eb 服务器可能会记下用户 单击的坐标位置, 从而可以获得用户的确切信息, 如果 没有使用这种技术的话, 就很难捕获这一信息。 而且, 当用户通过键入 U RL 地址, 或通过书签来访问页面 时, w eb 服务器也不能记录这一信息。 ③ 用户在每页的停留时间。日志文件记录的是数 据开始传输的时间, 而不是传输完成的时间。 而且也不 清楚, 在页面下载的过程中, 用户到底在什么时间开始 浏览页面。 除非在页面显示的时候, 用户因有事离开 了, 不然可以通过比较用户的当前请求和下一次请求 之间的时间来粗略计算用户在此页面停留的大概时间 ( 通过后一次的请求时间减去第一次的请求时间得到, 但对于从 cache 中获取的页面来说就出现很大偏差) 。 ④ 用户离开站点的位置。日志文件记录了在用户 会话期间所发送的最后一页, 但是这可能并不是用户 所看到的最后一页。 其中有两个原因: 第一, 用户所看 到的最后一页可能是从 cache 中得到。第二, 用户可能 已经有事离开了很长时间, 而这段时间已经超过了 w eb 服务器所定义的用户会话时间。 ⑤ 用户是否成功完成自己想要做的事情。这是最
就是通过从 w eb 服务器所产生的日志文件来获取有 用的数据。服务器日志文件就是用来记录 w eb 服务器 的活动, 提供了详细的客户和服务器的交互活动日志, 其中包括客户的请求和服务器的响应。 通过日志文件 收集到的数据形式依赖于具体的 w eb 服务器类型, 不 同的 w eb 服务器产生的信息是不一样的。 1. 1 基于服务器日志方法的优点 通过日志文件可以获得很有价值的网站使用情况 的数据。 ① 日志文件是由 w eb 服务器自动生成, 所以花费 比较小。 ② 与人为建造的可用性实验室环境相比, 通过日 志文件获得的数据更能够反映真实环境下用户的真实 情况。 ③ 与只对几个用户在几小时内进行的测试所获 得的数据相比, 通过日志文件获得的是大量的用户在 相当长一段时间内的行为数据, 这对分析用户的行为 是十分有利的, 可以利用数据挖掘等技术对用户进行 分析。 ④ 开发基于日志文件的数据分析工具相对比较 容易, 花费也不是太大。 1. 2 基于服务器日志方法的缺点 基于日志的方法对于网站的可用性研究来说还存 在着很多不足之处, 由于日志文件就是被设计用来产
根本的可用性问题, 只是通过单独的日志文件统计是 很难回答的, 如果是 “用户是否完成了交易? 用户是否 成功地下载了文件? ” 之类的问题, 答案还是很容易推 断。 然而, 如果要回答 “用户是否找到了所需要的信 息? ” 类似这样的问题, 仅通过日志文件就很难回答了。
1. 3 基于服务器日志文件方法获取数据的辅助工具 C lick T races A na lyzer 是分析网站用户行为的一 套工具 ( 具体参看网站 www. click t rack s . com ) 为进一
・ 2・ ( 总 56) 网站用户行为数据收集和分析方法 2004 年
网站用户行为数据收集和分析方法
M ethods for Collecting and Ana lyz ing U ser Behav ior Da ta on W ebs ite
1 基于服务器日志收集和分析用户行
为数据的方法
目前, 对于网站来说, 自动获得用户行为数据最流 行的方法之一是基于服务器日志的方法 (Server log ) ,
3 2003 08 25 收到, 2003 11 20 改回 3 3 该项目得到欧盟第五框架研发计划和国家中欧科技合作计划 ( IST
王利强 刘正捷 张丽萍 张海昕 陈军亮
( 大连海事大学 大连 116026) ( 欧盟可用性中国中心 大连 116026)
【摘 要】 为改善网站的可用性, 一般采用可用性工程方法, 其核心是以用户为中心的设计方法论 (U CD ) 。综合 介绍了目前国内外对于用户行为数据收集和分析方法所进行的研究, 各种方法的特点, 并介绍一些利用相应方法 所开发出的工具实例, 使得建设的网站更加符合用户的需要, 以保障用户与网站之间沟通的顺畅。 【关键词】 网站可用性, U CD , 数据收集, 用户行为, 辅助工具
这是使用 C lick st ream 收集工具与基于服务器的 日志文件产生的数据比较, 日志文件丢失了很多重要 数据。
・ 4・ ( 总 58) 网站用户行为数据收集和分析方法 2004 年
பைடு நூலகம்
2. 2 客户端收集用户行为数据的缺点
① 虽然从客户端能收集到更多的用户行为数 据, 但是这些数据都是客观的用户浏览行为数据, 只 能从客观的角度去分析用户行为, 对于用户在浏览 网站时的主观行为却有些力不从心, 例如用户的主 观满意度, 用户当时的表情类似这样的数据是无法 获得的, 还需要相应的硬件设备来辅助完成。 ② 由于直接从用户端收集信息, 因此客户端和 服务器端通信时要产生流量, 有可能影响网络的性 能, 影响用户上网速度。 ③ 最主要的是涉及到用户的隐私权, 因此还需 要和被测试的用户达成协议。 2. 3 从客户端收集用户行为数据的辅助工具 C lick st ream 是由 C lick st ream 公司开发的一套 软件, 用来对网站进行度量、 评估。 它使用的是基于客 户端的数据收集技术, 与基于 log 文件的方法相比, 能 够非常精确地收集到客户端的用户行为数据, 而不管客 户是在脱机的状态下还是从缓存中浏览网站。 它还把收 集到的信息进行统计分析, 以各种报表的形式直观化的 表现出来, 可以定性和定量地理解用户的行为。 实现功能如下: ● 详细跟踪用户和网站的交互情况, 不管页面是 否通过缓存 (cached ) ; ●记录每个用户的浏览路径; ● 通过统计大量的用户浏览情况, 可找到使用最 多的路径; ● 通过记录用户对不同的搜索引擎的使用情况, 统计出最好的搜索引擎; ● 通过记录用户搜索的关键字, 统计用户经常使 用的词; ●记录每个用户在网站的连续的停留时间。
随着 In ternet 的不断发展, 各种各样的网站如雨 后春笋般成倍增长, 各个商业网站之间的竞争越来越 激烈, 随之而来的是, 网站的建设不可避免的出现了很 多问题。 从最近一次国外对 15 个大型网站进行统计分 析表明, 用户在寻找自己所需要的信息时, 只有 42% 的概率可以找到, 而在大部分的时间里用户都无法找 到自己所需要的信息, 这使得用户在浏览网站时经常 遭遇挫折, 严重影响了用户对网站的兴趣和信任。 正如 “如果你想通过网站找到某些 J acob N ielsen 所指出的 信息, 那么在一般情况下很难找到, 就算能够找到, 也 要经过一番周折。 从以往的经验可以得知, 除非项目管 理团队在整个网站设计过程中就特别考虑网站的可用 性, 否则结果往往令人失望” 。 针对网站的特点, 目前国内外提出了很多依靠计 算机辅助来自动收集和分析用户行为数据的方法, 本 文以下部分将重点介绍基于服务器日志收集和分析用 户行为数据的方法和从客户端收集和分析用户行为数 据的方法, 并对根据不同的方法所开发出的一些工具 进行了介绍。
步了解用户的浏览行为提供了强大的功能, 它把大量 的复杂数据用非常简单的方法表达出来, 使可用性人 员在分析用户行为时一目了然。
2 客户端收集和分析用户行为数据的
方法
由于通过日志文件获得的信息会出现失真的情 况, 而且有很多重要的数据只通过日志文件很难获得, 这些信息对研究网站的可用性问题却很重要, 因此为 了进一步获得更多的有价值的可用性数据, 发现更多 的网站可用性问题, 逐渐产生了很多技术用于从客户 端 (p age- side ) 直接获得用户与网站的交互情况。 由 于是直接从客户端获得数据, 所以, 能够获得大量的难 以从服务器端获得的用户行为数据, 这对进一步分析 用户浏览网站行为, 改善潜在的网站可用性问题提供 了更大的帮助。 2. 1 客户端收集用户行为数据的优点 ① 由于用户是在真实的环境下所进行的操作 ( 如 在家里或办公室) , 减少了人为地干扰因素, 因此获得 的数据更加真实。 ② 与基于日志文件的方法相比, 从客户端收集到 的数据更加精确, 能够克服如上描述的很多问题。 ●不受动态分配 IP 地址或代理服务器的影响: 通 过使用客户端跟踪技术 ( 如由 w eb 服务器对每个访问 站点的客户机自动分配 I D 并将其记录在客户端的 Cook ies 中, 每次用户浏览网站, w eb 服务器可通过访 问客户端的 Cook ies 就知道此客户机是否访问过本网 站) 。 ● 正确的用户浏览路径: 由于是在客户端记录用 户行为, 因此客户端代码可自动跟踪用户的浏览路径, 不管是否通过本机缓存或通过代理服务器。 例如, 用户 的实际浏览路径是从A B , 点击 B ack 钮, A C , 但 是从 log 文件中得到的路径是 A B C。页面浏览时 间: 举例如图 1 ( 页面是由 cg i 脚本产生的动态文件) 。
1999 29067) 资助。
3 3 3 王利强, 男, 1978 年生, 在读硕士, 研究方向: 人机交互与可用性工程。
第 17 卷 第 2 期 电 脑 开 发 与 应 用 ( 总 57) ・3・
生站点级的性能统计数据, 因此不可避免的是, 日志文 件所提供的数据与用来分析网站可用性所需的大量数 据相比会有所不足, 对于研究潜在的可用性问题只能 提供少量的数据甚至还可能提供一些误导性的数据。 这是因为一旦 w eb 服务器把用户请求的页面发送出 去之后, 如果用户不发出请求, 则页面和用户之间发生 了什么 w eb 服务器并不记录。下面是一些从日志文件 中获取的数据不足或有误导性数据的例子。 ① 谁正在访问网站。 如果想知道谁正在访问网 站, 要求日志文件必须包含一个个人 I D 或者登录到 服务器的登录标示, 但是目前的网站一般不需要用户 登录, 大多情况下由日志文件提供的客户端信息是客 户的 IP 地址, 而这些 IP 地址很多情况下是由 In ternet 提供商提供的动态 IP。并且有时用通过代理服务器来 访问 In ternet ( 例如, 学校的校园网) , 这样就不能正确 得知是哪个用户在访问网站。 ② 用户访问网站的路径。如果日志文件能够记下 用户所浏览的每个页面, 那么自然可以清楚的记录用 户的访问路径, 然而, 当把用户的浏览器设置为可使用 缓存 ( cache ) 时 ( 通常是缺省设置) , 用户所浏览的一些 页面就不能被 w eb 服务器所记录, 例如, 使用 B ack 按 钮浏览的页面就不能被记录。 而且, 如果同一页面中提 供了多个选择可链接到同一个页面的话, 用户到底是 使用哪一个链接过去, 这一信息从 log 文件中也难以 获得, 但是这一信息对改善网站的可用性也是很重要 的。 如果是通过图片链接,w eb 服务器可能会记下用户 单击的坐标位置, 从而可以获得用户的确切信息, 如果 没有使用这种技术的话, 就很难捕获这一信息。 而且, 当用户通过键入 U RL 地址, 或通过书签来访问页面 时, w eb 服务器也不能记录这一信息。 ③ 用户在每页的停留时间。日志文件记录的是数 据开始传输的时间, 而不是传输完成的时间。 而且也不 清楚, 在页面下载的过程中, 用户到底在什么时间开始 浏览页面。 除非在页面显示的时候, 用户因有事离开 了, 不然可以通过比较用户的当前请求和下一次请求 之间的时间来粗略计算用户在此页面停留的大概时间 ( 通过后一次的请求时间减去第一次的请求时间得到, 但对于从 cache 中获取的页面来说就出现很大偏差) 。 ④ 用户离开站点的位置。日志文件记录了在用户 会话期间所发送的最后一页, 但是这可能并不是用户 所看到的最后一页。 其中有两个原因: 第一, 用户所看 到的最后一页可能是从 cache 中得到。第二, 用户可能 已经有事离开了很长时间, 而这段时间已经超过了 w eb 服务器所定义的用户会话时间。 ⑤ 用户是否成功完成自己想要做的事情。这是最
就是通过从 w eb 服务器所产生的日志文件来获取有 用的数据。服务器日志文件就是用来记录 w eb 服务器 的活动, 提供了详细的客户和服务器的交互活动日志, 其中包括客户的请求和服务器的响应。 通过日志文件 收集到的数据形式依赖于具体的 w eb 服务器类型, 不 同的 w eb 服务器产生的信息是不一样的。 1. 1 基于服务器日志方法的优点 通过日志文件可以获得很有价值的网站使用情况 的数据。 ① 日志文件是由 w eb 服务器自动生成, 所以花费 比较小。 ② 与人为建造的可用性实验室环境相比, 通过日 志文件获得的数据更能够反映真实环境下用户的真实 情况。 ③ 与只对几个用户在几小时内进行的测试所获 得的数据相比, 通过日志文件获得的是大量的用户在 相当长一段时间内的行为数据, 这对分析用户的行为 是十分有利的, 可以利用数据挖掘等技术对用户进行 分析。 ④ 开发基于日志文件的数据分析工具相对比较 容易, 花费也不是太大。 1. 2 基于服务器日志方法的缺点 基于日志的方法对于网站的可用性研究来说还存 在着很多不足之处, 由于日志文件就是被设计用来产
根本的可用性问题, 只是通过单独的日志文件统计是 很难回答的, 如果是 “用户是否完成了交易? 用户是否 成功地下载了文件? ” 之类的问题, 答案还是很容易推 断。 然而, 如果要回答 “用户是否找到了所需要的信 息? ” 类似这样的问题, 仅通过日志文件就很难回答了。
1. 3 基于服务器日志文件方法获取数据的辅助工具 C lick T races A na lyzer 是分析网站用户行为的一 套工具 ( 具体参看网站 www. click t rack s . com ) 为进一
・ 2・ ( 总 56) 网站用户行为数据收集和分析方法 2004 年
网站用户行为数据收集和分析方法
M ethods for Collecting and Ana lyz ing U ser Behav ior Da ta on W ebs ite
1 基于服务器日志收集和分析用户行
为数据的方法
目前, 对于网站来说, 自动获得用户行为数据最流 行的方法之一是基于服务器日志的方法 (Server log ) ,
3 2003 08 25 收到, 2003 11 20 改回 3 3 该项目得到欧盟第五框架研发计划和国家中欧科技合作计划 ( IST
王利强 刘正捷 张丽萍 张海昕 陈军亮
( 大连海事大学 大连 116026) ( 欧盟可用性中国中心 大连 116026)
【摘 要】 为改善网站的可用性, 一般采用可用性工程方法, 其核心是以用户为中心的设计方法论 (U CD ) 。综合 介绍了目前国内外对于用户行为数据收集和分析方法所进行的研究, 各种方法的特点, 并介绍一些利用相应方法 所开发出的工具实例, 使得建设的网站更加符合用户的需要, 以保障用户与网站之间沟通的顺畅。 【关键词】 网站可用性, U CD , 数据收集, 用户行为, 辅助工具
这是使用 C lick st ream 收集工具与基于服务器的 日志文件产生的数据比较, 日志文件丢失了很多重要 数据。
・ 4・ ( 总 58) 网站用户行为数据收集和分析方法 2004 年
பைடு நூலகம்
2. 2 客户端收集用户行为数据的缺点
① 虽然从客户端能收集到更多的用户行为数 据, 但是这些数据都是客观的用户浏览行为数据, 只 能从客观的角度去分析用户行为, 对于用户在浏览 网站时的主观行为却有些力不从心, 例如用户的主 观满意度, 用户当时的表情类似这样的数据是无法 获得的, 还需要相应的硬件设备来辅助完成。 ② 由于直接从用户端收集信息, 因此客户端和 服务器端通信时要产生流量, 有可能影响网络的性 能, 影响用户上网速度。 ③ 最主要的是涉及到用户的隐私权, 因此还需 要和被测试的用户达成协议。 2. 3 从客户端收集用户行为数据的辅助工具 C lick st ream 是由 C lick st ream 公司开发的一套 软件, 用来对网站进行度量、 评估。 它使用的是基于客 户端的数据收集技术, 与基于 log 文件的方法相比, 能 够非常精确地收集到客户端的用户行为数据, 而不管客 户是在脱机的状态下还是从缓存中浏览网站。 它还把收 集到的信息进行统计分析, 以各种报表的形式直观化的 表现出来, 可以定性和定量地理解用户的行为。 实现功能如下: ● 详细跟踪用户和网站的交互情况, 不管页面是 否通过缓存 (cached ) ; ●记录每个用户的浏览路径; ● 通过统计大量的用户浏览情况, 可找到使用最 多的路径; ● 通过记录用户对不同的搜索引擎的使用情况, 统计出最好的搜索引擎; ● 通过记录用户搜索的关键字, 统计用户经常使 用的词; ●记录每个用户在网站的连续的停留时间。
随着 In ternet 的不断发展, 各种各样的网站如雨 后春笋般成倍增长, 各个商业网站之间的竞争越来越 激烈, 随之而来的是, 网站的建设不可避免的出现了很 多问题。 从最近一次国外对 15 个大型网站进行统计分 析表明, 用户在寻找自己所需要的信息时, 只有 42% 的概率可以找到, 而在大部分的时间里用户都无法找 到自己所需要的信息, 这使得用户在浏览网站时经常 遭遇挫折, 严重影响了用户对网站的兴趣和信任。 正如 “如果你想通过网站找到某些 J acob N ielsen 所指出的 信息, 那么在一般情况下很难找到, 就算能够找到, 也 要经过一番周折。 从以往的经验可以得知, 除非项目管 理团队在整个网站设计过程中就特别考虑网站的可用 性, 否则结果往往令人失望” 。 针对网站的特点, 目前国内外提出了很多依靠计 算机辅助来自动收集和分析用户行为数据的方法, 本 文以下部分将重点介绍基于服务器日志收集和分析用 户行为数据的方法和从客户端收集和分析用户行为数 据的方法, 并对根据不同的方法所开发出的一些工具 进行了介绍。