一.什么是用户行为分析

用户行为分析，从字面理解，就是对从互联网、移动互联网渠道所产生的用户浏览、点击等一系列线上的行为进行分析。这个业务场景是从互联网企业引入，互联网企业需要从海量的用户中获取其行为数据，进行统计、分析、挖掘，然后作为快速迭代开发的动力。

例如，TOM和Jerry是好朋友(好友关系涉及到社交大数据，以后专门写文章分析)，TOM浏览了手机充值页面和5元看电影页面，Jerry浏览了5元看电影页面。手机充值页面被浏览了12次，5元看电影页面被浏览了8次。可以分析得出手机充值服务更受欢迎。

二.传统企业的用户行为分析

  随着互联网+时代的到来，传统企业纷纷拓展线上渠道，拓展客源。所以，用户行为分析变得越来越流行了。因为这些传统商家需要了解用户在想什么，在干什么，有什么诉求，对什么不满，然后进行调整。

  例如，某银行实施了一个信用卡消费相关的用户行为分析。首先，当用户在某个商圈用信用卡刷卡消费时，交易信息自动存入系统后台数据库。另一方面，当用户线上浏览和点击进行消费时，如使用类似大众点评、美团、支付宝APP，这些线上的用户行为数据同样存入系统数据库。在系统的历史数据库中，对用户进行多维度的统计分析，得出用户的行为偏好，比如喜欢吃烧烤，喜欢旅游，喜欢护肤品。将此标签映射到用户。那么，当用户下次进入该商圈，系统可按兴趣维度排序，将喜欢的商家排在用户手机APP前列。此外，当用户感兴趣的商品出现促销打折，系统也可通过短信、邮件等方式主动推送，达到精准营销。

作为一个科技宅，龙猫君一直孜孜不倦的研究业务，更加孜孜不倦的研究技术来实现业务。那么用户行为分析如何用大数据技术来实现呢？(如果业务人员看到这块头疼了，可以pass)

三.大数据实现用户行为分析

我们就采用最简单的类java语言来描述如何实现用户行为分析，并采用Hadoop中的HDFS分布式框架来实现。包括如下四个步骤。

第一步：建模

两个用户(ID 22和ID 30)浏览某电商网站上的手机充值页面和5元看电影页面。手机充值页面被浏览了12次，5元看电影页面被浏览了8次。ID为30的用户Location在武汉。这是某一具体timestamp下的数据，就像一张截图一样。当然，随着时间的推移，页面的浏览次数会动态变化，ID为30的用户可能Location到别的城市。

第二步：模型对象化

将上图的模型用类java语言描述：

Struct Data

{

Required DataUnitdatanuit;

} 

Data是描述当前模型的基础数据集合,我们叫Dataset。

Union DataUnit

{

PersonProperty person_property;

PagePropertypage_property;

PageViewEdgepageview;

}

    person_property描述用户ID，姓名，位置。page_property描述电商页面URL。Pageview描述用户浏览页面的次数。

第三步：运用HDFS框架存储上述数据集

HDFS是大数据技术框架Hadoop下的分布式文件系统。用来快速存储、查询、处理数据。HDFS中用的较多的组件包括Namenode,Datanode,Yarn,Hbase,Mahout。在本例中，我们只需要用到Namenode,Datanode。一般是一个Namenode对应多个Datanode。将一个文件分成若干数据块，分别存储到不同的Datanode。Namenode保存这些数据块的元数据并管理Datanode，并通过一些列安全机制确保数据存储和处理的稳定性和可靠性。

DataUnit每个属性值天然的分割了DataUnit这个数据集。每个属性值对应到/data/目录下不同的子目录中。/data/目录保存在Datanode节点中，将属性值分别存到不同的目录下后(以数据块的形式，当然数据块分散存储到不同的Datanode)，这些数据块的元数据保存在Namenode节点下。

第四步：HDFS上的数据处理

经过前面三个步骤，我们就把原始数据保存到HDFS中。当业务人员想要分析过去某个时间段某个人浏览页面的次数，从而分析用户行为时，可以调用经过批量预处理的分析模型。模型会将主要的数据分析场景涵盖到。然而，不是全部分析场景。当这种情况出现时，我们要用原始数据进行直接查询，分析出结果。如下：

Function pageviewOverTime(DataUnit,url,starttime,endtime)

{

pageviews = 0;

for(record I in DataUnit)

{

If(record.url==url && record.time>= starttime && record.time<=endtime)

Pageviews++;

}

Return pageviews;

}

至此，就通过大数据技术实现了用户行为分析。用户行为分析在互联网日常运营中起到非常大的作用，可以帮助运营人员更好的了解互联网上发生了什么，还需要做什么来改进。帮助需求分析人员制定更加符合用户需求的迭代。