用户行为数据可视化——行为序列图

引子:

作为一名网站的用户研究工作人员,我曾经碰到过以下问题:

  • 深知服务器日志是一座金矿,但不知道该从哪里开始分析?
  • 辛辛苦苦盯着电脑一天,看了1000+条日志,越看越晕,看不出规律,找不到方向…
  • 在众多日志中,发现了一个异常动作,可是,这只是一个用户不小心点错了呢?还是由于设计导致的大量误操作呢?
  • 。。。。。。

经过一段时间的探索,发现将日志可视化,制作行为序列图,是一个非常直观有效的梳理思路&发现问题的方法,在此分享给大家~

二.什么是用户行为序列?行为序列图长啥样?

1.用户行为序列:

也可以叫做“基于时间序列的用户行为”,是某一时间段内,按照时间先后顺序记录的人从事某种活动的每一步行为。

在网站,一段时间内,一个用户从进入网站到离开网站过程中的每一步行为的记录,被我们记做一条用户行为序列。

如下图,就是一条用户行为序列。

这条用户行为包含12个步长,依次进行了搜索、添词、预估等动作。

2.了解了用户行为序列,我们再来看一下行为序列图长啥样子?

刚才的那条共计12步的用户行为序列,转化为行为序列图,就是这个样子滴↓

(*其中,对每个动作都进行了数字编码&颜色标记,如:动作“search”被编码为“16”,并标记为“透明度为20%的红色”。具体操作方法请参考文章第四部分。)

是不是瞬间变得非常简单直观~

如果有100条用户行为序列,那么这幅行为序列图是这个样子的↓,大数据尽收眼底,就是这种赶脚哦~

三.那么问题来了,用户行为序列图有啥用呢?

直观~直观~还是直观

如果非要说出来的话,我总结了一下,对我们研究日志有如下帮助:

1.宏观全览大数据

2.根据需求灵活标注,便于观察规律

3.定位问题,通过颜色区分,一目了然

4.与统计数据结合,解释问题有数有据

5.大家都能看的懂

。。。(暂时想不出来了,欢迎补充)

四.下面我将详细说明一下如何一步一步将基于时间序列的用户行为可视化

第一步:获取数据

数据来源:通过数据后台,或请程序猿大哥帮忙跑出的日志,格式不限。

比如,它可以是这个样子的:

第二步:清洗&整理数据

1.清洗数据:

在数据提取阶段,偶尔会出现空白值的情况,建议把包含空白值的用户剔除掉,以免干扰以后的数据分析。

2.整理数据:

拿到的数据格式各异,需要进行整理才能符合我们做可视化的格式。我们需要将数据整理成这样的格式。

在EXCEL中,对动作进行数字编码,并使用数据透视表,将数据进行整理后变成如下形式:

OK,数据已经整理成了我们想要的形式。

第三步:对不同动作进行颜色标记,以便通过色彩直观的了解用户行为规律和特点。

动作标记,需要根据需求再进行。对于特别关注的动作可以进行重点标记。如没有思路,希望通过看图找出一些规律,可以常识根据不同动作类型标颜色,如点击、翻页、输入等;也可以根据不同页面进行标记,如首页动作、结果列表页动作、详情页动作等,也可以根据功能模块进行标记,如查找功能,查看功能等。

*对于相似动作或者某一类型动作,可以使用同一色系的渐变色标注,这样可以使非常多的动作类型看起来更简洁,也更便于观察分析。

在excel中可以用“条件格式”进行标记,如下图:

接下来,就是对这些行为按照不同维度进行标记&排序。你会发现一些规律、一些异常慢慢开始浮现~

五.以下是两个初步尝试的案例,供大家参考~

案例1:用户步长的直观分析

• 项目背景:

新产品上线,用户平均步长数是:11步,各模块点击率也OK,但从客户那里得到的反馈褒贬不一。PM希望了解一下问题出在哪里?

• 研究方法:

通过日志,对线上用户实际操作行为进行分析,绘制了用户行为序列图。

• 发现问题:

仅执行第一个关键动作就离开的用户占到将近一半!人们在反复尝试后,都不满意!所以,结果并不像平均步长等于11,那么令人欣慰!

案例2:用户页面切换的真实情况

• 项目背景:

拿到一批用户的行为日志,希望可以从中探究一些规律,同时发现现有流程中的问题

• 研究方法:

以页面为维度,对动作进行标记,绘制用户行为序列图。

• 发现问题:

挑选商品页的动作数(标记为绿色)少于预估&删除商品页的动作数(标记为黄色)。但我们希望用户精挑细选,然后快速决策,可见用户并不是按照我们的预期使用产品,里面肯定有一些体验问题,值得我们深入分析。

来源:36大数据

原文发布于微信公众号 - PPV课数据科学社区(ppvke123)

原文发表时间:2016-05-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏CDA数据分析师

这4件事带你走出深陷的数据分析迷宫

通过真实世界中的实例,我们将共同通过种种错误的数据分析方式总结出正确的技巧与诀窍。 相信每位朋友都遇到过这样的情况:将来自各类渠道的数据收集起来,通过A/B测试...

21860
来自专栏大数据杂谈

Python爬取自己微信好友信息,并制作好友签名词云

本文参考教程来自微信公众号【Alfred在纽西兰】,文章如下: 《一件有趣的事: 爬了爬自己的微信朋友》 根据原作者的思路以及代码,爬取自己的微信好友信息并制...

34850
来自专栏章鱼的慢慢技术路

What exactly can you do with Python? Here are Python’s 3 main applications._你能用Python做什么?下面是Python的3

网站框架将帮助你创建基于Python的服务器端代码(后端代码),这些代码将在你的服务器上运行,与用户的设备和浏览器截然相反(前端代码)。像Django和Flas...

12710
来自专栏后端技术探索

Uber工程技术栈(三):看曾经的独角兽背后用了哪些技术

Argos是我们的内部异常检测工具,负责分析进来的度量指标,并基于历史数据,将它们与预测模型进行比对,从而确定当前数据是不是在预期范围内。

9120
来自专栏镁客网

AI算法入驻Google搜索引擎,词条再冷也可手到擒来!

23340
来自专栏人工智能头条

Python & 机器学习项目集锦 | GitHub Top 45

35340
来自专栏CSDN技术头条

Appboy基于MongoDB的数据密集型实践

【编者按】本文摘录自Appboy联合创始人兼CIO Jon Hyman在MongoDB World 2015上的演讲。Appboy正在过手机等新兴渠道尝试一种新...

21470
来自专栏韩伟的专栏

在游戏上使用面向目标行为规划系统

本文为本人的翻译文章,原文《Applying Goal-Oriented Planning for Games 》连接为: http://alumni.me...

35470
来自专栏吉浦迅科技

推荐5种让数据库快的飞起的GPU加速产品

GPU承诺会彻底改变大数据分析领域,从当前来看,这并不是虚言,当我们数据量达到一定级别的时候,我们一定会转向使用GPU。大多数的数学密集型应用都包含机器学习框架...

52690
来自专栏程序员的知识天地

Python那么火,到底能用来做什么?

像Django和Flask这样基于Python的Web框架最近在web开发中变得非常流行。

12210

扫码关注云+社区

领取腾讯云代金券