手機(jī)上的大數(shù)據(jù)用戶行為模式的挖掘和利用

通過手機(jī)閱讀、手機(jī)音樂上的用戶行為，我們可以看到手機(jī)大數(shù)據(jù)在移動(dòng)互聯(lián)網(wǎng)應(yīng)用上的威力，但同時(shí)，手機(jī)上的大數(shù)據(jù)也不是萬能的，它的發(fā)展還面臨著很多實(shí)際的問題和挑戰(zhàn)。數(shù)據(jù)的稀疏性智能手機(jī)端的App應(yīng)用數(shù)以十萬計(jì)，但是每個(gè)應(yīng)用中兩個(gè)用戶之間選擇的重疊非常少，如果用用戶和商品之間已有的選擇關(guān)系占所有可能存在的選擇關(guān)系的比例來衡量系統(tǒng)的稀疏性，在我們研究的幾個(gè)App數(shù)據(jù)中，稀疏度均不超過4%，其實(shí)這些其實(shí)都是非常密的數(shù)據(jù)。想想一個(gè)具有千萬級用戶，百萬級歌手的App，平均而言一個(gè)用戶能聽100首歌嗎，估計(jì)不能，所以稀疏度應(yīng)該在萬分之一或以下的量級。這個(gè)問題本質(zhì)上是無法完全克服的，但是有很多辦法，可以在相當(dāng)程度上緩解這個(gè)問題。比如擴(kuò)散方法、隨機(jī)缺省值方法、隨機(jī)選擇等冷啟動(dòng)問題在我們前面討論的音樂APP中，我們發(fā)現(xiàn)歌曲的覆蓋只有2%左右，這個(gè)是由于大量歌曲出于冷啟動(dòng)狀態(tài)造成的。這是因?yàn)樾律唐酚捎诒贿x擇次數(shù)很少或沒有，難以找到合適的辦法推薦給用戶結(jié)論。最近一個(gè)有趣的研究顯示，新用戶更容易選擇特別流行的商品—這無論如何是一個(gè)好消息，說明使用熱歌榜也能獲得不錯(cuò)的結(jié)果。大數(shù)據(jù)處理與增量計(jì)算問題盡管數(shù)據(jù)很稀疏，大部分?jǐn)?shù)據(jù)都包含百千萬計(jì)的用戶，與此同時(shí)新用戶不停進(jìn)入系統(tǒng)。數(shù)據(jù)量不僅大，而且數(shù)據(jù)本身還時(shí)時(shí)動(dòng)態(tài)變化，如何快速高效處理這些數(shù)據(jù)成為迫在眉睫的問題。在這個(gè)大前提下，算法時(shí)間和空間的復(fù)雜性，尤其是前者，獲得了空前重視。一般而言，一個(gè)高效的算法，要么自身復(fù)雜性很低，要么能夠很好并行化，要么兩者兼具。隨著加入的信息量的增多，最終每過一段時(shí)間還是需要利用全局?jǐn)?shù)據(jù)重新進(jìn)行計(jì)算。更先進(jìn)但也更苦難的辦法，是設(shè)計(jì)出一種算法，能夠保證其誤差不會(huì)累積，也就是說其結(jié)果與利用全部數(shù)據(jù)重新計(jì)算的結(jié)果之間的差異不會(huì)單調(diào)上升。用戶行為模式的挖掘和利用深入挖掘用戶的行為模式能更準(zhǔn)確的抓住用戶喜好，從而有希望做出更好的用戶體驗(yàn)。譬如說在音樂APP中，新用戶和老用戶具有很不一樣的選擇模式：一般而言，新用戶傾向于選擇熱門的歌曲，而老用戶對歌曲的多樣性關(guān)注更多。用戶行為的時(shí)空統(tǒng)計(jì)特性也可以用于提高者設(shè)計(jì)針對特定場景的應(yīng)用。舉個(gè)例子，在進(jìn)行手機(jī)個(gè)性化閱讀推薦的時(shí)候，如果曾經(jīng)的數(shù)據(jù)顯示某個(gè)用戶只在7點(diǎn)到8點(diǎn)之間有一個(gè)小時(shí)左右的手機(jī)閱讀行為(可能是上班時(shí)在地鐵或者公交車上)，那么9點(diǎn)鐘發(fā)送一個(gè)電子書閱讀的短信廣告就是很不明智的選擇。從含時(shí)數(shù)據(jù)中還可以分析出影響用戶選擇的長期和短期的興趣，通過將這兩種效應(yīng)分離出來，可以明顯提高推薦的精確度。多維數(shù)據(jù)的交叉利用目前手機(jī)端的APP還出于孤立的狀態(tài)，并沒有真正的完成數(shù)據(jù)打通及數(shù)據(jù)共享的地步。想象如果能夠把這些數(shù)據(jù)整合起來，特別是知道每個(gè)節(jié)點(diǎn)身份的對應(yīng)關(guān)系(不需要知道你真實(shí)身份，只需要知道不同APP中存在的若干節(jié)點(diǎn)是同一個(gè)人)，可以帶來的巨大的社會(huì)經(jīng)濟(jì)價(jià)值。舉個(gè)例子，你可能已經(jīng)在新浪微博上關(guān)注了很多數(shù)據(jù)挖掘達(dá)人的微博，并且分享了很多算法學(xué)習(xí)的心得和問題，當(dāng)你第一次上當(dāng)當(dāng)網(wǎng)購書的時(shí)候，如果主頁向你推薦數(shù)據(jù)挖掘的最新專著并附有折扣，你會(huì)心動(dòng)嗎？所以多維數(shù)據(jù)挖掘是真正有望解決系統(tǒng)內(nèi)部冷啟動(dòng)問題的法寶——只要用戶在系統(tǒng)外部的其他系統(tǒng)有過活動(dòng)。目前有很多技術(shù)方法可以實(shí)現(xiàn)這種多維數(shù)據(jù)挖掘，比如統(tǒng)計(jì)物理學(xué)的物質(zhì)擴(kuò)散、熱傳導(dǎo)方法，機(jī)器學(xué)習(xí)的遷移學(xué)習(xí)方法都有望解決這種多維數(shù)據(jù)挖掘。結(jié)論與展望由于移動(dòng)互聯(lián)網(wǎng)的迅速崛起，讓互聯(lián)網(wǎng)大數(shù)據(jù)變得更為多樣、豐富。它不但可以作為互聯(lián)網(wǎng)大數(shù)據(jù)的一個(gè)有益補(bǔ)充，而且還可以作為移動(dòng)互聯(lián)網(wǎng)新業(yè)務(wù)本身的行動(dòng)指導(dǎo)。在市場營銷領(lǐng)域，數(shù)據(jù)可以用來洞察客戶，例如衡量他們的生命周期價(jià)值或者預(yù)測可能的購買行為。對于整個(gè)企業(yè)而言，利用數(shù)據(jù)進(jìn)行分析和應(yīng)對的能力，對于進(jìn)行正確的決策并最終取得更好的業(yè)績是至關(guān)重要的。真正實(shí)現(xiàn)“精準(zhǔn)營銷”需要底層海量的用戶行為數(shù)據(jù)做支撐，網(wǎng)絡(luò)營銷追求的都不應(yīng)是曝光率，而是用戶轉(zhuǎn)化率。而對用戶轉(zhuǎn)化過程進(jìn)行有效的數(shù)據(jù)分析，可實(shí)現(xiàn)效果的優(yōu)化。效果可從三個(gè)層面分解：目標(biāo)是否清晰、向過程要效果，最終目標(biāo)達(dá)成率就是效果。利用數(shù)據(jù)工具控制和優(yōu)化營銷過程，可不斷提升ROI效率。這需要具體了解客戶的業(yè)務(wù)發(fā)展目標(biāo)和推廣需求，可以考慮借助專業(yè)的第三方服務(wù)公司作有關(guān)于網(wǎng)絡(luò)營銷策略的效果評估。以制定出或調(diào)整有關(guān)于網(wǎng)絡(luò)營銷策略。一般來說，對于不同的營銷平臺會(huì)有不同的廣告形式投放，從而產(chǎn)生的效果也多種多樣，各家說各家的好。網(wǎng)絡(luò)營銷中，品牌認(rèn)知、提升偏好、主動(dòng)尋找、購買轉(zhuǎn)化、分享/再購各階段，分別對