摘? 要;生活在快節(jié)奏社會(huì)的人們，無(wú)論是吃飯、出行等日常生活行為，還是一些學(xué)習(xí)行為，都在潛移默化中受到社會(huì)發(fā)展的影響，追求高效。而隨著互聯(lián)網(wǎng)和智能設(shè)備的普及，電子商務(wù)成為了人們購(gòu)物的不二之選，但也因?yàn)榛ヂ?lián)網(wǎng)信息的海量化、便捷化，各個(gè)電子商戶之間的競(jìng)爭(zhēng)日趨白熱化。一些商戶把握當(dāng)今社會(huì)人們追求個(gè)性化發(fā)展的特點(diǎn)，衍生出個(gè)性化推薦，希望通過(guò)分析用戶行為數(shù)據(jù)，精準(zhǔn)把控用戶喜好，進(jìn)行個(gè)性化推薦，提高顧客的忠誠(chéng)度和購(gòu)物體驗(yàn)。本文以用戶行為數(shù)據(jù)分析為切入點(diǎn)，在此基礎(chǔ)上探究個(gè)性化推薦，提出見(jiàn)解，希望可以為我國(guó)電子商務(wù)行業(yè)的發(fā)展提供一些參考意見(jiàn)。

關(guān)鍵詞： 個(gè)性化推薦;用戶行為;電子商務(wù)網(wǎng)站;信息管理

一、用戶行為數(shù)據(jù)

電子商務(wù)網(wǎng)站的用戶行為數(shù)據(jù)對(duì)網(wǎng)站運(yùn)營(yíng)的影響可謂無(wú)處不在，小到和網(wǎng)站的產(chǎn)品更新、推薦方式、服務(wù)推薦等日常行為息息相關(guān)，大到對(duì)網(wǎng)站的日常運(yùn)營(yíng)、產(chǎn)品的迭代更新、部門之間的協(xié)作配合都有指導(dǎo)引領(lǐng)作用，因此用戶行為數(shù)據(jù)分析對(duì)于電子商務(wù)企業(yè)的經(jīng)營(yíng)發(fā)展至關(guān)重要。而對(duì)用戶行為數(shù)據(jù)的考察分析主要包括以下3部分內(nèi)容：首先是用戶的訪問(wèn)渠道、渠道的流量監(jiān)控以及最終的用戶轉(zhuǎn)化率;其次是對(duì)用戶的瀏覽流程進(jìn)行監(jiān)控，包括瀏覽足跡、時(shí)長(zhǎng)、路徑、深度等;最后是綜合分析頁(yè)面的跳失率、轉(zhuǎn)化率和用戶活躍量、黏性等數(shù)據(jù)，探究用戶留下來(lái)或者流失的可能原因。因此，用戶行為數(shù)據(jù)分析已經(jīng)成為各個(gè)電商網(wǎng)站研究的重要課題。

二、點(diǎn)擊流數(shù)據(jù)對(duì)于分析用戶行為的必要性

電子商務(wù)的成功和大量的用戶行為數(shù)據(jù)分析密不可分。目前大多數(shù)電子商戶在尋找目標(biāo)客戶時(shí)，通常都會(huì)對(duì)用戶的購(gòu)買信息、評(píng)級(jí)信息以及用戶進(jìn)入電商網(wǎng)站的方式例如鏈接、關(guān)鍵詞搜索等進(jìn)行分析鎖定。但是，這種數(shù)據(jù)分析模式下的結(jié)果存在一定的局限性，對(duì)用戶需求的預(yù)測(cè)和挖掘能力很弱。一個(gè)公司的未來(lái)發(fā)展趨勢(shì)和領(lǐng)導(dǎo)者的決策息息相關(guān)，不準(zhǔn)確的預(yù)測(cè)數(shù)據(jù)是無(wú)法為企業(yè)的順利發(fā)展提供可靠保證的，在這個(gè)時(shí)候，點(diǎn)擊流數(shù)據(jù)的出現(xiàn)彌補(bǔ)了這一空白。點(diǎn)擊流，顧名思義就是客戶在訪問(wèn)電商網(wǎng)站時(shí)每一次點(diǎn)擊都會(huì)被企業(yè)網(wǎng)站日志記錄在案，從而形成點(diǎn)擊流數(shù)據(jù)。而點(diǎn)擊流數(shù)據(jù)按照數(shù)據(jù)來(lái)源可以具體分為以下幾種：

（一）問(wèn)卷調(diào)查

雷玲等人通過(guò)將產(chǎn)品策略、網(wǎng)站策略、促銷策略設(shè)置為自變量，將情感反應(yīng)作為因變量，來(lái)探究用戶沖動(dòng)行為的購(gòu)買機(jī)制，在研究中他們發(fā)現(xiàn)產(chǎn)品策略、網(wǎng)站策略和促銷策略對(duì)用戶的情感反應(yīng)有顯著影響，其中以促銷策略為主，產(chǎn)品策略、網(wǎng)站策略次之。

（二）網(wǎng)頁(yè)瀏覽日志

付關(guān)友等人以心理學(xué)為切入點(diǎn)，靈活運(yùn)用內(nèi)驅(qū)力理論對(duì)web用戶的瀏覽行為以及是否對(duì)網(wǎng)頁(yè)感興趣之間的聯(lián)系進(jìn)行了深刻的探討，最終得出當(dāng)瀏覽網(wǎng)頁(yè)的頁(yè)數(shù)增加時(shí)，用戶的興趣也相應(yīng)有所提升。

對(duì)用戶行為展開(kāi)數(shù)據(jù)分析，可以通過(guò)以上提到的問(wèn)卷調(diào)查、網(wǎng)頁(yè)瀏覽日志、實(shí)驗(yàn)室實(shí)驗(yàn)等途徑獲取需要的精確數(shù)據(jù)，繼而利用不同的模型方法對(duì)其進(jìn)行分析，得到定量或定性的用戶分析結(jié)果。

三、以用戶行為數(shù)據(jù)分析為導(dǎo)向的電子商務(wù)個(gè)性化推薦

互聯(lián)網(wǎng)的快速發(fā)展為電子商務(wù)公司采集用戶信息提供了便利的環(huán)境，電子商務(wù)公司在采集完用戶信息數(shù)據(jù)時(shí)通過(guò)管理個(gè)性化用戶網(wǎng)絡(luò)體驗(yàn)，并且同步保留客戶的通信，進(jìn)行有效分析，將其結(jié)果轉(zhuǎn)換為高質(zhì)量的產(chǎn)品和服務(wù)反饋于用戶，為客戶提供更加優(yōu)質(zhì)的網(wǎng)絡(luò)購(gòu)物服務(wù)，形成良性循環(huán)。在這個(gè)信息大爆炸的時(shí)代，互聯(lián)網(wǎng)每分每秒都在輸出大量的新信息，信息嚴(yán)重超載，導(dǎo)致電子商戶和用戶都很難在海量的信息中快速找到自己需要的信息。

推薦系統(tǒng)的誕生就是對(duì)該問(wèn)題的有力響應(yīng)，推薦系統(tǒng)采用應(yīng)用信息，在信息數(shù)據(jù)分析的基礎(chǔ)上加上信息過(guò)濾技術(shù)，有效減少無(wú)關(guān)項(xiàng)，縮小選擇范圍，使客戶可以在最短的時(shí)間內(nèi)獲取到其想要購(gòu)買的商品的全部信息，或者使商戶可以快速發(fā)掘潛在客戶，提供針對(duì)性服務(wù)，提高工作效率，節(jié)省時(shí)間和成本。目前，推薦系統(tǒng)已被多個(gè)平臺(tái)引進(jìn)運(yùn)用。許多電子商務(wù)公司立足于推薦系統(tǒng)，結(jié)合目前的個(gè)性化發(fā)展，形成個(gè)性化推薦營(yíng)銷戰(zhàn)略，在摸清掌握用戶的購(gòu)物喜好的同時(shí)為用戶實(shí)時(shí)推薦其可能感興趣的商品，提高購(gòu)買率。推薦系統(tǒng)的數(shù)據(jù)分析技術(shù)主要采用內(nèi)容過(guò)濾和協(xié)同過(guò)濾，內(nèi)容過(guò)濾就是指提供和用戶歷史購(gòu)買記錄相似的內(nèi)容，而協(xié)同過(guò)濾就是識(shí)別和用戶喜好相同的客戶，提供其感興趣的商品。

四、優(yōu)化電子商務(wù)營(yíng)銷方案的有效措施

電子商務(wù)企業(yè)主要是通過(guò)高效率收集用戶行為數(shù)據(jù)并進(jìn)行具體分析，從而發(fā)掘用戶的潛在需求和行為模式，以此為基礎(chǔ)優(yōu)化營(yíng)銷方案，提高經(jīng)濟(jì)利益，同時(shí)也為用戶提供更加貼心的服務(wù)。

（一）完善購(gòu)物流程，提高轉(zhuǎn)化率

網(wǎng)站可以通過(guò)剖析用戶的整體行為路徑，發(fā)掘不同環(huán)節(jié)行為之間的聯(lián)系，從而尋找規(guī)律，確定對(duì)轉(zhuǎn)化率有影響的因素，以此為依據(jù)靈活調(diào)整經(jīng)營(yíng)戰(zhàn)略，對(duì)于優(yōu)勢(shì)環(huán)節(jié)加大投入，劣勢(shì)環(huán)節(jié)則減少，確保使網(wǎng)站的資源可以發(fā)揮出最大價(jià)值，獲得最大效益。

借助漏斗分析可以直觀地分析出用戶行為路徑每一個(gè)環(huán)節(jié)的轉(zhuǎn)化和流失，對(duì)于流失嚴(yán)重的環(huán)節(jié)，還可以進(jìn)一步細(xì)化進(jìn)行多角度分析，發(fā)現(xiàn)漏點(diǎn)，進(jìn)行針對(duì)性完善。首先是定義轉(zhuǎn)化漏斗，找到需要分析的流程，量化其流程數(shù)據(jù)，將購(gòu)物和回購(gòu)行為抽象成漏斗，解構(gòu)整個(gè)環(huán)節(jié)。其次是進(jìn)行漏斗對(duì)比分析，謹(jǐn)慎查看用戶行為在每一個(gè)漏斗的變化，對(duì)比分析用戶特性、時(shí)間粒度等特征，抽絲剝繭，得出漏點(diǎn)事件，集中解決漏點(diǎn)問(wèn)題。

（二）完善網(wǎng)頁(yè)結(jié)構(gòu)設(shè)計(jì)，準(zhǔn)確迎合用戶需求

商家可以根據(jù)網(wǎng)頁(yè)熱力圖直觀發(fā)現(xiàn)用戶喜愛(ài)的板塊和內(nèi)容，優(yōu)化網(wǎng)頁(yè)結(jié)構(gòu)，這也是數(shù)據(jù)價(jià)值最上層的表現(xiàn)，而最大字的點(diǎn)擊熱度比圖片大，那么圖片模塊屬于下層表現(xiàn)。如果網(wǎng)站一味注重圖片的堆砌，就會(huì)影響網(wǎng)頁(yè)排版體驗(yàn)。因此在設(shè)計(jì)網(wǎng)頁(yè)結(jié)構(gòu)時(shí)，商家應(yīng)結(jié)合用戶行為分析結(jié)果，將具有價(jià)值的上層表現(xiàn)置于最突出的地方，使用戶可以一眼發(fā)現(xiàn)、一目了然。在實(shí)際操作的過(guò)程中，可以借助點(diǎn)擊模型分析法將網(wǎng)頁(yè)劃分為不同的模塊，構(gòu)建一個(gè)平面圖。而網(wǎng)頁(yè)頁(yè)面點(diǎn)擊分析支持事件篩選屬性、用戶屬性的任意維度，當(dāng)頁(yè)面組內(nèi)跳轉(zhuǎn)時(shí)將會(huì)延續(xù)上一頁(yè)面的選擇。點(diǎn)擊分析和其他分析方法強(qiáng)強(qiáng)聯(lián)合，共同探討用戶與網(wǎng)站交互之間的聯(lián)系，有助于網(wǎng)站精準(zhǔn)獲悉用戶需求，提供針對(duì)性服務(wù)。

（三）升級(jí)個(gè)性化體驗(yàn)，提高用戶黏性

在進(jìn)行網(wǎng)絡(luò)購(gòu)物時(shí)，不同的人因?yàn)榻逃尘啊⑸盍?xí)慣、地域差異等，所以購(gòu)物需求和喜好也有所出入，蘿卜青菜各有所愛(ài)，適合自己的才是最好的。因此，商家如果想將用戶長(zhǎng)久地留下來(lái)，就要切實(shí)根據(jù)每一個(gè)用戶的點(diǎn)擊分析結(jié)果挖掘用戶的喜好，從而量身定制推薦方案，確保用戶在每一次瀏覽時(shí)都可以發(fā)現(xiàn)自己感興趣的內(nèi)容，獲得良好的體驗(yàn)。如果商家的轉(zhuǎn)化成本較低，產(chǎn)品替代性較高，那么用戶黏性也會(huì)較低。想要提高用戶黏性，商家就需要不斷打磨自己的產(chǎn)品，將其變得獨(dú)一無(wú)二，而且通過(guò)服務(wù)理念和品牌價(jià)值使用戶對(duì)其產(chǎn)生依賴感也可以提高用戶黏性。

（四）采集優(yōu)質(zhì)用戶畫像，進(jìn)行定向推送

商戶想要提高自己的競(jìng)爭(zhēng)核心力，就要不斷提升自己的服務(wù)品質(zhì)，可以通過(guò)預(yù)估用戶心理，結(jié)合用戶的消費(fèi)水平、喜好，推送給用戶最有針對(duì)性和最有用的內(nèi)容，使用戶覺(jué)得是有效的，而不使用戶覺(jué)得厭煩。首先是建立用戶信息畫像，獲取用戶收入、職業(yè)、資產(chǎn)等一系列基礎(chǔ)信息，補(bǔ)充靜態(tài)數(shù)據(jù)，建立畫像原型，然后收集用戶的瀏覽習(xí)慣、使用頻次消費(fèi)記錄等動(dòng)態(tài)數(shù)據(jù)，動(dòng)靜結(jié)合。其次是繪制行為畫像，明確用戶需求，杜絕重復(fù)推送和無(wú)效推送。最后是選擇最優(yōu)時(shí)間進(jìn)行推送，在推送奢侈品、消費(fèi)品時(shí)要考慮用戶是否購(gòu)買完下一次可能就不需要了，這只是一次性消費(fèi)，應(yīng)減少推送頻率;而針對(duì)必需品，則可以根據(jù)用戶購(gòu)買時(shí)間推斷下一次購(gòu)買時(shí)間進(jìn)行推送，而不是無(wú)時(shí)無(wú)刻推送，避免使用戶產(chǎn)生厭煩心理。不斷完善用戶畫像，提供貼心服務(wù)。

（作者單位為遼寧工業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院）

[作者簡(jiǎn)介：劉維軍（1974—），男，遼寧撫順人，研究生，碩士，講師，研究方向：電子商務(wù)，信息管理。]

參考文獻(xiàn)

[1] 謝軍，吳靜，高海霞.電子商務(wù)網(wǎng)站用戶行為分析與網(wǎng)絡(luò)營(yíng)銷優(yōu)化措施[J].電腦知識(shí)與技術(shù)，2020（04）.

[2] 張莉.基于“用戶畫像”的精準(zhǔn)營(yíng)銷策略研究[J].現(xiàn)代營(yíng)銷（下），2020（03）.

[3] 侯治平.用戶行為模式下電子商務(wù)網(wǎng)站個(gè)性化推薦研究[J].電腦與信息技術(shù)，2011（08）.