本發(fā)明涉及網(wǎng)站優(yōu)化技術(shù)領(lǐng)域，更具體地說(shuō)，涉及一種基于用戶行為分析的網(wǎng)站優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

目前，隨著社會(huì)的發(fā)展，互聯(lián)網(wǎng)的應(yīng)用越來(lái)越廣泛，而用戶接觸互聯(lián)網(wǎng)的主要方式還是通過(guò)網(wǎng)站，如果網(wǎng)站的設(shè)計(jì)越符合用戶的使用習(xí)慣，則相應(yīng)的使用該網(wǎng)站上網(wǎng)的用戶就會(huì)越多，因此，網(wǎng)站優(yōu)化的合理與否就決定了用戶使用率。

因此，如何優(yōu)化網(wǎng)站，為用戶帶來(lái)更好的體驗(yàn)是本領(lǐng)域技術(shù)人員需要解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種基于用戶行為分析的網(wǎng)站優(yōu)化方法及系統(tǒng)，以實(shí)現(xiàn)對(duì)網(wǎng)站的優(yōu)化。

為實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例提供了如下技術(shù)方案：

一種基于用戶行為分析的網(wǎng)站優(yōu)化方法，包括：

從電商服務(wù)器收集用戶行為數(shù)據(jù)；

將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；

通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；

通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站。

其中，所述通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)包括：

通過(guò)所述用戶行為分析模型從所述用戶行為數(shù)據(jù)中剝離出各用戶的行為共性，生成有規(guī)律的行為共性數(shù)據(jù)。

其中，所述通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，包括：

通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶訪問(wèn)頁(yè)面的瀏覽模式數(shù)據(jù)，并根據(jù)所述瀏覽模式數(shù)據(jù)分析數(shù)據(jù)規(guī)律，生成行為共性數(shù)據(jù)。

其中，根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站，包括：

分析所述行為共性數(shù)據(jù)，生成對(duì)網(wǎng)站的性能和組織結(jié)構(gòu)的改進(jìn)信息，并通過(guò)所述改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

其中，根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站，包括：

分析所述行為共性數(shù)據(jù)，生成個(gè)性化改進(jìn)信息，并根據(jù)所述個(gè)性化改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

一種基于用戶行為分析的網(wǎng)站優(yōu)化系統(tǒng)，包括：

數(shù)據(jù)獲取模塊，用于從電商服務(wù)器收集用戶行為數(shù)據(jù)；

存儲(chǔ)模塊，用于將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；

模型建立模塊，用于通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；

優(yōu)化模塊，用于通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站。

其中，所述優(yōu)化模塊通過(guò)所述用戶行為分析模型從所述用戶行為數(shù)據(jù)中剝離出各用戶的行為共性，生成有規(guī)律的行為共性數(shù)據(jù)。

其中，所述優(yōu)化模塊通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶訪問(wèn)頁(yè)面的瀏覽模式數(shù)據(jù)，并根據(jù)所述瀏覽模式數(shù)據(jù)分析數(shù)據(jù)規(guī)律，生成行為共性數(shù)據(jù)。

其中，所述優(yōu)化模塊包括：

第一優(yōu)化單元，用于分析所述行為共性數(shù)據(jù)，生成對(duì)網(wǎng)站的性能和組織結(jié)構(gòu)的改進(jìn)信息，并通過(guò)所述改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

其中，所述優(yōu)化模塊包括：

第二優(yōu)化單元，用于分析所述行為共性數(shù)據(jù)，生成個(gè)性化改進(jìn)信息，并根據(jù)所述個(gè)性化改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

通過(guò)以上方案可知，本發(fā)明實(shí)施例提供的一種基于用戶行為分析的網(wǎng)站優(yōu)化方法及系統(tǒng)，包括：從電商服務(wù)器收集用戶行為數(shù)據(jù)；將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站；可見(jiàn)，在本實(shí)施例中，以分布式為基礎(chǔ)存儲(chǔ)和計(jì)算框架，基于用戶行為挖掘分析平臺(tái)，分析用戶行為，從數(shù)據(jù)分析中得到用戶偏好、網(wǎng)站優(yōu)化規(guī)律和模式，以改善用戶體驗(yàn)為基礎(chǔ)，使網(wǎng)站優(yōu)化真正做到取之于用戶而又用之于用戶。

附圖說(shuō)明

為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開(kāi)的一種基于用戶行為分析的網(wǎng)站優(yōu)化方法流程示意圖；

圖2為本發(fā)明實(shí)施例公開(kāi)的網(wǎng)站優(yōu)化流程圖；

圖3為本發(fā)明實(shí)施例公開(kāi)的一種基于用戶行為分析的網(wǎng)站優(yōu)化系統(tǒng)結(jié)構(gòu)框圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明實(shí)施例公開(kāi)了一種基于用戶行為分析的網(wǎng)站優(yōu)化方法及系統(tǒng)，以實(shí)現(xiàn)對(duì)網(wǎng)站的優(yōu)化。

參見(jiàn)圖1，本發(fā)明實(shí)施例提供的一種基于用戶行為分析的網(wǎng)站優(yōu)化方法，包括：

S101、從電商服務(wù)器收集用戶行為數(shù)據(jù)；

S102、將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；

具體的，在本實(shí)施例中，HDFS文件系統(tǒng)存儲(chǔ)結(jié)構(gòu)，基于海量數(shù)據(jù)以及高度容錯(cuò)性的結(jié)構(gòu)特點(diǎn)，提供了高吞吐量的數(shù)據(jù)訪問(wèn)及容錯(cuò)性的數(shù)據(jù)存儲(chǔ)功能。

S103、通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；

具體的，在本實(shí)施例中通過(guò)hadoop框架處理數(shù)據(jù)，充分運(yùn)用分布式算法，以便快速高效獲取數(shù)據(jù)結(jié)果。

具體的，在本實(shí)施例中為了及時(shí)調(diào)高網(wǎng)站運(yùn)營(yíng)優(yōu)化策略做到精準(zhǔn)化影響，根據(jù)電商布局或者精確廣告投放效應(yīng)，降低運(yùn)營(yíng)成本、提高運(yùn)營(yíng)效率、增加投資回報(bào)率，需要對(duì)具體情況維度信息進(jìn)行解析設(shè)定特定行為分析模型，并依此模型來(lái)分析數(shù)據(jù)。

S104、通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站。

具體的，行為分析模型獲取數(shù)據(jù)，從中剝離出各用戶行為共性，從中找到規(guī)律，從而為電商優(yōu)化網(wǎng)站，進(jìn)而更快準(zhǔn)的提升業(yè)務(wù)水平。

其中，所述通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)包括：

通過(guò)所述用戶行為分析模型從所述用戶行為數(shù)據(jù)中剝離出各用戶的行為共性，生成有規(guī)律的行為共性數(shù)據(jù)。

其中，所述通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，包括：

通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶訪問(wèn)頁(yè)面的瀏覽模式數(shù)據(jù)，并根據(jù)所述瀏覽模式數(shù)據(jù)分析數(shù)據(jù)規(guī)律，生成行為共性數(shù)據(jù)。

其中，根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站，包括：

分析所述行為共性數(shù)據(jù)，生成對(duì)網(wǎng)站的性能和組織結(jié)構(gòu)的改進(jìn)信息，并通過(guò)所述改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

其中，根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站，包括：

分析所述行為共性數(shù)據(jù)，生成個(gè)性化改進(jìn)信息，并根據(jù)所述個(gè)性化改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

具體的，在本實(shí)施例中處理大數(shù)據(jù)時(shí)，采用分布式處理，并提取維度，采用數(shù)據(jù)挖掘的方法獲得用戶行為分析，通過(guò)對(duì)用戶數(shù)據(jù)的分析，發(fā)現(xiàn)用戶訪問(wèn)的頁(yè)面的瀏覽模式，進(jìn)而分析并研究數(shù)據(jù)規(guī)律，改進(jìn)網(wǎng)站的性能和組織結(jié)構(gòu)，優(yōu)化網(wǎng)站的同時(shí)提供個(gè)性化服務(wù)，實(shí)現(xiàn)了電商自身的價(jià)值。

具體的，本方案中的基于用戶行為分析的網(wǎng)站優(yōu)化方法，充分考慮用戶行為決定網(wǎng)站優(yōu)化策略的特點(diǎn)，采用HDFS文件系統(tǒng)存儲(chǔ)、hadoop架構(gòu)和數(shù)學(xué)建模以及數(shù)據(jù)分析的方法，實(shí)現(xiàn)了對(duì)海量數(shù)據(jù)行化處理、大大縮減處理時(shí)間而滿足解決數(shù)據(jù)時(shí)效性，進(jìn)一步精確把握用戶行為，從而大大提高了對(duì)網(wǎng)站優(yōu)化的效率，避免了因其他因素導(dǎo)致的費(fèi)時(shí)費(fèi)力，從而起到事半功倍的效果。參見(jiàn)圖2，為本實(shí)施例提供的優(yōu)化流程圖。

下面對(duì)本發(fā)明實(shí)施例提供的網(wǎng)站優(yōu)化系統(tǒng)進(jìn)行介紹，下文描述的網(wǎng)站優(yōu)化系統(tǒng)與上文描述的網(wǎng)站優(yōu)化方法可以相互參照。

參見(jiàn)圖3，本發(fā)明實(shí)施例提供的一種基于用戶行為分析的網(wǎng)站優(yōu)化系統(tǒng)，包括：

數(shù)據(jù)獲取模塊100，用于從電商服務(wù)器收集用戶行為數(shù)據(jù)；

存儲(chǔ)模塊200，用于將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；

模型建立模塊300，用于通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；

優(yōu)化模塊400，用于通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站。

基于上述技術(shù)方案，所述優(yōu)化模塊通過(guò)所述用戶行為分析模型從所述用戶行為數(shù)據(jù)中剝離出各用戶的行為共性，生成有規(guī)律的行為共性數(shù)據(jù)。

基于上述技術(shù)方案，所述優(yōu)化模塊通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶訪問(wèn)頁(yè)面的瀏覽模式數(shù)據(jù)，并根據(jù)所述瀏覽模式數(shù)據(jù)分析數(shù)據(jù)規(guī)律，生成行為共性數(shù)據(jù)。

基于上述技術(shù)方案，所述優(yōu)化模塊包括：

第一優(yōu)化單元，用于分析所述行為共性數(shù)據(jù)，生成對(duì)網(wǎng)站的性能和組織結(jié)構(gòu)的改進(jìn)信息，并通過(guò)所述改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

基于上述技術(shù)方案，所述優(yōu)化模塊包括：

第二優(yōu)化單元，用于分析所述行為共性數(shù)據(jù)，生成個(gè)性化改進(jìn)信息，并根據(jù)所述個(gè)性化改進(jìn)信息對(duì)網(wǎng)站進(jìn)行優(yōu)化。

本發(fā)明實(shí)施例提供的一種基于用戶行為分析的網(wǎng)站優(yōu)化方法及系統(tǒng)，包括：從電商服務(wù)器收集用戶行為數(shù)據(jù)；將所述用戶行為數(shù)據(jù)存儲(chǔ)至分布式文件系統(tǒng)；通過(guò)分布式算法處理所述用戶行為數(shù)據(jù)，提取維度信息，建立與所述維度信息相對(duì)應(yīng)的用戶行為分析模型；通過(guò)所述用戶行為分析模型分析所述用戶行為數(shù)據(jù)，獲取各用戶的行為共性數(shù)據(jù)，并根據(jù)所述行為共性數(shù)據(jù)優(yōu)化相應(yīng)的網(wǎng)站；

可見(jiàn)，在本實(shí)施例中以分布式為基礎(chǔ)存儲(chǔ)和計(jì)算框架，基于用戶行為挖掘分析平臺(tái)實(shí)現(xiàn)用戶數(shù)據(jù)分析的延展及推廣和深度的應(yīng)用。人們接觸互聯(lián)網(wǎng)的主要方式還是通過(guò)網(wǎng)站，而網(wǎng)站優(yōu)化的合理與否就決定了用戶使用率，通過(guò)分析用戶行為可以更好地優(yōu)化網(wǎng)站，提高網(wǎng)站知名度，進(jìn)而使電商受益。本方案從數(shù)據(jù)分析中得到的用戶偏好、網(wǎng)站優(yōu)化規(guī)律和模式以改善用戶體驗(yàn)為基礎(chǔ)，使網(wǎng)站優(yōu)化真正做到取之于用戶而又用之于用戶，以獲得用戶和電商的雙贏模式。

本說(shuō)明書(shū)中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說(shuō)明的都是與其他實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同相似部分互相參見(jiàn)即可。

對(duì)所公開(kāi)的實(shí)施例的上述說(shuō)明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說(shuō)將是顯而易見(jiàn)的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開(kāi)的原理和新穎特點(diǎn)相一致的最寬的范圍。