网站数据分析实战：用户偏好分析

关于分析用户偏好的一些分享。之所以写这个内容，一方面是因为这个主题在国内的网站分析相关的博客上能找到的文章不多，另一方面，我所介绍的方法有较大的应用空间，或许可以给大家带来一些启发。

用户偏好分析是一个比较大的题目，哪怕只是将它局限在网站分析领域中，也可以从各种角度入手来了解你的网站用户。限于篇幅和笔者本身的能力，这里将介绍的是笔者认为比较实用的，也认为是容易上手和扩展的方法，也同时希望能够起到抛砖引玉的效果。

【正文】

熟悉网站分析的朋友们都知道，GA(Google Analytics)中可以关联不同的维度(Dimension),比如“城市”和“产品”，通过关联(Sub-relation)，我们可以得到不同城市下，各产品的相关数据。在Omniture的几个网站分析工具中，也同样能够对某个eVar根据按另一个eVar来breakdown。

好了，废话不多说，接下来就让我们一起去发现一些有趣的事情！

Step 1. 获取数据

1.a 请生成一张报表，

维度(Dimension)：城市(Cities)

指标(Metric)：购买数量/销量(Units)

时间段可根据需要设定，时间粒度(Granularity)在Omniture中选None/aggregate，表示把时间以聚合的方式展现，而不是按daily、monthly等方式来划分，GA中同理。

好了，我们得到了一张关于各个城市的访客所产生的订单数的报告，第三列Ratio是经过计算得到的各城市订单数占总体的比例。这里假定了只有图表中所列出的10个城市，所有数据均为模拟数据。

1.b 类似上一张城市报告，我们再获得一份产品类(Product Category)的报告，维度：Category， 指标：Units，获得的报告如下

* 这里需要注意，你所看到的两张表中的Units总量是一样的，但如果你选择了Orders作为Metric的话，那么品类报告中的Orders应该会大一些，因为有些用户的单个订单横跨了不同的产品类。比如实际情况是你下了一个订单，包含了一台VAIO和一台DSC，那么在产品类报告中这1个订单会被分拆为2个，各自归属到2个品类中。如果Orders总量相差不大，那不用太在意这个差异，如果你觉得差异让你无法接受的话，那也不难，对城市报告中的数据做个简单处理：处理后各城市订单数 = 处理前各城市订单数 * （产品类报告订单总数 / 处理前城市订单总数)。但是这样的处理会稍许影响到后续介绍的计算过程，当然，只要你保持头脑清醒，相信在理解了算法后根据需要来修改也不是难事。

1.c 获得一份Sub-relation的报告，第一个维度选择城市，第二个维度选产品类，指标仍然是Units，报表如下：

City Breakdown by Category
限于篇幅，图中只显示了Shanghai的数据，实际应该是所有其它城市都会得到跟Shanghai类似结构的数据。由于本例中共有10个城市和10个产品类，因此得到的数据应该是10*10=100行。同样，这里的Units总量应该与之前的相同。

从表中我们可以知道，在Shanghai所产生的962个Units中，VAIO占了378个，DSC占了112个，这个很容易理解。

Step 2. 数据处理

Difference
如上图所示，我们在1.c报表的基础上，新增一列Predicted Units，作为我们预测的商品销量，怎么计算呢？Predicted Units = 1.a中Shanghai的 Units * 1.b中VAIO的Ratio（或者1.a中Shanghai 的 Ratio * 1.b中VAIO的Units也是一样的）

然后我们再新增一列Difference，表示实际值与预测值的差异程度，计算方式为：

Difference = (Units – Predicted Units) / Predicted Units

Step 3. 数据解读

不难理解，如果实际值大于预测值，Difference为正，反之为负，实际值与预测值差异越大，Difference的绝对值越大。

既然需要的数据都有了，该怎么看我们用户的偏好呢？如何去发现那些有价值的信息呢？

Difference 一列中，最抓人眼球(eye-catching)的显然是Shanghai-DSC那行了，372%。这表示，Shanghai的用户比我们想象中的更热衷于DSC产品，而且是远远大于预期。同样，VAIO、Tablet等产品在Shanghai用户中的销售情况也比我们的预期要好。而HIFI的-80%，MDR的-59%，说明了Shanghai的用户对这些产品并不是非常感兴趣。当然，如果在做这个分析前，你已经对你的某些产品做了定向投放，那么会一定程度上影响该报告的解读，这时候，我的建议是：

1. case by case的来分析那些定向投放了的产品，需要综合考虑你的投放情况及业务情况

2. 剔除那部分定向投放了的产品及密切相关的产品，从而解读那些未受太大影响的产品数据。

到这里，如果在读这篇文章的你正从事Online Marketing等相关的工作，不知道有没有能够触动到你的神经呢？SEM、adwords等广告投放平台中的地理位置定位，能通过这个分析得到改进吗？花钱买的广告，真的投放给那些感兴趣的用户了吗？……

本文所谓的预测，并没有基于什么很高级的算法，只是先假定了我们的所有用户的偏好是一致的，基于这个假设，两个维度关联后的情况应当与两个维度独立时所推断的情况一致。还是举个简单的例子来说明吧。假定双胞胎姐妹总共吃了4个水果，又知道水果中香蕉被吃了2个，苹果也被吃了2个。如果姐妹俩的偏好一致，我们可以认为姐妹应该各自吃了1个香蕉1个苹果。然而真实的情况是姐姐吃了2两个香蕉，妹妹吃了2两个苹果，也就是说，姐姐比我们所认为的多吃了1个香蕉而少吃了1个苹果，那么她的偏好应该是爱吃香蕉而不爱吃苹果。

当然，这样的预测方法由于少考虑了很多因素而并变得不是很精准，但笔者认为，这不会是什么很大的问题。虽然我们的计算过程是定量的，但我们的目的只是定性而已，380%的Difference在这个方法中跟370%没有什么太大的区别。而且，以损失一些精度为代价，获得更高的效率并非什么不可原谅的事，毕竟我们是在商场里作战，而不是在学校码论文。

最后想说的是，本文所举例子是不同城市用户关于不同产品类的购买偏好分析，实际上，朋友们完全可以根据自己的业务需求来驱动类似的分析，比如关联用户的操作系统(Operating System)和浏览器(Browser)，指标选择访问数(Visits)，便能了解到你网站的用户在不同操作平台上更喜欢用哪种浏览器。

理论上来说，任意两个维度都可以关联起来，且能说明些问题，但不建议强行地去关联两个维度，然后绞尽脑汁地去赋予它某种意义，不要为了分析而分析。还是那句话，以业务需求来确定分析目标，再以分析结果来驱动业务发展。