聚类分析在用户行为中的实例_序列模式挖掘在用户行为分析中的应用

作者：闲鱼技术-楚丰

背景

在互联网产品中，用户行为分析，通常是指通过统计、分析用户在产品上的各种行为事件，挖掘、发现出有用的信息，为产品的设计，运营策略提供有意义的依据。

通常，用户行为分析包含以下流程：

1. 数据埋点
2. 数据采集
3. 数据清洗
4. 数据展现

在闲鱼中，我们有海量用户埋点数据，这些数据信息量丰富，但是却很少有效地利用起来：

1. 利用率低：埋点数据量大并且非常杂乱，通常都只是某个特定场景下，会统计某些特定埋点数据
2. 数据太“原始”：通常埋点都是某个页面曝光、某个点击事件等等，这些事件维度“低”，单用这些埋点不能表达某些“高纬”的事件，比如“点击搜索框->输入文字->进入搜索结果页->点击搜索结果”为一次完整搜索商品行为。

那么针对这些原始埋点，我们是否能够通过算法处理，抽象出更高纬的用户行为数据，并且利用这些数据，挖掘出有用的信息呢？

本文我们将分享闲鱼在用户行为分析中，利用“序列模式挖掘”所做的的一些尝试和应用。

1.什么是“用户行为”

一般我们将用户行为定义为：由一系列的行为事件所串联成的序列。这个定义在不同的“粒度”上有不同的解释，比如粗粒度上来看，“搜索商品”->"聊天“->“下单”为一个用户行为，其中“搜索商品”是一个行为事件。

但是从细粒度上来看，“搜索商品”包含了多个更小的事件，比如“点击搜索框->输入文本->点击搜索按钮