网站用户行为数据搜集和剖析方式

　　为改善网站的可用性, 一般采用可用性工程方式, 其核心是以用户为中心的设计方法论(UCD)。综合介绍了目前*敏*感*词*对于用户行为数据搜集和剖析方式所进行的研究, 各种方式的特征, 并介绍一些借助相应方式所开发出的工具实例, 使得建设的网站更加符合用户的须要, 以保障用户与网站之间沟通的顺畅。

　　随着In ternet 的不断发展, 各种各样的网站如雨后春笋般成倍增长, 各个商业网站之间的竞争越来越激烈, 随之而来的是, 网站的建设不可避开的出现了好多问题。从近来一次美国对15 个小型网站进行统计剖析表明, 用户在找寻自己所须要的信息时, 只有42% 的机率可以找到, 而在大部分的时间里用户都未能找到自己所须要的信息, 这促使用户在浏览网站时常常遭受磨难, 严重影响了用户对网站的兴趣和信任。正如 J acob N ielsen 所强调的“如果你想通过网站找到个别信息, 那么在通常情况下很难找到, 就算才能找到, 也要经过一番周折。从往年的经验可以获知, 除非项目管理团队在整个网站设计过程中就非常考虑网站的可用性, 否则结果常常令人失望”。针对网站的特性, 目前*敏*感*词*提出了好多借助计算机辅助来自动搜集和剖析用户行为数据的方式, 本文以下部份将重点介绍基于服务器日志搜集和剖析用户行为数据的方式和从客户端搜集和剖析用户行为数据的方式, 并对依据不同的方式所开发出的一些工具进行了介绍。

　　1基于服务器日志搜集和剖析用户行为数据的方式

　　目前, 对于网站来说, 自动获得用户行为数据最流行的方式之一是基于服务器日志的方式(Server log) ,就是通过从w eb 服务器所形成的日志文件来获取有用的数据。服务器日志文件就是拿来记录w eb 服务器的活动, 提供了详尽的顾客和服务器的交互活动日志, 其中包括顾客的恳求和服务器的响应。通过日志文件搜集到的数据方式依赖于具体的w eb 服务器类型, 不同的w eb 服务器形成的信息是不一样的。

　　1. 1基于服务器日志方式的优点通过日志文件可以获得太有价值的网站使用情况的数据。 ① 日志文件是由w eb 服务器手动生成, 所以耗费比较小。 ② 与人为建造的可用性实验室环境相比, 通过日志文件获得的数据更才能反映真实环境下用户的真实情况。 ③ 与只对几个用户在几小时内进行的测试所获得的数据相比, 通过日志文件获得的是大量的用户在相当长一段时间内的行为数据, 这对剖析用户的行为是非常有利的, 可以借助数据挖掘等技术对用户进行剖析。 ④ 开发基于日志文件的数据剖析工具相对比较容易, 花费也不是很大。

　　1. 2基于服务器日志方式的缺点基于日志的方式对于网站的可用性研究来说还存在着好多不足之处, 由于日志文件就是被设计拿来形成站点级的性能统计数据, 因此不可防止的是, 日志文件所提供的数据与拿来剖析网站可用性所需的大量数据相比会有所不足, 对于研究潜在的可用性问题只能提供少量的数据甚至还可能提供一些误导性的数据。这是因为一旦w eb 服务器把用户恳求的页面发送出去以后, 如果用户不发出恳求, 则页面和用户之间发生了哪些w eb 服务器并不记录。下面是一些从日志文件中获取的数据不足或有误导性数据的反例。

　　① 谁正在访问网站。如果想知道谁正在访问网站, 要求日志文件必须收录一个个人ID 或者登陆到服务器的登陆标识, 但是目前的网站一般不需要用户登入, 大多情况下由日志文件提供的客户端信息是顾客的IP 地址, 而这种IP 地址好多情况下是由In ternet 提供商提供的动态IP。并且有时用通过代理服务器来访问In ternet (例如, 学校的校园网) , 这样就不能正确得悉是那个用户在访问网站。

　　② 用户访问网站的路径。如果日志文件才能记下用户所浏览的每位页面, 那么自然可以清楚的记录用户的访问路径, 然而, 当把用户的浏览器设置为可使用缓存(cache) 时(通常是缺省设置) , 用户所浏览的一些页面就不能被w eb 服务器所记录, 例如, 使用Back 按钮浏览的页面就不能被记录。而且, 如果同一页面中提供了多个选择可链接到同一个页面的话, 用户究竟是使用哪一个链接过去, 这一信息从log 文件中也无法获得, 但是这一信息对改善网站的可用性也是很重要的。如果是通过图片链接,w eb 服务器可能会记下用户单击的座标位置, 从而可以获得用户的准确信息, 如果没有使用这些技术的话, 就很难捕获这一信息。而且, 当用户通过键入U RL 地址, 或通过书签来访问页面时,w eb 服务器也不能记录这一信息。

　　③ 用户在每页的逗留时间。日志文件记录的是数据开始传输的时间, 而不是传输完成的时间。而且也不清楚, 在页面下载的过程中, 用户究竟在哪些时间开始浏览页面。除非在页面显示的时侯, 用户因有事离开了, 不然可以通过比较用户的当前恳求和下一次恳求之间的时间来简略估算用户在此页面逗留的大约时间 (通过后一次的恳求时间乘以第一次的恳求时间得到, 但对于从cache 中获取的页面来说就出现很大误差)。

　　④ 用户离开站点的位置。日志文件记录了在用户会话期间所发送的最后一页, 但是这可能并不是用户所见到的最后一页。其中有两个缘由: 第一, 用户所见到的最后一页可能是从cache 中得到。第二, 用户可能早已有事离开了太长时间, 而这段时间早已超过了 w eb 服务器所定义的用户会话时间。

　　⑤ 用户是否成功完成自己想要做的事情。这是最根本的可用性问题, 只是通过单独的日志文件统计是很难回答的, 如果是“用户是否完成了交易? 用户是否成功地下载了文件?”之类的问题, 答案还是很容易推论。然而, 如果要回答“用户是否找到了所须要的信息?”类似这样的问题, 仅通过日志文件就很难回答了。

　　1. 3基于服务器日志文件方式获取数据的辅助工具 Click T races A nalyzer 是剖析网站用户行为的一套工具, 为进一步了解用户的浏览行为提供了强悍的功能, 它把大量的复杂数据用极其简单的方式抒发下来, 使可用性人员在剖析用户行为时一目了然。

　　2客户端搜集和剖析用户行为数据的方式

　　由于通过日志文件获得的信息会出现失真的情况, 而且有很多重要的数据只通过日志文件很难获得, 这些信息对研究网站的可用性问题却很重要, 因此为了进一步获得更多的有价值的可用性数据, 发现更多的网站可用性问题, 逐渐形成了好多技术用于从客户端(page- side) 直接获得用户与网站的交互情况。由于是直接从客户端获得数据, 所以, 能够获得大量的无法从服务器端获得的用户行为数据, 这对进一步剖析用户浏览网站行为, 改善潜在的网站可用性问题提供了更大的帮助。

　　2. 1客户端搜集用户行为数据的优点

　　① 由于用户是在真实的环境下所进行的操作(如在家里或办公室) , 减少了人为地干扰诱因, 因此获得的数据愈发真实。

　　② 与基于日志文件的方式相比, 从客户端搜集到的数据愈发精确, 能够克服如上描述的好多问题。

　　●不受动态分配IP 地址或代理服务器的影响: 通过使用客户端跟踪技术(如由w eb 服务器对每位访问站点的客户机手动分配ID 并将其记录在客户端的 Cook ies 中, 每次用户浏览网站,w eb 服务器可通过访问客户端的Cook ies 就晓得此客户机是否访问过本网站)。

　　●正确的用户浏览路径: 由于是在客户端记录用户行为, 因此客户端代码可手动跟踪用户的浏览路径, 不管是否通过本机缓存或通过代理服务器。例如, 用户的实际浏览路径是从A ` B, 点击Back 钮, ` A ` C, 但是从log 文件中得到的路径是A ` B` C。页面浏览时间: 举例如图1 (页面是由cgi 脚本形成的动态文件)。这是使用Click st ream 采集工具与基于服务器的日志文件形成的数据比较, 日志文件遗失了好多重要数据。