資料分析-使用者關係-開篇

    最近突然對網站的使用者關係感起了興趣。當然了，萬事萬物都是有原因的，只是有的是直接原因，有的是間接原因；有的原因很明顯，有的原因不明顯；有的原因很容易說清楚，有的原因說不明白。總之一句話，肯定是原因的。

    引發這個系列話題的原因是，在我收到的人人或者是校內發送的的推薦關注郵件中，或者是各大微博、SNS社區中的推薦關注與推薦話題中，發現大多和我沒有關係，推薦的準確率不是很高，甚至可以說的比較低，更有甚者，還有一些毫無相關的人和內容推薦過來，我就不明白了，既然沒有就算了吧，為什麼非要有呢？

    但是轉念一想，原因可能有以下幾點：

• 有和沒有其實也是需要有個標準的，對於這種標準，又是大家各說各的理，沒有定論，所以結果可想而知了。
• 不好意思沒有東西，顯得網站沒有水平。
• 網站確實沒有盡心儘力，計算出來的東西就沒有那麼精準了。

    關於精準其實也是有爭議的，精準的標準是什嗎？大家的理解又不一樣了。還有就是成本和產出比如何控制，想要精準也行，可是網站當前可能沒有那麼多成本去做這件事，或者說做這件事的產出相對成本來說有點低，所以失去了做的意義。

    當然了，有一些精準也確實在當前的條件下是不可能實現的。

    這件事引發了這個系列，也引發了我對於資料分析的興趣，準確的說是資料分析中的使用者關係分析，也就是在大量資訊中發現使用者的相關性。

    以前沒有做過資料分析的工作，技術的積累也不夠，但是感興趣之後，就開始關注這方面的資訊，技術，和文章，做了一些簡單的思考，得出了一些簡單的結論。從今天開始會和大家分享一下我的理解，肯定有不當的地方，或者是比較粗淺的地方，希望大家指出，或者給一些好的資源，也讓我進步進步。

    使用者關係分析的好，有很多的應用情境。SNS、微博可以做社會化推薦，電商可以做商品推薦，任何網站都可以利用使用者關係來增加使用者的黏度，增加使用者的忠誠度，做大做強自己的網站，提供更好、更合理的使用體驗，以便於更好的為使用者服務。

    今天先說一些簡單的使用者相關性理論和如何確定使用者相關性？

    使用者相關性，就是使用者關係的強弱，也可以量化為數值的形式。如果說0是無相關，10是相關性最高的話，1-3屬於若相關，4-7屬於中等相關，8-10屬於強相關。

    那麼如何得出兩個使用者之間的相關性呢？最簡單的莫過於利用使用者的基本資料，身高，體重，年齡，愛好等等結構化的資料對兩個使用者之間的相關性進行計算，得出結果。

    舉例來說，使用者A的年齡是20，使用者B的年齡是20，在年齡這個維度上面他們的相關性就是10，當然了，這個10在最終的相關性結果中佔多大的比例，還需要為年齡維度設計一個加權值，在綜合各維度時候使用，不是簡單的加和平均。同樣是年齡，除了直接比較意外，還有一些是需要通過計算其他資訊的，例如使用者B沒有年齡，但是有小學畢業時間，根據這個時間也可以推算年齡，然後進入年齡維度比較。

    首先會設計很多的維度，每一種維度權重以及加權值，然後通過採集使用者的資訊，進行分析計算。

    在實際的應用中，結構化資料畢竟是有限的，很多資訊使用者會由於某些原因，不想填寫，大量資訊的空白，給結構化資料的分析帶來困難，強制填與不填之間，網站也很會糾結一番。

    就需要大量利用非結構化資料進行分析計算，包括使用者的留言，話題，回複，喜好，收藏，購買曆史，在這些大量資料的基礎之上使用各種分析手段，使這些資料反映出結構化的結果。

    常用的就包括map/reduce這種進來很流行的東西，在分析的過程中還可能會用到語意學的知識，甚至是心理學。

    尤其是社會心理學，我認為會起到很重要的作用，而且我認為大多數的SNS和微博在社會心理學方面的研究和應用做的都不太夠，深度不夠才導致推薦的結果差之千裡。不過，想要應用的好，也需要下一番功力的，需要專業的知識，還需要將這些專業的知識轉化為技術。

    今天就聊到這裡吧，在以後的日子裡，我會繼續好奇這方面的資訊，繼續和大家分享我的認識，希望大家踴躍拍磚！！！

本文出自 “突破中的IT結構師” 部落格，請務必保留此出處http://virusswb.blog.51cto.com/115214/781267