大數據下的互聯網用戶行為分析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了大數據下的互聯網用戶行為分析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要：處于大數據技術普及的時代，互聯網傳送信息已經被廣大用戶所接受，同時對大數據信息有很高的關注度，很多商家以此作為途徑進行產品宣傳，收獲頗多。要將大數據技術充分利用起來，可以傳播各種信息。要更好地發揮其作用，了解其傳播效應，就需要對互聯網用戶行為予以了解，對其關注度進行衡量是非常必要的，本文采用問卷設計的方法以及描述性統計的方法進行研究，應用SPSS22.0檢驗問卷的信度和效度，同時分析主成分和相關性分析，能夠更加詳細地了解用戶對于某個網站的停留時長、跳出率、頁面偏好、搜索訪問次數占比等行為習慣，從而找出準確了解用戶對互聯網的黏度及喜好情況，提出針對性的優化措施，大數據技術的應用更加精準，對用戶行為的分析結果更加有效，從而提升用戶的產出。網絡運營方根據分析的結果對平臺做出調整，以提升用戶的滿意度和對互聯網的持續關注度。本論文著重于研究大數據下的互聯網用戶行為。

關鍵詞：大數據；互聯網；用戶行為

大數據技術環境下，互聯網平臺建立起來之后要了解其應用價值，就需要發揮大數據技術的作用。互聯網用戶傳播各方面的信息，并提供各種服務，包括政策宣傳服務，相關知識的傳播以及文化資源展示等等，在平臺上還可以進行學術交流[1]。互聯網平臺作為互動平臺，專業人士，學術研究人士以及社會互聯網都可在平臺上這對相關事宜進行交流，分享有關的信息。但是，目前來看，互聯網平臺作為開放空間，依然存在不足之處，在于其在信息傳播上存在局限性[2]。本文針對這方面的問題進行研究，將SPSS22.0軟件充分利用起來對問卷調查結果進行統計分析，研究用戶對互聯網平臺的研究情況，對各項影響因素量化為指標，分析與平臺之間的關聯性。

1互聯網平臺運行中大數據技術所發揮的作用

（1）應用大數據技術分析互聯網運行的特征應用大數據技術可以從多維度獲得互聯網信息，分析其關聯關系，充分了解企業之間應用互聯網所建立的關聯性，應用大數據技術使用各種信息都精準體現出來，如果互聯網運行中存在風險，就能夠及時發現[3]。采用這種方式能夠針對具體情況實施風險評價，對互聯網平臺的信用進行評級，由此針對風險程度做出準確評估。（2）應用大數據技術評估互聯網平臺的信用應用大數據技術可以查閱有關互聯網平臺運行的歷史數據以及各種交易信息，對互聯網平臺的運營狀況、采用的管理模式等等進行分析，按照監測指標將互聯網風險模型建立起來，通過運行模型對互聯網的風險做出評估結果，具體分析互聯網運行的特點，對其經營情況深入分析，對其信用情況做出客觀地評價，對其未來的發展能力都能夠獲得準確的評估結果，為用戶提供參考，作為用戶決策行為的重要依據[4]。（3）應用大數據技術控制互聯網運行風險互聯網運行的過程中會受到諸多不確定性因素的影響，互聯網為用戶提供各種服務，就要收集有關的信息，諸如網絡運行管理以及所獲得的利潤等等方面的信息。對于這些信息應用大數據技術采集，將內部數據和外部數據融合起來，經過指標化之后將風險監測模型構建起來，可以對互聯網所存在的風險動態分析、實時判斷，還可以啟動風險預警，采取相應的控制措施解決。采用這種方式可以盡早發現風險，及時采取有效的措施解決，避免對用戶造成損失[5]。

2研究方法

（1）問卷設計本文針對用戶對互聯網平臺的關注度進行研究，采用了問卷調查方法，對用戶滿意度進行調查研究，明確影響用戶持續關注意愿的各項因素。問卷的信息包括兩類，即基礎信息和變量信息。其中的基礎信息涵蓋4個方面的問題，變量信息被劃分為變量維度和自變量維度，前者為5個，后者為2個，問卷中一共27個問題，劃分為7級，即“非常同意”、“同意”、“比較同意”、“一般”、“比較不同意”、“不同意”和“非常不同意”。一共發放問卷400份，回收的有效問卷286份，回收問卷的有效率是71.5%。（2）問卷統計調查的對象是大學生，包括本科生和研究生。這些人的信息素養非常高，有超過75%的人使用互聯網平臺，這就說明這個群體對互聯網平臺有較高的關注度，根據調研可以明確，這些人對互聯網非常感興趣，能夠對用戶持續關注的影響因素充分反映出來，為互聯網平臺提供更高質量的服務提供有價值的參考信息。

3互聯網用戶行為的影響因素分析

分析用戶持續關注行為影響因素，主要從三個角度進行分析，即通過信度和效度的檢驗，采用樣本數據分析用戶因子，明確營養因素；通過分析主成分，采用提取公因子的方法，就可以獲得用戶對互聯網平臺的滿意度；對相關性進行分析，認識到變量之間的關聯性，明確變量對用戶的滿意度和對互聯網平臺的持續度的影響[6]。

（1）信度和效度的檢驗在檢驗信度的時候使用Cronach'sAlpha系數，所獲得的結果越高，就意味著有更高的信度。在分析探索性因子的時候將SPSS22.0充分利用起來，檢驗用戶對此類互聯網平臺的關注度，基于檢驗的結果修正互聯網平臺，就可以明確影響用戶持續關注的因素。經過檢驗認識到，影響用戶對該互聯網平臺持續關注的主要因素是各個自變量和因變量維度系數，兩者都已經超過了0.7，而且各項自變量系數已經達到了0.8。所以，有良好的信度。對多個變量的相關性進行分析的過程中采用因子分析方法，要求所研究的多個變量之間存在相關性，而且采用一種多元統計方法，要求KOM要超過0.5，而且KOM值大，就意味著能夠獲得良好的效果。在檢驗的時候采用Bartlett球形檢驗，單側p值不超過0.01。經過檢測可以明確，樣本數據的KOM已經達到0.8，超過了0.5。采用Bartlett球形度檢驗，所獲得的p值為0，不超過0.01，可見檢驗水平非常顯著，樣本數據可以對用戶因子分析。

（2）主成分分析本文在進行因子分析的過程中，提取公因子的時候采用主成分算法，結合使用最大方差法。先對21項對用戶持續關注互聯網平臺的變量進行分析，按照提取公因子的準則，要確保特征值超過1，最終將5個公因子提取出來，這個時候，主成分的累積方差貢獻率就可以達到64.2%。這就可以說明，原始21個變量的多數信息通過5個公因子就可以表達出來。在旋轉因子的時候將方差最大正交旋轉充分利用起來，刪除因子載荷系數中不足0.5的變量，對旋轉之后的成分矩陣加以整理。經過旋轉之后可以劃分為5個公因子，是在每個公因子中都涵蓋各種變量，均不同于原始每個維度的變量。所以在修正維度的時候就要從實際情況出發展開。按照旋轉后的成分矩陣，公因子1中包括7個變量，分別是V1為0.531、V2為0.716、V3為0.681、V4為0.664、V5為0.641、V6為0.665、V7為0.572，載荷系數都比較大，其中所涵蓋的信息全面而且真實可靠、有較高的新穎性和獨特性，而且容易理解，系統質量維度包括兩個變量，第一個變量是系統安全性；第二個變量是系統平穩性，與原始分類有所不同。但這些變量能夠綜合反映用戶對互聯網平臺信息的滿意度[7]。公因子2一共包括2個變量，V8為0.737、V9為0.813，載荷系數較大，主要包括界面友好性的描述和界面簡潔性的描述，刪除了界面美觀性載荷系數，因為其不足0.5，所以被稱為“系統界面設計”。公因子3一共包括4個變量，V11為0.536、V12為0.724，V13為0.817、V14為0.785；公因子4一共包括4個變量，V15為0.772、V15為0.741，V17為0.78、V18為0.744，和公因子5一共包括3個變量，V8為0.608、V9為0.627、V9為0.654，變量與原始分類都是一致的，所以依然按照原始命名規則。公因子3命名為“服務質量”，公因子4命名為“信息有用性”，公因子5命名為“平臺易用性”。

（3）相關性分析通過對用戶的滿意度以及對互聯網平臺的關注度進行分析，明確變量與用戶滿意度之間所存在的關系以及與用戶的持續關注度之間所存在的關系，采用相關的方法進行準確度量[8]。為了分析上的方便以及保證分析結果的準確性，采用了提取公因子的方法對用戶的滿意度和對互聯網平臺的持續度進行分析。按照公因子提取準則，要求特征值要超過1，在滿意度維度上將一個公因子萃取出來，通過分析之后可以獲得累積方差貢獻率是78.458%，在持續使用意愿維度上將一個公因子萃取出來，通過分析之后可以獲得累積方差貢獻率是70.288%，都可以作為原始變量信息的代表。使用SPSS22.0分析各個影響因素與滿意度之間所存在的相關性以及與持續關注意愿之間所存在的相關性，對于信息的有用性的滿意度是0.522，持續關注意愿是0.492；對于信息質量與系統運行的滿意度是0.252，持續關注意愿是0.173；對于信息服務質量的滿意度是0.167，持續關注意愿是0.13；對于平面界面設計的滿意度是0.012，持續關注意愿是-0.02；對于平面易用性的滿意度是0.345，持續關注意愿是0.386；對于互聯網平臺的滿意度是1，持續關注意愿是0.811；對于互聯網平臺的持續關注意愿是0.811，持續關注意愿是1。從這些分析結果可以明確，置信度是0.01的時候，有顯著的相關性；當置信度是0.05的時候，有顯著的相關性。相關系數r的正值代表變量之間所存在的正相關性；相關系數r的負值代表變量之間所存在的負相關性。絕對值與0的水平線之間的距離越遠，就意味著變量之間存在很強的關聯性；絕對值與0的水平線之間的距離越近，就意味著變量之間存在很弱的關聯性。

（4）分析結果通過應用數據分析的方法對大數據環境下互聯網用戶的行為進行研究，明確利用先進的技術對于商用價值的提升以及提高用戶的關懷度具有現實意義。運用調查的方式采集的用戶行為數據以及所獲得的分析結果，證明提高互聯網為用戶的服務質量非常重要，不僅能夠達到用戶滿意，還可以提升商業價值，獲得雙贏，可以考慮從這兩個方面開展數據利用，并且，根據用戶在互聯網平臺上的瀏覽次數、加購信息以及購買信息等等對用戶的需求有更加充分地了解，使得可買性有所提高，商品交易量也大大提升[9]。

4結束語

通過上面的研究可以明確，以有關變量的數據分析結果作為參考，說明互聯網平臺上所推送的信息對用戶滿意度通過持續關注度就可體現出來，兩者存在正相關性，另外，互聯網平臺的服務質量以及平臺界面設計都對用戶滿意度有一定的影響，但是用戶是否持續使用與滿意度不存在相關性。平臺的界面設計如何并不會對用戶的滿意度造成一定的影響，也不會影響到用戶對平臺的持續關注度。平臺是否容易使用對用戶滿意度也有一定的影響，甚至會影響到用戶的持續使用意愿。用戶對互聯網平臺所持有的滿意度與其持續關注具有正相關性。所以，運營商可以根據這些結果，對平臺做出調整，使得用戶的平臺有較高的滿意度，能夠持續關注，有助于信息的有效傳播，提高信息的使用價值。

參考文獻：

[1]周行.大數據視角下的互聯網視頻用戶行為[J].傳播力研究，2018（03）：129-130.

[2]蔣帥.基于蜂窩網絡大數據的用戶行為分析及預測[D].北京郵電大學，2019.

[3]周航.基于大數據的高校網絡用戶行為的數據可視化設計分析[J].中國包裝，2019（03）：58-59.

[4]李微麗，羅汝，顏一鳴.基于大數據的用戶行為分析系統[J].科技風，2020（03）：74-75.

[5]趙名麗，黃偉.基于移動互聯網用戶行為建模的大數據應用[J].計算機產品與流通，2018，（03）：47-47.

[6]顧杰.基于電信大數據的汽車行業用戶行為的研究與應用[D].北京郵電大學，2018.

[7]曹漢清，李全彬.基于大數據的用戶行為分析平臺設計研究[J].軟件工程與應用，2019，08（03）：141-148.

[8]柳靜，朱玉清.基于大數據的網絡用戶異常行為檢測方法研究[J].飲食科學，2019（12）：58-59.

[9]鄭明，王蓉，楊瑞.基于電信大數據的即時環境應用能力開放平臺[J].電信網技術，2016004）：18-22.

作者：辛錚 鄢小征 單位：北京市公安局網絡安全保衛總隊