下载掌阅APP，畅读海量书库
立即打开
【导读】 行为数据指的是用户在网络平台上的留痕。用户行为数据可以深度反映出用户的购买心理和购买意向，帮助商家更高效地推送合适的商品，提升供需对接效率。
不知道大家有没有同感，就是你经常在网上浏览什么类型的产品，那么你就会在网站浏览器中更多地看到这种类型的产品，这类产品也会在各类购物相关的APP中被默认推送。这是为什么呢？
先来看一个个性化推荐的例子。小美妈妈和闺蜜一起喝下午茶，聊起今年衣服的流行款。小美妈妈说，“今年百褶裙真是流行啊，手机上到处都是百褶裙的推荐！”闺蜜很惊讶地说道，“啊？我怎么觉得今年流行的是阔腿裤呢，我看到的都是阔腿裤的推荐。”说着，两个人打开手机上的某宝开始印证，果然，两人的屏幕上出现的服装风格差异很大，小美妈妈手机上有很多百褶裙推荐款，而闺蜜的手机上则是很多阔腿裤推荐款。
上面的例子中，购物网站在后台利用用户行为实时产生的数据，对用户的行为特征进行了建模算法的迭代分析，进而可以越来越精准地向用户进行个性化推荐。
比如，小美妈妈连续浏览了5款裙子，其中4款都是百褶裙，1款是其他款；5款的价格分别为899元、629元、599元、739元、669元。这些行为某种程度上反映了小美妈妈的服装倾向性，如偏向于中高价位的百褶裙。所以系统就会向小美妈妈更多推送类似款式的服装。
当然，这仅是一个简单的例子。实际上，后台系统会基于用户更多的数据标签和数据量，运用算法模型，实时做出综合判断。
我们在网站上产生的所有行为，如搜索、浏览、打分、点评、加入购物车、取出购物车、购买、使用减价券和退货等，甚至包括在第三方网站上的相关行为，如关注、点赞、比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等，都会被后台默默地记录下来并打上数据标签，而这些数据就被称为用户的 行为数据 （behavior data）。
简单来讲，用户行为由人物、时间、地点、行为、内容五大要素组成。那么对应地，用户的行为数据就包括五类：用户的ID（注册名）、什么时间、什么平台、搜索行为以及搜索的内容。通过这样给行为数据打标签的方式，我们可以在网站或APP中定义出亿万级的用户行为数据。据专注于电商行业用户行为分析部门的不完全统计，一个用户在选择一个产品之前，平均要浏览5个网站、36个页面，在社会化媒体和搜索引擎上的交互行为也多达数十次。
和线下门店通常能够获得的最终交易相关的信息相比，互联网推动的电子商务最突出的特点就是可以收集到大量用户在购买前的行为信息，而不像是线下门店只能收集到交易信息。而且，在过往互联网还没有这么发达的时代，如果要做用户行为洞察，只能通过门店获得用户的购买行为交易数据（如购买金额、货号、退货、折扣、返券等）进行分析，而没有办法获取用户内在复杂的购买心理和决策过程（以前就只能通过针对个别典型用户的访谈获得）。有了用户购买前、中、后的全链条行为数据后，就可以把用户行为连起来观察，不同用户的决策流程特点和差异一目了然。
用户行为数据，可以深度反映出其购买心理和购买意向，帮助商家更高效地推送合适的商品，提升供需对接效率。
以亚马逊为例，亚马逊会对用户在网站上浏览和选购商品的用户行为信息进行分析和理解，制定对用户的贴心服务及个性化推荐。例如，当某位用户浏览了多款手机而没有做出购买决策行为时，在一定时间范围内，亚马逊会依据后台算法模型，把适合该用户的品牌、价位和类型的另一款手机的促销信息通过电子邮件主动发送给该用户，以促使用户做出购买决策。这种个性化推荐服务不仅可以缩短用户购买的路径和时间，提高用户的购买意愿，还能在恰当的时机点捕捉到用户的下单节奏，同时也大大降低传统营销方式对用户的打扰。
凡事都有正反两面。一方面，我们充分享受着大数据给生活带来的各种便利性；另一方面，我们却对越来越不安全的信息环境感到担忧。事实上，用户的个人信息是否保持安全，主动权并不在用户手上，而在于采集用户行为数据的商家们会将数据运用到什么地方，运用到何种程度。例如，某打车APP就被很多人曝光称平台定价不合理、因人而异、老用户比新用户的价格更高、使用苹果手机的用户看到的价格比安卓手机用户更高，等等。这就是大家都熟知的“大数据杀熟”现象，一些不良商家会利用用户在网络平台上的行为数据留痕，掌握用户的消费偏好而有意侵犯消费者权益。
总而言之，用户行为数据是一把双刃剑，在鼓励商家运用用户行为数据去更好地发展商业服务的同时，政府和行业也需要建立起相应的监督管理机制，以保护好用户的个人隐私安全。
个人信息和隐私： 个人信息是大众化的，主要记录一个人的个人信息，如年龄、身份特征、就读院校、性别、民族、有无宗教倾向等，有相应模板和固定框架；隐私是个人的、私有的，根据个体的主观意识来判定其是否属于一种隐私。对个人信息的保护具有强制性，而对隐私的保护一般不具有强制性。