用户行为分析模型——路径分析（一）

旧城等待， 2022-10-11 15:53 251阅读 0赞

在网页或者营销渠道中，用户行为模型有比较多，基于渠道的，笔者觉得有：

<table> 
 <thead> 
  <tr> 
   <th align="center">渠道类型</th> 
   <th align="center">渠道重要性</th> 
   <th align="center">渠道跳转与流失</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td align="center">单渠道，多节点</td> 
   <td align="center"></td> 
   <td align="center">路径分析，漏斗功能</td> 
  </tr> 
  <tr> 
   <td align="center">多渠道</td> 
   <td align="center">归因分析</td> 
   <td align="center"></td> 
  </tr> 
 </tbody> 
</table>

这里多渠道指的是，单渠道多节点的场景比较好理解，就是进入某个web \\ 小程序，在不同页面之间进行跳转，多渠道这里比较多的就是，同一用户在不同的较大的场景下的流转，比如在小红书种草 -> 微信好友推荐 -> 淘宝上买了。

归因分析是通过一定的逻辑方法，计算每个渠道、或者触点对最终结果贡献程度的方法。有一套合理的归因办法，才能科学地衡量不同渠道的广告价值，指导更好的投放。  
其是衡量某一个渠道/触点价值的，没有考虑触点之间的跳转。

关于归因分析，之前笔者有整理：  
[多渠道归因分析（Attribution）：传统归因（一）][Attribution]

本篇主要来看看路径/漏斗分析。

--------------------

### 文章目录 ###

*  1 路径与漏斗分析几个重要知识点
 *   *  1.1 路径分析
     *  1.2 漏斗分析
     *  1.3 路径与漏斗分析的差异
     *  1.4 Session和Session Time
     *  1.5 邻近页面去重
 *  2 路径分析与桑基图
 *   *  2.1 桑基图
     *  2.2 完整桑基图的数据结构与数据库选型
     *   *  2.2.1 数据结构
         *  2.2.2 大规模数据库选型：ClickHouse
     *  2.3 路径分级与树的剪枝
     *   *  2.3.1 路径分级
         *  2.3.2 树的剪枝
     *  2.4 路径分析主要统计指标
 *  3 获取路径的多级页面
 *  参考文献

--------------------

# 1 路径与漏斗分析几个重要知识点 #

## 1.1 路径分析 ##

通常用户在需要进行路径分析的场景时关注的主要问题：

*  按转换率从高至低排列在APP内用户的主要路径是什么；
 *  用户在离开预想的路径后，实际走向是什么？
 *  不同特征的用户行为路径有什么差异？
 *  某个页面，引导用户去往哪个页面，对转化率最有利？

我们可以很好地发现用户的流转特点，发现用户是从哪些环节、哪些页面流失、或者发生了阻碍，从而有针对性地优化产品，提升业绩。  
比如，我们发现很多用户在加购后没有进行支付，我们就可以通过路径分析，看看用户加购后，都去哪里了、发生了什么操作。如此，有可能找到支付率低的原因所在。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70]

## 1.2 漏斗分析 ##

漏斗分析是分析用户从起始到终点环节，过程当中每一步环节的转化（或者流失）情况。通过漏斗，可以找出全链路业务的问题环节所在，从而进行针对性优化。  
几个特点：

*  （1）是分多层、多环节的
 *  （2）各环节是有转化率（或者流失）效应的
 *  （3）环节之间有先后顺序  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 1]

## 1.3 路径与漏斗分析的差异 ##

漏斗分析是固化了具体的分析过程或者业务环节，然后分析这几个大的业务环节的转化；而路径分析，是固化了用户的路径顺序，在每个路径次序中，都包含了各个主要业务环节，因此在每一步中，出现的业务环节很有可能都是类似的。

总而言之，漏斗分析看重的是业务环节之间的留存关系，而路径分析看重的是用户在不同业务环节中的顺序及流失关系。

## 1.4 Session和Session Time ##

本模型中的Session Time的含义是，当两个行为间隔时间超过Session Time，我们便认为这两个行为不属于同一条路径。

使用更加灵活的Session划分，使得用户可以查询到在各种时间粒度（5,10,15,30,60分钟）的Session会话下，用户的页面转化信息。  
假设有用户a和用户b，a用户当天发生的行为事件分别为 E1, E2, E3… , 对应的页面分别为P1, P2, P3… ，事件发生的时间分别为T1, T2, T3… ，选定的session间隔为tg。如图所示T4-T3>tg，所以P1,P2,P3被划分到了第一个Session，P4,P5被划分到了第二个Session，同理P6及后面的页面也被划分到了新的Session。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 2]

当然，如果支持选择不同粒度的session，数据计算要求较高

## 1.5 邻近页面去重 ##

不同的事件可能对应同一页面，临近的相同页面需要被过滤掉，所以划分session之后需要做的就是相邻页面去重。  
不过，这里是否去重还要根据实际业务场景来判定。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 3]

--------------------

# 2 路径分析与桑基图 #

## 2.1 桑基图 ##

桑基图主要是用来显示流向和数量。最大的特点，就是开始与结束是保持总量守恒的。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 4]

看出全体用户是从哪个地方来，经过一步一步的环节后，到了哪里去。另外一种和桑基图比较相似的图，是和弦图。如下示例：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 5]  
和弦图主要是呈现从一个内容转移到另外所有内容的情况，呈现不了桑基图多层环节的内容，仅仅是一个环节。

## 2.2 完整桑基图的数据结构与数据库选型 ##

### 2.2.1 数据结构 ###

来自vivo的这篇提到了他们超大规模工程化的数据结构，类似知识图谱图数据库的存储结构了。  
构造桑基图可以简化为一个图的压缩存储问题。图通常由几个部分组成：

*  边（edge）
 *  点（vertex）
 *  权重（weight）
 *  度（degree）

采用邻接表进行存储。邻接表是一种常用的图压缩存储结构，借助链表来保存图中的节点和边而忽略各节点之间不存在的边，从而对矩阵进行压缩。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 6]  
如下左图就是我们的邻接表设计。左侧顺序列表存储的是各个节点（Vertex），包含节点名称（name）、节点代码（code）等节点信息和一个指向边（Edge）列表的指针；每个节点（Vertex）指向一个边（Edge）链表，每条边保存的是当前边的权重、端点信息以及指向同节点下一条边的指针。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 7]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 8]

### 2.2.2 大规模数据库选型：ClickHouse ###

通过Spark分析计算的结果数据需要写入Clickhouse来线上服务，写入Hive来作为数据冷备份，可以进行Clickhouse的数据恢复。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 9]

列存储的方式，对于这种超大规模数据的统计/计算查询数据非常便捷。  
![在这里插入图片描述][20210701175117346.png]

## 2.3 路径分级与树的剪枝 ##

### 2.3.1 路径分级 ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 10]  
比如这个so的案例，`p1 -> p2 -> p3 -> p4 - > p5 -> p6 -> p4`就可以分成多级。  
`p1`或`p2`或`p3`，单个节点构成了一级，  
`p1 -> p2` 或 `p2-> p3`构成了二级，  
`p1 -> p2 -> p3` 或 `p5 -> p6 -> p4`构成了三级

分级是为了更加细致地解析整个流程中，不同流程进度下的过程。

### 2.3.2 树的剪枝 ###

剪枝是树的构造中一个重要的步骤，指删去一些不重要的节点来降低计算或搜索的复杂度。页面路径模型中，我们在剪枝环节对原始数据构造的树进行修整，去掉不符合条件的分支，来保证树中每条根节点到叶节点路径的完整性。

剪枝主要有几个方向：

*  清除孤立节点
 *  过滤不完整路径

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 11]

*  完整路径的定义：路径深度达到5且结束节点为退出或其它节点；路径深度未达到5且结束节点为退出。可见，图中标红的部分（node4\_lv1 → node3\_lv2）是一条不完整路径。
 *  原始树中还会出现孤立节点（绿色节点node4\_lv2）。这是由于在取数阶段，我们会对数据进行分层排序再取出，这样一来无法保证每层数据的关联性。

## 2.4 路径分析主要统计指标 ##

*  PV即Page View，访问次数，本模型中指的是一段时间内访问的次数；
 *  SV即Session View，会话次数，本模型中指出现过该访问路径的会话数。  
    如，  
    有路径一：A → B → C → D → A → B和路径二：A → B → D，  
    那么，  
    A → B的  
    PV为2+1=3，SV为1+1=2。

PV和SV是比较通常的指标，针对节点 / 路径会有不同的延申。

针对节点的PV / SV延申出：

*  节点pv/sv = 当前节点在当前层次中的pv/sv总和
 *  节点转化率 = ( 节点pv/sv ) / ( 路径起始节点pv/sv )
 *  节点间pv/sv = 上一级节点流向当前节点的pv/sv
 *  节点间转化率 = ( 节点间pv/sv ) / ( 上一级节点pv/sv )

针对多级路径PV/SV延伸出：

*  页面转化率：假设有路径 A-B-C，A-D-C，A-B-D-C，其中ABCD分别是四个不同页面各自的转化
 *  计算三级页面C的转化率：(所有节点深度为3的路径中三级页面是C的路径的pv/sv和)÷(一级页面的pv/sv)
 *  路径转化率：假设有A-B-C，A-D-C，A-B-D-C，其中ABCD分别是四个不同页面，整个路径下的转化
 *  计算A-B-C路径中B-C的转化率：(A-B-C这条路径的pv/sv)÷(所有节点深度为3的路径中二级页面是B的路径的pv/sv和)

--------------------

# 3 获取路径的多级页面 #

[vivo：用户行为分析模型实践（一）—— 路径分析模型][vivo_]这篇里面有比较详细的说明了他们获取多级页面的方式，不过不是特别让人看得懂。。

session = [['p1','p2','p3','p4','p5','p6','p4'],
    ['p1','p5','p1','p5','p1','p5','p1'],
    ['p6','p7','p8','p5','p9','p4'],
    ['p1','p4','p5','p1'],
    ['p4','p5','p2','p3','p5']]
    
    sid = []
    for nx,ps in enumerate(session):
        for n,p in enumerate(ps):
            prev_node = [-1 if r < 0  else ps[r]  for r in range(n-4,n)]
            now_node = ps[n]
            next_node = [-1 if r > len(ps)-1  else ps[r]  for r in range(n+1,n+5)]
            sid.append([nx] + prev_node + [now_node] + next_node)
    
    cols = ['path','page_id_previous4','page_id_previous3','page_id_previous2','page_id_previous1',
    'page','page_id_next1', 'page_id_next2', 'page_id_next3', 'page_id_next4']
    sid_data = pd.DataFrame(sid,columns = cols)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 12]  
以上是按照下面的分发得出的：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 13]

对于这个数据构造的方式，笔者也没细细琢磨，就先半路退堂，留下问题好了。。。

*  这里的负向路径是怎么记录的？貌似上图的，左侧负向最下面两排和右侧正向最上面两排是重复的？
 *  这样列举多级，是不是还漏了很多？应该有20条左右
 *  计算PV/SV什么方式统计的？按列，全部相等？这样计算不会很快吧？

--------------------

# 参考文献 #

[vivo：用户行为分析模型实践（一）—— 路径分析模型][vivo_]  
[路径分析：如何将用户的网站行为轨迹可视化呈现？][Link 1]  
[漏斗分析：你可能低估了它的复杂度（逻辑细节及产品化）][Link 2]

[Attribution]: https://blog.csdn.net/sinat_26917383/article/details/117290387
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70]: /images/20221005/b26f53727aed42b8aa86a013ee81ec8e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 1]: /images/20221005/1303b3d1e52c4d0aaf145b49dc87fb8b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 2]: /images/20221005/d9a93ed1d0ba464e92951a38afef36d4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 3]: /images/20221005/a90ed1e9eafa4c27b21617fc1cd3a24e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 4]: /images/20221005/5f9a32a8e7d54ca0b27fa8e04333a296.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 5]: /images/20221005/c6cd7b4ebf534abb8c9be23a1ba60c70.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 6]: /images/20221005/dcb7e065bd7c4256b7a15cea0a10ddad.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 7]: /images/20221005/6cb4dbe5136f4a11a8411c7118750347.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 8]: /images/20221005/2fae6f1a463f4921ac3c597639201ba5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 9]: /images/20221005/2918d6679dd543188fd450a5021397a3.png
[20210701175117346.png]: /images/20221005/1ba4612c661945ec96d63e26f0786910.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 10]: /images/20221005/2f8ab35de8724504bb713ecbf9854bd2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 11]: /images/20221005/be2509d0d64a4a758f4c41cd7d138fd2.png
[vivo_]: https://mp.weixin.qq.com/s/FqehNCf2NOTEONjCACa-3w
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 12]: /images/20221005/f4c1efc397904a95b4735040e90e00cc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzI2OTE3Mzgz_size_16_color_FFFFFF_t_70 13]: /images/20221005/de35071d2f5c41c0becad02adb2799e2.png
[Link 1]: https://mp.weixin.qq.com/s/HZvDVo6ytUtDcOHvaZMSsg
[Link 2]: https://mp.weixin.qq.com/s?__biz=MzI0OTEzNzYyOA==&mid=2650415665&idx=1&sn=eeefe0e5d04c2db4fe3e21fa1a02e7f9&chksm=f1989282c6ef1b9417a77e639d84f6e04b3fff4c45156e8a4a770cb6fd06b4f8782ecc90763e&scene=21#wechat_redirect