网站流量统计中的用户识别方法

1、基于IP的用户识别

IP地址是最容易获取的信息&＃xff0c;任何的WEB日志中均会包含&＃xff0c;但其局限性也较为明显&＃xff1a;伪IP、代理、动态IP、局域网共享同一公网IP出口……这些情况都会影响基于IP来识别用户的准确性&＃xff0c;所以IP识别用户的准确性比较低&＃xff0c;目前一般不会直接采用IP来识别用户。

获取难度&＃xff1a;★

准确度&＃xff1a;★

2、基于IP&＃43;Agent的用户识别

同样基于最简单形式的WEB日志&＃xff0c;我们可以增加一项——Agent&＃xff0c;来提高单一IP方式识别用户的准确性。Agent也是WEB日志中一般都会包含的信息&＃xff0c;通过IP&＃43;Agent的方式可以适当提高IP代理、公用IP这类情况下用户的分辨度&＃xff0c;同时通过Agent还可以识别网络爬虫等特殊“用户”&＃xff0c;但同样准确度也欠高。

获取难度&＃xff1a;★

准确度&＃xff1a;★★

3、基于COOKIE的用户识别

当你通过自定义Apache日志格式或者Javascript的方法获得用户COOKIE的时候&＃xff0c;其实你已经找到了一个更有效的用户识别的手段。COOKIE在未被清除的其前提下可以认为是跟某个访问客户端电脑绑定的&＃xff08;一个客户端有可能包含多个COOKIE&＃xff09;&＃xff0c;所以用COOKIE来标识用户其实指的是用户使用的客户端电脑&＃xff0c;而并非用户本身。

用COOKIE识别用户的方法当然也存在缺陷&＃xff1a;最常见的就是COOKIE被清除而导致用户无法与原先记录实现对应&＃xff1b;同时由于客户端电脑会被共用&＃xff0c;或者用户会在不同的电脑上访问你的网站&＃xff0c;这个时候COOKIE就无法直接对应到该用户了。

获取难度&＃xff1a;★☆

准确度&＃xff1a;★★☆

4、基于用户ID的用户识别

基于用户ID的用户识别是最为准确&＃xff0c;因为一般情况下用户不同共享他的用户ID&＃xff0c;所以我们可以认为数据中的userid唯一地指向该用户&＃xff0c;几乎不存在偏差。当然要使用用户ID来识别用户是需要一定的前提条件的&＃xff1a;网站必须是提供用户注册登录服务的&＃xff0c;并且可以通过一些手段在点击流数据中记录 userid。

获取难度&＃xff1a;★★

准确度&＃xff1a;★★★

所以对于一个需要用户ID注册登录的网站来说&＃xff0c;用户唯一标识符的选择可以遵从以下顺序&＃xff1a;当用户注册登录时以userid为准&＃xff0c;当用户在未登录状态浏览时以用户的COOKIE为准&＃xff0c;当用户未登录且COOKIE无法获取的情况下以IP&＃43;Agent为准&＃xff1b;这样就能从最大程度上识别唯一用户。

这里推荐一个网站日志中COOKIE项的自定义设置方法&＃xff0c;以便更好地识别用户。COOKIE是从用户端存放的COOKIE文件记录中获取的&＃xff0c;这个文件里面一般在包含一个COOKIEid的同时也会记下用户在该网站的userid&＃xff08;如果你的网站需要注册登陆并且该用户曾经登录过你的网站且 COOKIE未被删除&＃xff09;&＃xff0c;所以在记录日志文件中COOKIE项的时候可以优先去查询COOKIE中是否含有用户ID类的信息&＃xff0c;如果存在则将用户ID写到日志的COOKIE项&＃xff0c;如果不存在则查找是否有COOKIEid&＃xff0c;如果有则记录&＃xff0c;没有则记为”-”&＃xff0c;这样日志中的COOKIE就可以直接作为最有效的用户唯一标识符被用作统计。当然这里需要注意该方法只有网站本身才能够实现&＃xff0c;因为用户ID作为用户隐私信息只有该网站才知道其在COOKIE的设置及存放位置&＃xff0c;第三方统计工具一般很难获取。
获取用户信息的途径

通过以上的方法实现用户身份的唯一标识后&＃xff0c;我们可以通过一些途径来采集用户的基础信息、特征信息及行为信息&＃xff0c;然后为每位用户建立起详细的 Profile&＃xff1a;

1)　用户注册时填写的用户注册信息及基本资料&＃xff1b;

2)　从网站日志中得到的用户浏览行为数据&＃xff1b;

3)　从数据库中获取的用户网站业务应用数据&＃xff1b;

4)　基于用户历史数据的推导和预测&＃xff1b;

5)　通过直接联系用户或者用户调研的途径获得的用户数据&＃xff1b;

6)　有第三方服务机构提供的用户数据。
识别并获取用户信息的价值

通过用户身份识别及用户基本信息的采集&＃xff0c;我们可以通过网站分析的各种方法在网站是实现一些有价值的应用&＃xff1a;

* 基于用户特征信息的用户细分&＃xff1b;
* 基于用户的个性化页面设置&＃xff1b;
* 基于用户行为数据的关联推荐&＃xff1b;
* 基于用户兴趣的定向营销&＃xff1b;
* ……