目前所有对用户行为的分析莫过于这种几种模式:用户注册信息,定制列表,操作记录,用户历史轨迹跟踪等。但是这些都只是用户行为分析中的冰山一角，在实际分析过程中，维度(www.vdoing.com)将诸多信息进行权重排序，提炼核心信息来构建一个3维的统计分析体系。

　　对于一个新站点来说，进行用户行为分析，最缺乏的是用户在站内的行为轨迹。因为没有一定量的数据，是很难通过正态分析，也没有办法进行聚类分析，无法确立群体特征的。如果一个新站希望能够在用户行为分析和挖掘上有一定的作为，在使用一般统计和分析情况下将非常困难，可能要从跟踪用户的所有轨迹，然后不断的沉淀才能逐步的实现。所以真正想分析出网站用户群体的特点，在传统的统计办法中，是很难在很短时间内完成的，基于这个情况，导致很难在短时间内完成用户行为分析，如果完成了，其结果也是很难准确的。

　　对于一个已经有百万以上会员的网站来说，进行用户行为分析和挖掘，在传统统计分析过程第一步是需要分离用户，这也是一个非常艰难的事情。只有分离用户后，才可以找出有价值的用户，进行深度分析，使用传统办法，难度也将相当大。

　　对于以上问题，或者说对于任意一个在互联网上活动的人来说，都可以将任何用户的访问过程进行定义，即：某个人、在某个区域、 在某个网络环境下、使用某个计算环境、 需要寻找或者处理某件事情，接着产生访问某个网站产生某些行为，对这些数据进行提炼分析，从而解决以上对用户访问分析的深度挖掘。

　　维度将他们这个行为过程进行如此的分解：

　　1、 某个人(性别、年纪、职业)

　　2、 在某个区域(物理地址，比如：北京某地区)

　　3、 在某个网络环境下(运营商，比如：北京电信ADSL)

　　4、 使用某个计算环境(操作系统、IE等 ...)

　　5、 需要寻找或者处理某件事情(如：查找信息或浏览)

　　6、 接着产生访问某个网站产生某些行为(鼠标事件 。。。。)

　　网站流量统计系统，是挖掘网站用户行为最重要的工具之一，因为统计系统是目前最详细记录访客行为过程的一种工具，我们将数据挖掘分为3个阶段，

　　第一个阶段为：数据的采集和统计。

　　第二个阶段则是对采集到的数据进行过滤和分析，

　　第三阶段：也就是对已经过滤和初步分析的数据进行聚类等等分析，挖掘出其中蕴含的价值点或者方法。

　　但是目前所有的网站流量统计系统都只做到了对数据的第一层，即：用户部分信息的统计，甚至这些部分的数据也没有完整获得。所以对于网站用户的深度分析，目前依然是一个具备相当挑战的工作，，对于数据分析领域，其中之艰辛，其中的难度远非常人可以想象。基于用户的行为过程，我们可以简单的如下归类，同时将用户行为定义为一个3个维度综合信息的体系

　　1、 某个用户(用户性别、年纪等核心数据)

　　2、在某段时间内(随着自然时间的推移，进行正常时间的记录)

　　3、产生了某个行为(网络上的行为基本可以分为2种具体体现，即：1、键盘操作。2、鼠标行为。对于键盘操作信息，基本上是完全放弃，因为涉及用户隐私等基本原则问题，属于统计禁地。对于鼠标行为，只包括对用户鼠标轨迹，鼠标点击URL事件的记录，技术上可以实现，同时不直接涉及用户个人隐私，或相对较少，可能带来的危害性较小)

　　基于这些过程信息，我们将用户访问过程进行归纳，提炼其访问过程核心信息。

　　1、 某个用户，核心信息包括：用户性别、用户年纪、用户职业

　　该数据只能为概率数据，原因如下：在基于一定基数的情况下，统计大量已知性别，年纪用户鼠标轨迹行为的特点后归纳其行为特征，寻找合适的轨迹算法，但是该轨迹算法是基于基准行为库的概率统计，所以该数据只可能以概率的形式在这个体系下表现。

　　2、 用户行为，核心信息包括：鼠标鼠标滑动轨迹、鼠标点击热区、鼠标点击时间顺序

　　3、 内容信息，核心信息包括：鼠标点击URL附着文字内容，对附着文字进行分词分析，确定其内容类别以及文本特点。

　　未完待续，维度统计(www.vdoing.com)

　　附，某网站用户热区图