第一类用户浏览次数各不同，少数用户2-3个页面就离开，多数用户浏览6个左右的页面离开。
第一类用户主要关注分站、拆车坊、用车中心等相关新闻。
第一类用户行为轨迹图
聚类分析结果
第二类用户行为轨迹特征分析：
第二类用户浏览网站的星轨轨迹比较单一，大致分为两类型，第一类用户进入网站浏览产品库或车型库 中相关车系的图片，该类用户一般在产品库和车型库栏目之间不断跳转，浏览2-3款车系的多张图片，多 数用户习惯在产品库中按品牌查询一些热门车系，一般浏览3-4个品牌。
聚类分析是研究（样本或指标）分类问题的一种多元统计方法。是将对象集划分为若干类别的过程。 2、聚类分分析中主要采用相似系数法和距离法。
相似系数法，即性质越接近的样品，它们相似系数的绝对值越接近1，二彼此无关的样品，它们的形似系 数的绝对值越接近于零。比较相似的样品归为一类，不怎么相似的样品归为不同的类。 距离法，即将一个样品看做P维空间的一个点，并在空间定义距离，距离较近的点归为一类，距离较远的 点归为不同的类。
用户行为轨迹分析步骤
用户行为轨迹分析步骤有以下几点： 1、数据准备
以上海区域一天中点击次数超过10的用户数据作为原始数据，如下表：
上海 上海 上海 上海 上海 上海 上海 上海
用户 3031427193
1960921234
3031427193 3031427193 3031427193 1960921234 1960921234 1960921234 1960921234 1960921234
第二类用户中有一类用户只关注经销商活动，浏览轨迹非常单一，在车讯首页经销商活动端进入二级页 面，浏览10个左右页面退出，该用户不浏览“经销商活动”栏目外的栏目。
第三类用户行为轨迹特征分析：
聚类分析结果
第三类用户访问网站的主要目的就是拆车坊，该类用户一般会从拆车坊栏目直接进入网站，进而访问拆 车坊的各期专题，以及与各期专题相关的文章和视频，该类用户一般会访问3个左右的专题，视频以及文 章。
轨迹6
7 8 7 5 12 4 5 5 3 17
12 17
5
轨迹7
5
5 13
4
7 12 17
7 17
5
轨迹8
5
7 9 4
5 3 17
7 17
7
轨迹9 轨迹10
5
7
8
12
21
4
4
4
7
5
5
12
20
17
17
17
4
4
4
17
17
17
7
7
5
示例
用户 460541293
轨迹1 3
拆车坊
轨迹2 12
车讯首页
轨迹3 7
上海 上海 上海 上海 上海 上海 上海 上海
用户 3031427193
1960921234
3031427193 3031427193 3031427193 1960921234 1960921234 1960921234 1960921234 1960921234
1436848567121 1436853584145 1436854241689 1436841107257 1436841107304 1436841125115 1436841204497 1436841238967
户特点，展示有针对性的页面和栏目，增加用户好感，提升用户体验。 3、通过分析用户行为轨迹可以明确知道用户喜欢从网站的那个页面进入，又会从哪些页面退出。 4、分析用户的点击行为可以发现那些车型、车系最受用户关注。 5、明确用户的停留时间。
用户行为轨迹分析方法
用户行为轨迹分析主要采用聚类分析法 1、聚类分析原理
1436848567121 1436853584145 1436854241689 1436841107257 1436841107304 1436841125115 1436841204497 1436841238967
用户行为轨迹分析步骤
用户行为轨迹分析步骤有以下几点：
1、数据清洗
将用户浏览时间内点击不同给出相对应的中文名称，如下表：
轨迹1
轨迹2 27
3 3 12 3 12 3 7 3 12 17 5 3 17 3 3
轨迹3 26 12 12
9 7 13 12 7 12 3 17 3 12 17 12 12
轨迹4 27
8 7 5 12 13 4 5 9 11 17 5 7 17 4 7
轨迹5
9 8 25 7 13 7 7 7 22 17 5 4 17 7 5
名称 新闻 推荐 新闻 拆车坊 车讯首页 产品库 车型库 拆车坊专题
2、数据整理 给归类的中文名称编号，用户的每一次点击算作一次轨迹，且用序号表示，如下表：
用户行为轨迹最终数据
用户 3031427193 1960921234 1961297674 2346846730 1961657318 1883242660 3031094937 1918284389 3728903910 3662789786 1960870341 3662911490 460541293 1961061183 1961611054 1709678947
轨迹4 4
轨迹5 12
拆车坊专题 拆车坊视频 车讯首页
轨迹6 7
轨迹7 7
拆车坊专题 拆车坊专题
Байду номын сангаас轨迹8 4
拆车坊视频
轨迹9 4
拆车坊视频
轨迹10 4
拆车坊视频
聚类分析结果
聚类分析将用户不同的行为轨迹分为5类，即上海用户一天中的点击行为大致可以分为5种特征，如下表所示。
聚类分析结果
将样本中135个用户的行为轨迹特征分类5类，每个用户归属于不同的类别，如下表所示。
用户行为轨迹分析报告
谷永亮、李浩宇 赵晓琴、韩义亭 2015年7月22日
用户行为轨迹分析的目的
分析用户行为轨迹主要有以下几点用处： 1、可以将杂乱无章的用户浏览轨迹归类，从而知道用户浏览网站大致有哪些特征。 2、通过分析用户行为轨迹可以明确知道哪些频道或栏目最受用户的青睐，哪些频道用户点击率较低，针对用
聚类分析结果
第一类用户行为轨迹特征分析：
第一类用户以浏览新闻为主线，多数用户新闻导航作为入口，二级页面新闻导航下，新车、业界、专题 比较受用户青睐。进入相关栏目的新闻页，文章中涉及到的车系是用户比较关注的，一般会进入产品库 以及车型库浏览相关车系的图片以及参数。
第一类用户进入新闻栏目二级页面，也会习惯性点击导航栏目的首页、购车、用车、论坛、拆车坊等栏 目进入下一级页面。