建立基于登录用户和非登录用户的两套阅读行为点击收集服务,提供给报社旗下的线上传播渠道使用,主要包含新闻网站、新闻APP、微信小程序、数字报刊、微网站等形态,进而采集相应的点击行为数据。对登录用户和非登录用户建立统一标准的唯一用户标识,并能够准确处理登录用户在多个不同接触点登录的情形。
1. 用户阅读行为包括用户在新闻网站、新闻APP、微信小程序、数字报刊、微网站上的各种浏览行为,阅读行为数据包括:点击数据、站内搜索数据、阅读停留时间数据、来源网站数据、收藏数据、转评赞数据等。
2. 用户阅读行为的收集采用两种方法:js嵌码、SDK;其中嵌码适用于Web页面,包括新闻网站、微信小程序、数字报刊、微网站形态的产品;SDK则适用于苹果/安卓APP形态的产品。
3. 登录用户、非登录用户行为收集的差异:登录用户的行为数据收集,在流程上和非登录用户完全相同,主要区别是登录用户的行为数据,在嵌码或者调用SDK时,同时要调用特定的方法告知登录用户标识(一般是登录名而非用户真实姓名,网站/App等根据自身的情况来定)的信息。
从互联网生态视角引导服务媒体传播平台建设与发展,通过对新闻网站、新闻APP、微信小程序、数字报刊、微网站等传播平台用户基础行为数据、用户忠诚度指数、传播影响力指数、安全指数及与社交媒体的融合度分析,推动和促进传播平台的影响力扩大、舆情把控能力增强及新媒体应用能力显著提升。
平台可实现各传播渠道进行实时数据分析、访客流量分析、用户留存分析、来源分析、受访分析等分析模型:
1、实时数据分析:支持对用户实时访问走势、今日用户概览、用户实时行为、访问来源、活跃网页进行分析。包括但不限于实时热点操作、实时行为:访问用户实时走势、今日用户概览、用户实时行为、访问来源、活跃网页。
2、访客流量分析:分析站点的用户访问趋势、时长比例、访问明细等;
3、用户来源分析:分析用户流量的来源渠道,包括直接访问、外部链接导流、社交媒体引流、搜索引擎引流等,支持对搜索引擎引流的搜索词进行统计排行,帮助运营人员优化用户引流策略。
4、站点受访分析:站点受访分析包括点击热力图、受访页面排行、受访栏目排行等,帮助运营人员快速掌握多数用户的使用习惯和内容偏好。
5、用户留存分析:留存分析是一种用来分析用户参与情况/活跃程度的分析模型,考查进行初始行为后的用户中,有多少人会进行后续行为。这是衡量产品对用户价值高低的重要指标。
对具有某属性或者某些行为特征的用户进行群体特征分析。通过用户分群,快速找到用户行为的共性,分析不同用户群的使用情况。通过用户标签体系的建设,可对用户群体和单个用户进行标签画像,可细查单个用户的行为画像,回溯其历史行为,分析用户流失和转化。
用户标签体系是建立用户画像的基础,用户标签体系覆盖用户人口属性、用户阅读偏好、用户行为偏好、用户上网习惯等方面。
1、内容标签体系建设:
对新闻内容进行标签刻画。采取机器学习的相关算法来实现,即针对一系列给定的标签,对每篇新闻内容的特征标签进行自动化提取,作为每篇新闻稿件的标签,得到每篇新闻的媒体内容画像。
2、基于用户和内容标签关联的内容推荐:
可以基于用户标签体系和内容标签体系进行匹配,分析不同用户群体的阅读偏好,进而形成用户阅读行为数据库。
系统实时更新用户行为轨迹的记录,以自动更新用户的偏好与多维语义特征,实现为用户推荐用户感兴趣的信息。
建立基于登录用户和非登录用户的两套阅读行为点击收集服务,提供给报社旗下的线上传播渠道使用,主要包含新闻网站、新闻APP、微信小程序、数字报刊、微网站等形态,进而采集相应的点击行为数据。对登录用户和非登录用户建立统一标准的唯一用户标识,并能够准确处理登录用户在多个不同接触点登录的情形。
1. 用户阅读行为包括用户在新闻网站、新闻APP、微信小程序、数字报刊、微网站上的各种浏览行为,阅读行为数据包括:点击数据、站内搜索数据、阅读停留时间数据、来源网站数据、收藏数据、转评赞数据等。
2. 用户阅读行为的收集采用两种方法:js嵌码、SDK;其中嵌码适用于Web页面,包括新闻网站、微信小程序、数字报刊、微网站形态的产品;SDK则适用于苹果/安卓APP形态的产品。
3. 登录用户、非登录用户行为收集的差异:登录用户的行为数据收集,在流程上和非登录用户完全相同,主要区别是登录用户的行为数据,在嵌码或者调用SDK时,同时要调用特定的方法告知登录用户标识(一般是登录名而非用户真实姓名,网站/App等根据自身的情况来定)的信息。
从互联网生态视角引导服务媒体传播平台建设与发展,通过对新闻网站、新闻APP、微信小程序、数字报刊、微网站等传播平台用户基础行为数据、用户忠诚度指数、传播影响力指数、安全指数及与社交媒体的融合度分析,推动和促进传播平台的影响力扩大、舆情把控能力增强及新媒体应用能力显著提升。
平台可实现各传播渠道进行实时数据分析、访客流量分析、用户留存分析、来源分析、受访分析等分析模型:
1、实时数据分析:支持对用户实时访问走势、今日用户概览、用户实时行为、访问来源、活跃网页进行分析。包括但不限于实时热点操作、实时行为:访问用户实时走势、今日用户概览、用户实时行为、访问来源、活跃网页。
2、访客流量分析:分析站点的用户访问趋势、时长比例、访问明细等;
3、用户来源分析:分析用户流量的来源渠道,包括直接访问、外部链接导流、社交媒体引流、搜索引擎引流等,支持对搜索引擎引流的搜索词进行统计排行,帮助运营人员优化用户引流策略。
4、站点受访分析:站点受访分析包括点击热力图、受访页面排行、受访栏目排行等,帮助运营人员快速掌握多数用户的使用习惯和内容偏好。
5、用户留存分析:留存分析是一种用来分析用户参与情况/活跃程度的分析模型,考查进行初始行为后的用户中,有多少人会进行后续行为。这是衡量产品对用户价值高低的重要指标。
对具有某属性或者某些行为特征的用户进行群体特征分析。通过用户分群,快速找到用户行为的共性,分析不同用户群的使用情况。通过用户标签体系的建设,可对用户群体和单个用户进行标签画像,可细查单个用户的行为画像,回溯其历史行为,分析用户流失和转化。
用户标签体系是建立用户画像的基础,用户标签体系覆盖用户人口属性、用户阅读偏好、用户行为偏好、用户上网习惯等方面。
1、内容标签体系建设:
对新闻内容进行标签刻画。采取机器学习的相关算法来实现,即针对一系列给定的标签,对每篇新闻内容的特征标签进行自动化提取,作为每篇新闻稿件的标签,得到每篇新闻的媒体内容画像。
2、基于用户和内容标签关联的内容推荐:
可以基于用户标签体系和内容标签体系进行匹配,分析不同用户群体的阅读偏好,进而形成用户阅读行为数据库。
系统实时更新用户行为轨迹的记录,以自动更新用户的偏好与多维语义特征,实现为用户推荐用户感兴趣的信息。