王慶春 豐蘇 單紅霞 徐永斐 鄭燕玲 許冰

摘 要： 在對(duì)國外智慧政府門戶網(wǎng)站研究和實(shí)踐進(jìn)行回顧的基礎(chǔ)上，基于中國政務(wù)網(wǎng)站智能分析云中心提供的82家中國政府網(wǎng)站用戶訪問行為大數(shù)據(jù)集，對(duì)政府網(wǎng)站用戶需求的時(shí)空變化規(guī)律、主題分類等進(jìn)行了分析，并從網(wǎng)站頁面優(yōu)化、服務(wù)流程優(yōu)化和欄目體系優(yōu)化三個(gè)層面分別介紹了基于熱力圖、漏斗圖、需求相似度分析等數(shù)據(jù)挖掘技術(shù)開展政府網(wǎng)站服務(wù)優(yōu)化的方法和案例。

關(guān)鍵詞： 大數(shù)據(jù)； 智慧城市； 智慧政府門戶； 用戶行為分析

中圖分類號(hào)：TP399 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2017）05-79-04

The construction of intelligent government portal based on big data

Wang Qingchun， Feng Su， Shan Hongxia， Xu Yongfei， Zheng Yanling， Xu Bing

（General Administration of Quality Supervision， Inspection and Quarantine of the People's Republic of China， Beijing 100088， China）

Abstract： The paper analyzes the temporal and spatial variation rules of the users' needs of the government website， the subject classification based on the research and practice of foreign intelligent government portal， and 82 Chinese government website user access behavior large data sets provided by China Government Website Intelligent Analysis Cloud Center. And from the three respects of web page optimization， service process optimization and column system optimization respectively， the paper also introduces the methods and cases of government website service optimization with the data mining techniques based on thermogram， funnel graph and demand similarity analysis.

Key words： big data； smart city； government portal wisdom； behavior targeting

0 引言

當(dāng)前，“智慧城市”已成為信息化時(shí)代城市治理和社會(huì)發(fā)展的新模式、新形態(tài)。智慧政府門戶的基礎(chǔ)是大數(shù)據(jù)應(yīng)用[1]。其重要的意義在于用數(shù)據(jù)創(chuàng)造更大的公共價(jià)值，形成政民融合、互動(dòng)的互聯(lián)網(wǎng)治理新格局。

本文在回顧發(fā)達(dá)國家基于大數(shù)據(jù)提升智慧政府網(wǎng)站服務(wù)能力方面成功經(jīng)驗(yàn)的基礎(chǔ)上，結(jié)合國家質(zhì)檢總局和國家信息中心近年來圍繞大數(shù)據(jù)分析、服務(wù)優(yōu)化等領(lǐng)域的探索與實(shí)踐，介紹了政府網(wǎng)站的大數(shù)據(jù)分析技術(shù)及其應(yīng)用案例。

1 現(xiàn)有的研究與實(shí)踐

國外研究者普遍認(rèn)為[2]，以用戶為中心，提供高質(zhì)量、差異化的在線服務(wù)已經(jīng)成為全球政府網(wǎng)站發(fā)展的基本特征[3]?；跀?shù)據(jù)分析來研究用戶需求，提出優(yōu)化方案，成為國外政府網(wǎng)站建設(shè)與管理研究的重要議題之一[4]。即近幾年來政府網(wǎng)上公共服務(wù)分析工具的技術(shù)創(chuàng)新，開始朝向基于云模式采集用戶行為數(shù)據(jù)、應(yīng)用大數(shù)據(jù)分析平臺(tái)開展用戶行為挖掘的模式[5]轉(zhuǎn)變。

首先，美國、英國、澳大利亞、日本等發(fā)達(dá)國家政府門戶網(wǎng)站和聯(lián)合國門戶網(wǎng)站均已部署了基于云服務(wù)模式的網(wǎng)站用戶行為分析系統(tǒng)。

其次，發(fā)達(dá)國家還高度重視相關(guān)研究機(jī)構(gòu)和專業(yè)團(tuán)隊(duì)的建設(shè)。美國早在數(shù)年前就成立了美國聯(lián)邦政府網(wǎng)站管理者委員會(huì)網(wǎng)站量化分析分會(huì)[6]。

第三，通過應(yīng)用先進(jìn)的網(wǎng)站分析技術(shù)，發(fā)達(dá)國家政府網(wǎng)站能夠有針對(duì)性地改進(jìn)政府網(wǎng)站服務(wù)。如英國政府要求政府網(wǎng)站必須收集訪問量、頁面瀏覽量等數(shù)據(jù)，并在此基礎(chǔ)上網(wǎng)站運(yùn)行情況的評(píng)估[7]。

2 本文研究的數(shù)據(jù)來源

本文使用的政府網(wǎng)站大數(shù)據(jù)集合主要來自中國政務(wù)網(wǎng)站智能分析云中心所提供的基礎(chǔ)數(shù)據(jù)。為確保政府網(wǎng)站所屬機(jī)構(gòu)隱私信息不被泄露，本文對(duì)涉及具體網(wǎng)站的信息做匿名化處理，僅保留研究所需要的基本內(nèi)容。

截至2014年6月，中國政務(wù)網(wǎng)站智能分析云中心已為1800多家政府網(wǎng)站提供數(shù)據(jù)分析服務(wù)。在具體研究中，本文選擇了較有代表性的82家政府網(wǎng)站進(jìn)行了統(tǒng)計(jì)分析。數(shù)據(jù)分析時(shí)段為2013年1月1日至2013年9月30日。原始數(shù)據(jù)采集總量約5000萬條。

3 基于大數(shù)據(jù)分析感知用戶需求

3.1 政府網(wǎng)站用戶需求的時(shí)空變

3.1.1 政府網(wǎng)站用戶需求的時(shí)間演化分析

不同月份中用戶需求熱點(diǎn)主要與以下兩方面的因素密切相關(guān)：一是中央推出的重大舉措、重要改革、重要會(huì)議、重要政策等；二是各月份發(fā)生的節(jié)慶活動(dòng)、重大災(zāi)害、公共事件等與群眾日常生產(chǎn)生活關(guān)系密切的事件。

筆者曾對(duì)某農(nóng)業(yè)政府部門網(wǎng)站上，用戶對(duì)于“玉米”及其相關(guān)服務(wù)需求主題在一年時(shí)間內(nèi)的變化情況進(jìn)行了分析。

其中，關(guān)于“玉米除草”類關(guān)鍵詞，其用戶需求主要集中在玉米的播種期，因此對(duì)于玉米除草和病蟲害防治等信息關(guān)注較多。關(guān)于“玉米價(jià)格”類關(guān)鍵詞需求，主要集中在9月份前后。

通過上述分析可看出，農(nóng)業(yè)政府網(wǎng)站用戶的需求信息與農(nóng)業(yè)生產(chǎn)活動(dòng)規(guī)律高度相關(guān)，并且呈現(xiàn)出動(dòng)態(tài)變化的特征。

3.1.2 政府網(wǎng)站用戶需求的地域差異分析

筆者以82家樣本政府網(wǎng)站為對(duì)象，分析了三類不同地域用戶在各項(xiàng)基本需求分類中的差異性。如圖1所示。

從圖1可以看出，本地用戶更加關(guān)心當(dāng)?shù)氐闹髽I(yè)、政府機(jī)構(gòu)、行政地名和重要人物等信息。省外用戶和國外用戶對(duì)于文化旅游詞的需求明顯高于省內(nèi)用戶。此外，非中文關(guān)鍵詞的主要用戶群體是海外用戶，對(duì)于提升網(wǎng)站國際影響力具有重要作用。

中國的不同地域用戶對(duì)于同類服務(wù)的需求存在顯著差異性。不同地區(qū)用戶對(duì)于農(nóng)產(chǎn)品類政府網(wǎng)站信息服務(wù)需求的差異性與農(nóng)業(yè)生產(chǎn)的地域分布規(guī)律高度吻合。這提示我們，政府網(wǎng)站需設(shè)計(jì)面向不同地域用戶的服務(wù)頻道，從而有效提高政府網(wǎng)站服務(wù)的智慧化和個(gè)性化水平。

3.2 政府網(wǎng)站用戶需求的主題分類

3.2.1 用戶站外搜索關(guān)鍵詞語義分類框架

⑴ 人名職務(wù)詞

人名職務(wù)詞主要包括三類：

第一類是職務(wù)職稱詞，通過人工梳理的方式總結(jié)了黨政機(jī)構(gòu)和公共機(jī)構(gòu)的常用職務(wù)職稱的后綴詞庫；

第二類是名人姓名詞匯，課題組手工收集了政治人物、歷史名人、文化名人詞、當(dāng)代社會(huì)知名人士等姓名信息共28122條；

第三類是常見人名詞。

⑵ 公務(wù)公文詞

公務(wù)公文詞庫包括四類：

第一類是公文及相關(guān)文體結(jié)尾詞；

第二類是公務(wù)員日常工作相關(guān)詞；

第三類是與公務(wù)員思想建設(shè)相關(guān)的關(guān)鍵詞；

第四類是公務(wù)員日常專題工作相關(guān)詞。

⑶ 辦事服務(wù)詞

辦事服務(wù)詞庫包括三類：

第一類是辦事動(dòng)作詞；

第二類是辦事客體詞；

第三類是辦事事項(xiàng)詞。

⑷ 政府機(jī)構(gòu)詞

所謂政府機(jī)構(gòu)詞，即與政府部門和事業(yè)單位相關(guān)的關(guān)鍵詞。通過對(duì)全國各級(jí)各類部、委、辦、局、廳、處等政府機(jī)構(gòu)名稱及縮寫詞的梳理，構(gòu)建了政府機(jī)構(gòu)后綴詞詞庫。

⑸ 其他機(jī)構(gòu)詞

所謂其他機(jī)構(gòu)詞，主要包括以下幾類：

第一類是經(jīng)營性單位詞，即以諸如公司、茶城、咖啡廳等為后綴的詞；

第二類是事業(yè)單位詞，即以諸如醫(yī)院、文化活動(dòng)室等為后綴的詞；

第三類是著名企業(yè)品牌詞，即以諸如家樂福、肯德基、沃爾瑪?shù)戎放浦形拿Q為后綴的詞。

⑹ 文化旅游詞

文化旅游詞的提取方案包括以下三種：

第一種，全國的4，781條著名名勝古跡名稱，采用全文匹配的方式提取關(guān)鍵詞，如峨眉山、青城山等；

第二種，是提取具有共性的景點(diǎn)結(jié)尾詞，采用結(jié)尾匹配的方式提取關(guān)鍵詞，如科技館、冰雪世界等；

第三種，是提取旅游活動(dòng)內(nèi)容的關(guān)鍵詞，采用結(jié)尾匹配的方式提取關(guān)鍵詞，如垂釣、采摘等。

⑺ 地名區(qū)劃詞

首先，提取地名區(qū)劃詞的共性結(jié)尾，采用結(jié)尾匹配的方式提取關(guān)鍵詞，如社區(qū)、街道、鎮(zhèn)、鄉(xiāng)等；

其次，收集全國寸以上行政區(qū)劃名稱，并采用全文匹配的方式提取關(guān)鍵詞。

⑻ 非中文詞

提取用戶輸入站外搜索關(guān)鍵詞中不包含任何中文字符的關(guān)鍵詞，并納入這一類別。

3.2.2 政府網(wǎng)站用戶站外搜索關(guān)鍵詞的主題分類

通過對(duì)82家樣本政府網(wǎng)站數(shù)據(jù)統(tǒng)計(jì)分析，將目前我國政府網(wǎng)站站外搜索關(guān)鍵詞的主題劃分為八類。分布情況如圖2所示。

⑴ 政府機(jī)構(gòu)名稱詞。這類用戶搜索關(guān)鍵詞實(shí)際上對(duì)應(yīng)的用戶行為是通過搜索引擎訪問政府網(wǎng)站首頁并繼續(xù)查找相關(guān)信息，盡管比例很高，但其并不能直接反映用戶的需求主題，需結(jié)合其來到政府網(wǎng)站之后的點(diǎn)擊流行為加以分析。

⑵ 公務(wù)公文詞。這類用戶搜索關(guān)鍵詞背后所對(duì)應(yīng)的用戶群體很多情況下以公務(wù)員用戶居多。

⑶ 辦事服務(wù)詞。這類關(guān)鍵詞最能夠反映社會(huì)公眾對(duì)于政府網(wǎng)上公共服務(wù)的真實(shí)需求。

4 基于大數(shù)據(jù)分析優(yōu)化網(wǎng)站服務(wù)

4.1 網(wǎng)站頁面設(shè)計(jì)優(yōu)化：熱力圖分析技術(shù)

所謂點(diǎn)擊熱力圖，就是按該頁面用戶鼠標(biāo)點(diǎn)擊行為的頻次、位置等基本信息，并對(duì)頁面上每一個(gè)像素所吸引鼠標(biāo)點(diǎn)擊次數(shù)的多少繪制色彩，從多到少依次為黃色、橙色、紅色、藍(lán)色和白色，能夠非常直觀地反映用戶需求熱點(diǎn)的分布情況。以下以國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局網(wǎng)站首頁的“在線服務(wù)”欄目的熱力圖分析為例，介紹基于熱力圖分析工具優(yōu)化網(wǎng)站頁面設(shè)計(jì)的基本思路。

第一步，選擇辦事事項(xiàng)大類方式，包括按業(yè)務(wù)類別、使用對(duì)象、審批方式和辦理機(jī)構(gòu)四類。

第二步，選擇辦事事項(xiàng)小類，如業(yè)務(wù)類別分類下又包含了產(chǎn)品質(zhì)量監(jiān)督、通關(guān)等10類辦事事項(xiàng)。

第三步，選擇具體事項(xiàng)名稱，總局網(wǎng)站默認(rèn)提供了4條入口。

第四步，可以點(diǎn)擊“more”按鈕，查看該小類下的所有辦事事項(xiàng)列表。

為考察上述國家質(zhì)檢總局網(wǎng)站在線服務(wù)欄目的四個(gè)步驟用戶使用情況。下圖顯示了國家質(zhì)檢總局網(wǎng)站首頁“在線服務(wù)”欄目的熱力圖分布情況：

可以看出，步驟2點(diǎn)擊比例為8.25%，步驟3點(diǎn)擊比例為2.02%。只有25%的人點(diǎn)擊了具體辦事事項(xiàng)名稱；從熱力圖上看，步驟4“more”按鈕的點(diǎn)擊也僅為0.24%，說明大量用戶可能在選擇完服務(wù)事項(xiàng)小類之后就流失了。

可能有兩點(diǎn)原因：一是“more”按鈕字體過小，位置不醒目，容易被忽視，二是從用戶角度看，從步驟1到步驟4，體現(xiàn)了用戶使用該欄目的基本行為路徑；而目前設(shè)計(jì)中，步驟4反而跑到了步驟3的前面，這不符合用戶瀏覽網(wǎng)頁的習(xí)慣，因此這種設(shè)計(jì)難以被大多數(shù)“粗心”的用戶發(fā)現(xiàn)，導(dǎo)致大量用戶流失。

在發(fā)現(xiàn)上述用戶體驗(yàn)問題之后，質(zhì)檢總局網(wǎng)站將步驟4的“more”按鈕改為 “更多服務(wù)事項(xiàng)”，使其更加容易被中文用戶接受；同時(shí)，按鈕字體樣式改變，使其更加醒目；將步驟4的位置挪到了步驟3之下。

自調(diào)整之后，質(zhì)檢總局網(wǎng)站在線服務(wù)欄目訪問人次有了顯著上升。

4.2 網(wǎng)站服務(wù)流程優(yōu)化：漏斗圖分析技術(shù)

一個(gè)完整的政府在線服務(wù)的網(wǎng)上辦事環(huán)節(jié)，在一定程度上類似于電商網(wǎng)站的購物流程。根據(jù)路徑轉(zhuǎn)化漏斗圖，政府網(wǎng)站監(jiān)測(cè)者可以直觀了解每一步業(yè)務(wù)流程的實(shí)現(xiàn)率、流失率，并可以對(duì)漏出的部分用戶進(jìn)行多維度數(shù)據(jù)分析，優(yōu)化辦事流程的設(shè)計(jì)。以某地方旅游局網(wǎng)站上提供的景區(qū)門票在線購買流程為例，5.17%的用戶從首頁來到了購物車頁面，70.31%的用戶在購物車頁面選擇繼續(xù)瀏覽下一頁面，而在付款頁面中，94.52%的用戶順利完成了門票購買交易。

圖5也可以看出，從購物車頁面到確定訂單頁面的用戶流失率較高，為29.69%。如果這部分用戶停留時(shí)間過長，說明在這一環(huán)節(jié)中比較迷茫，需要提示；如果停留時(shí)間過短，說明辦事步驟可能存在讓用戶走不下去的情況。經(jīng)過進(jìn)一步分析發(fā)現(xiàn)，流量損失的原因在于注冊(cè)和登錄環(huán)節(jié)，很多用戶覺得過于繁瑣，而在該環(huán)節(jié)選擇了漏出。

4.3 網(wǎng)站欄目體系優(yōu)化：需求相似度分析技術(shù)

成都政府網(wǎng)站曾引入多維尺度分析工具，對(duì)網(wǎng)站中的相應(yīng)欄目進(jìn)行了調(diào)整[8]。

欄目需求相似度分析，是通過判斷兩個(gè)欄目的用戶群體實(shí)際需求的重合程度，并對(duì)比其在實(shí)際功能定位和內(nèi)容主題上的差異性，根據(jù)不同情況提出對(duì)策的研究方法。有以下兩種情況：

⑴ 欄目A和欄目B分別從屬于不同的大廳欄目，并且其政務(wù)屬性具有明顯分別，但兩個(gè)欄目的用戶需求高度相似，對(duì)于這類欄目，應(yīng)當(dāng)在彼此之間增加深度鏈接機(jī)制，以方便用戶在兩個(gè)欄目服務(wù)之間切換；

⑵ 欄目A和欄目B分別從屬于不同的大廳欄目，其政務(wù)屬性沒有明顯差異，兩個(gè)欄目的用戶需求高度相似?？梢钥紤]通過欄目合并的方式，突出網(wǎng)站的特色服務(wù)，形成拳頭產(chǎn)品。

對(duì)成都市政府門戶網(wǎng)站政民互動(dòng)的二級(jí)欄目需求相似度進(jìn)行分析，結(jié)果如下。

政府信箱、市長信箱、市民話題三個(gè)欄目的用戶需求高度相似，說明用戶對(duì)于上述三個(gè)欄目的政務(wù)屬性差異并不理解，而是傾向于將其視為同一類服務(wù)使用。因此建議將政府信箱和市民話題欄目合并入市長信箱欄目。

聽證會(huì)欄目用戶群體需求與其他欄目差異明顯。該欄目的無效關(guān)鍵詞主題十分散亂。說明此類用戶是因?yàn)橹黝}相似而被“誤導(dǎo)”到網(wǎng)站上來。為此，可以建議成都網(wǎng)站在聽證會(huì)欄目中，增加“相關(guān)信息”鏈接，有效增加用戶黏度。

5 結(jié)束語

本文結(jié)合課題組近年來對(duì)政府網(wǎng)站大數(shù)據(jù)分析和政府網(wǎng)站服務(wù)優(yōu)化方面的實(shí)踐探索，介紹了當(dāng)前我國智慧政府門戶建設(shè)過程中應(yīng)當(dāng)著重解決的技術(shù)問題和應(yīng)用案例。希望本文研究，能夠?yàn)橹袊腔鄢鞘薪ㄔO(shè)研究者和從業(yè)人員提供有益借鑒。

參考文獻(xiàn)（References）：

[1] 于施洋，楊道玲，王璟璇，張勇進(jìn)，王建冬.基于大數(shù)據(jù)的智慧政府門戶：從理念到實(shí)踐[J].電子政務(wù)，2013.5：65-74

[2] Pieter Verdegem， Gino Verleye.User-centered E-Government in practice： A comprehensive model for measuring user satisfaction[J]. Government Information Quarterly，2009.

[3] United Nations. United Nations E-Government Survey 2010：Leveraginge-government at a time of financial and economic crisis[R/OL]. New York，2010.12.25.

[4] European Commission. 8th e-Government Benchmark Measurement：European Commission Directorate General for Information Society and Media Smarter， Faster， Better eGovernment[R/OL]，2009.

[5] Avinash Kaushik.精通Web Analytics 2.0——用戶中心科學(xué)

與在線統(tǒng)計(jì)藝術(shù)[M].清華大學(xué)出版社，2011.

[6] Web Metrics/Analytics Community[EB/OL]. http：//www.howto.gov/communities/federal-web-managers-council/metrics

[7] 姚國章.英國電子政務(wù)發(fā)展案例[J].電子政務(wù)，2005.Z6.

[8] 王建冬，于施洋.基于用戶體驗(yàn)的政府網(wǎng)站優(yōu)化：動(dòng)態(tài)調(diào)整欄目[J].電子政務(wù)，2012.8：28-34