我有兴趣在点击流数据中对用户进行细分/聚类，并正在寻找一些关于如何去做的好建议。
假设我的数据由网站访问者的观察组成。数据采用点击流/博客格式，因此由用户 cookie 数据组成。假设我可以通过他们的 IP 地址识别唯一用户（作为一个基本示例）。我应该如何准备我的数据，以便可以对其进行细分以找到具有相似行为的用户？我对此的一个想法是，因为数据是事件驱动的，同一个用户显然可以在数据中出现多次，即使它可能都与该用户的同一个会话有关。如何解决这些类型的问题，以便您可以根据用户行为进行细分？
感谢您的建议！
这听起来像是一项与时间相关的预测任务……即预测。您可用的数据是事件驱动的，例如，当用户点击链接/刷新页面/点击 Google 广告等时记录数据。这意味着您需要将数据视为时间序列对于每个用户。如果您可以访问 ESP（事件流处理），这会更容易，但假设您没有。因此，您需要识别每个用户，汇总他们的信息/功能，以便您拥有识别他们访问的唯一页面数量、他们拥有的会话数等的功能。然后您可以对这些用户进行细分，您可能会也可能不会从中获得有用的部分。您甚至可以更进一步进行会话分析，从而识别独特的会话和集群/分段用户会话，以寻找良好的视觉模式或异常。