流量统计工具如何获取的用户性别年龄等信息？

爱运营 • 2017年4月24日上午11:20 • 数据分析

建立了一个庞大的词库，这个词库是不断更新的，更新包括2个方面，第一个方面是不断的加入新的词汇，另一个方面则是进行词性的分析。不断加入新词大家比较容易理解，但是对于词性的判断可能大家不是很熟悉，词性的判断是这样的，比如：”软件”这个词，在一定程度上是存在男女性别兴趣度的，通过维度的算法和大量的基础调研，我们统计到如下数据：”软件”在概率上有1%的女性对这个词敏感，其中有99%的男性敏感。

第二步，一般URL上都会附着着一个句子，比如：某个URL上附着上的文字是：”最新软件下载。”维度会采集这个URL，然后进行分词处理，比如这个句子，在维度看来，会是这样的一个词组：”最新|软件|下载”我们会将这个句子做分词，然后分别分析性别概率。

比如：最新软件下载

会是这样：最新（21%女性关注，79%男性关注）

软件（1% 女性关注，99%男性关注）

下载（10%女性关注，90%男性关注）

我们综合得到这个URL的性别比例概率：

10%左右女性点击的可能性，90%男性点击的可能性

就此，我们得出这个URL的性别分布。

第三步，维度会统计某一个用户点击过所有的URL，包括上面的分词，然后累加做计算，然后部分参考用户鼠标行为，从而综合得到一个用户的性别概率分布。从而当某一个网站访问用户比较多，或者某一个网站使用维度统计比较长的时间后，维度基本上可以判断该网站性别分布概率。

总体来说，访问量比较大的站点，相对来说比较容易分析。如果访问量较小的站点，则维度需要较长时间进行连续统计分析。但是总体来说，统计到用户的URL越多，时间越长，数据的准确性越趋近真实性别分布概率。

以上是维度实现性别分析的大概过程，当然，真正的实现过程非常复杂，建立一个庞大的性别基准库，就相当大的消耗，而且基于词性本身的特点，词库需要不断的更新和进行基准判断。在用户看来很简单的一个性别分析，其实是由大量维度工程师不断辛苦工作的结果，而且还在不断完善过程中，希望大家可以在以后的日子多给我们提意见和批评！

非原创，网上摘的。