การวิเคราะห์พฤติกรรมเป็นความก้าวหน้าล่าสุดในด้านการวิเคราะห์ธุรกิจซึ่งเผยให้เห็นข้อมูลเชิงลึกใหม่ๆ เกี่ยวกับพฤติกรรมของผู้บริโภคบน แพลตฟอร์ม อีคอมเมิร์ซเกมออนไลน์ แอปพลิเคชันบนเว็บและมือถือ และอินเทอร์เน็ตของสรรพสิ่ง ( IoT ) ปริมาณข้อมูลเหตุการณ์ดิบที่เพิ่มขึ้นอย่างรวดเร็วจากโลกดิจิทัล ทำให้สามารถใช้วิธีการที่เหนือกว่าข้อมูลประชากรและตัวชี้วัดแบบดั้งเดิมอื่นๆ ที่บอกเราว่าคนประเภทใดมีพฤติกรรมอย่างไรในอดีต การวิเคราะห์พฤติกรรมมุ่งเน้นไปที่การทำความเข้าใจว่าผู้บริโภคมีพฤติกรรม อย่างไร และเพราะเหตุใด ทำให้สามารถคาดการณ์ได้ว่าพวกเขามีแนวโนย้มที่จะมีพฤติกรรมอย่างไรในอนาคต ช่วยให้นักการตลาดสามารถนำเสนอข้อเสนอที่เหมาะสมแก่กลุ่มผู้บริโภคในเวลาที่เหมาะสมได้

การวิเคราะห์พฤติกรรมมีประโยชน์ในการตรวจสอบสิทธิ์เพื่อวัตถุประสงค์ด้านความปลอดภัย^{[ 1 ]}โดยใช้ปัจจัยที่ไม่สามารถระบุตัวตนได้แต่เป็นเอกลักษณ์เฉพาะบุคคลเพื่อยืนยันตัวตนของผู้ใช้ การตรวจสอบสิทธิ์ตัวตนของผู้ใช้จะดำเนินการในเบื้องหลังโดยใช้ปัจจัยต่างๆ เช่น การเคลื่อนไหวของเมาส์ความเร็วในการพิมพ์และพฤติกรรมประวัติการเข้าสู่ระบบ รายละเอียดเครือข่าย เช่น ที่อยู่IP เบราว์เซอร์ที่ใช้ เป็นต้น

การวิเคราะห์พฤติกรรมใช้ประโยชน์จากข้อมูลเหตุการณ์ของผู้ใช้ดิบจำนวนมหาศาลที่บันทึกไว้ระหว่างเซสชันที่ผู้บริโภคใช้แอปพลิเคชัน เกม หรือเว็บไซต์ ซึ่งรวมถึงข้อมูลการเข้าชม เช่น เส้นทางการนำทาง การคลิกการโต้ตอบบนโซเชียลมีเดียการตัดสินใจซื้อและการตอบสนองทางการตลาด ข้อมูลเหตุการณ์อาจรวมถึงเมตริกการโฆษณา เช่น เวลาคลิกเพื่อการแปลง รวมถึงการเปรียบเทียบระหว่างเมตริกอื่นๆ เช่น มูลค่าทางการเงินของคำสั่งซื้อและจำนวนเวลาที่ใช้บนเว็บไซต์^{[ 2 ]} จากนั้น จุดข้อมูล เหล่านี้จะถูกรวบรวมและวิเคราะห์ ไม่ว่าจะโดยการดูความคืบหน้าของเซสชันตั้งแต่ผู้ใช้เข้าสู่แพลตฟอร์มครั้งแรกจนกระทั่งมีการขายเกิดขึ้น หรือผลิตภัณฑ์อื่นๆ ที่ผู้ใช้ซื้อหรือดูก่อนการซื้อครั้งนี้ การวิเคราะห์พฤติกรรมช่วยให้สามารถคาดการณ์การกระทำและแนวโน้มในอนาคตได้โดยอาศัยการรวบรวมข้อมูลดังกล่าว

เนื่องจากการวิเคราะห์ต้องอาศัยการรวบรวมและประมวลผล ข้อมูลส่วนบุคคลจำนวนมากรวมถึงข้อมูลที่มีความละเอียดอ่อนสูง (เช่น รสนิยมทางเพศ ความชอบทางเพศ ปัญหาสุขภาพ สถานที่ตั้ง ความเชื่อทางศาสนา ฯลฯ) ซึ่งจะถูกแลกเปลี่ยนระหว่างฝ่ายต่างๆ หลายร้อยฝ่ายที่เกี่ยวข้องกับการโฆษณาแบบกำหนดเป้าหมาย การวิเคราะห์พฤติกรรมจึงก่อให้เกิดความกังวลอย่างมากเกี่ยวกับการละเมิดความเป็นส่วนตัว^{[ 3 ] [ 4 ]}

ในขณะที่การวิเคราะห์ธุรกิจมีขอบเขตที่กว้างกว่า โดยเน้นที่ใคร ทำอะไร ที่ไหน และเมื่อไหร่ ในแง่ของข้อมูลเชิงธุรกิจการวิเคราะห์พฤติกรรมจะจำกัดขอบเขตให้แคบลง ทำให้สามารถนำข้อมูล ที่ดูเหมือนไม่เกี่ยวข้องกัน มาวิเคราะห์คาดการณ์ และระบุข้อผิดพลาดและแนวโน้ม ในอนาคต ได้เป็นการมองข้อมูลในมุมมองแบบองค์รวมและเน้นความเป็นมนุษย์มากขึ้น โดยเชื่อมโยงข้อมูลแต่ละจุดเข้าด้วยกันเพื่อบอกเราไม่เพียงแต่ว่าเกิดอะไรขึ้น แต่ยังบอกด้วยว่าเกิดขึ้นได้อย่างไรและเพราะอะไร

ข้อมูลแสดงให้เห็นว่าผู้ใช้จำนวนมากที่ใช้แพลตฟอร์มอีคอมเมิร์ซแห่งหนึ่งค้นพบแพลตฟอร์มนั้นโดยการค้นหาคำว่า “อาหารไทย” บน Google หลังจากเข้าสู่หน้าแรกแล้ว ผู้ใช้ส่วนใหญ่ใช้เวลาอยู่บนหน้า “อาหารเอเชีย” สักพักแล้วก็ออกจากระบบโดยไม่ได้สั่งซื้อสินค้า การพิจารณาเหตุการณ์ เหล่านี้ แยกกันเป็นข้อมูลแต่ละจุดนั้นไม่ได้แสดงให้เห็นถึงสิ่งที่เกิดขึ้นจริงและสาเหตุที่ผู้คนไม่ได้ทำการซื้อ อย่างไรก็ตาม การดูข้อมูลเหล่านี้ในฐานะตัวแทนของพฤติกรรมผู้ใช้โดยรวมจะช่วยให้เราสามารถคาดเดาได้ว่าผู้ใช้กระทำการอย่างไรและเพราะเหตุใดในกรณีนี้

การวิเคราะห์พฤติกรรมจะพิจารณาปริมาณการเข้าชมเว็บไซต์และการดูหน้าเว็บทั้งหมดในรูปแบบของลำดับเหตุการณ์ที่เชื่อมโยงกันซึ่งไม่ได้นำไปสู่การสั่งซื้อ เนื่องจากผู้ใช้ส่วนใหญ่ออกจากเว็บไซต์หลังจากดูหน้า "อาหารเอเชีย" แล้ว จึงอาจมีความไม่สอดคล้องกันระหว่างสิ่งที่พวกเขากำลังค้นหาใน Google กับสิ่งที่หน้า "อาหารเอเชีย" แสดง เมื่อทราบเช่นนี้ การตรวจสอบหน้า "อาหารเอเชีย" อย่างรวดเร็วจะพบว่าไม่ได้แสดงอาหารไทยอย่างเด่นชัด ทำให้ผู้คนเข้าใจผิดว่าไม่มีอาหารไทยให้บริการ ทั้งๆ ที่มี

การวิเคราะห์พฤติกรรมเป็นแนวปฏิบัติทั่วไปในสภาพแวดล้อมทางการค้าAmazon.comเป็นผู้นำในการใช้การวิเคราะห์พฤติกรรมเพื่อแนะนำผลิตภัณฑ์เพิ่มเติมที่ลูกค้ามีแนวโน้มที่จะซื้อโดยพิจารณาจากรูปแบบการซื้อก่อนหน้านี้บนเว็บไซต์^{[ 5 ]} Targetยังใช้การวิเคราะห์พฤติกรรมเพื่อแนะนำผลิตภัณฑ์ให้กับลูกค้าในร้านค้าปลีกของตน ในขณะที่แคมเปญทางการเมืองใช้เพื่อพิจารณาว่าควรเข้าถึงผู้มีสิทธิเลือกตั้งอย่างไร นอกจากแอปพลิเคชันด้านการค้าปลีกและการเมืองแล้ว ธนาคารและบริษัทผู้ผลิตยังใช้การวิเคราะห์พฤติกรรมเพื่อจัดลำดับความสำคัญของลูกค้าเป้าหมายที่สร้างขึ้นจากเว็บไซต์ของตน การวิเคราะห์พฤติกรรมยังช่วยให้นักพัฒนาสามารถจัดการผู้ใช้ในเกมออนไลน์และแอปพลิเคชันบนเว็บได้^{[ 5 ]}

IBM และ Intel กำลังสร้างโซลูชันการวิเคราะห์ขั้นสูง ในด้านค้าปลีก นี่คือ IoT สำหรับติดตามพฤติกรรมการซื้อของ ( การติดตามในร้านค้า) ^{[ 6 ] [ 7 ]}

• อีคอมเมิร์ซและธุรกิจค้าปลีก – การแนะนำผลิตภัณฑ์และการคาดการณ์แนวโน้มยอดขายในอนาคต
• เกมออนไลน์ – การคาดการณ์แนวโน้มการใช้งาน ปริมาณการใช้งาน และความชอบของผู้ใช้ในเวอร์ชันที่จะออกในอนาคต
• การพัฒนาแอปพลิเคชัน – การวิเคราะห์วิธีการใช้งานแอปพลิเคชันของผู้ใช้ เพื่อคาดการณ์การใช้งานและความชอบในอนาคต
• การวิเคราะห์กลุ่มผู้ใช้ – การแบ่งผู้ใช้เป็นกลุ่มที่มีลักษณะคล้ายคลึงกัน เพื่อให้เข้าใจพฤติกรรมของพวกเขาได้อย่างเจาะจงมากขึ้น
• ความปลอดภัย – การตรวจจับข้อมูลประจำตัวที่ถูกบุกรุกและภัยคุกคามจากบุคคลภายในโดยการระบุพฤติกรรมที่ผิดปกติ
• คำแนะนำ – ผู้ที่ชื่นชอบสิ่งนี้ก็ชื่นชอบ...
• การนำเสนอเนื้อหาที่เกี่ยวข้อง (การตั้งค่า กลุ่มผู้ใช้ ฯลฯ) ตามพฤติกรรมของผู้ใช้^{[ 8 ]}

โซลูชันการวิเคราะห์พฤติกรรมที่เหมาะสมควรประกอบด้วย:

• การบันทึกข้อมูลเหตุการณ์ดิบจำนวนมหาศาลแบบเรียลไทม์จากอุปกรณ์ดิจิทัลและแอปพลิเคชันที่เกี่ยวข้องทั้งหมดที่ใช้ระหว่างการประชุม
• การรวบรวม ข้อมูลเหตุการณ์ดิบ โดยอัตโนมัติเข้าเป็นชุดข้อมูลที่เกี่ยวข้อง เพื่อให้เข้าถึง กรอง และวิเคราะห์ได้อย่างรวดเร็ว
• ความสามารถในการสืบค้นข้อมูลได้ไม่จำกัดจำนวนวิธี ทำให้ผู้ใช้สามารถตั้งคำถามทางธุรกิจใดๆ ก็ได้
• มีฟังก์ชันวิเคราะห์ในตัวมากมาย เช่น การวิเคราะห์กลุ่มตัวอย่าง การวิเคราะห์เส้นทาง และการวิเคราะห์กรวย
• ส่วนประกอบการแสดงภาพ

• นากาอิติส, มาร์ค. "การวิเคราะห์พฤติกรรม: เหตุผลและวิธีการของการช้อปปิ้งออนไลน์" . อีคอมเมิร์สไทมส์.

• เลอแคลร์, เจนนิเฟอร์. รัชชิน, เจสัน. "การวิเคราะห์พฤติกรรมสำหรับมือใหม่" . Z-Library.