用户行为路径多层级高维度分布可视化：sunburst原理及实践

如需转载，请给作者留言，并保留作者和原文信息。

sunburst并不算一种常见的可视化图型，但它却是一种很契合数据可视化原则的图形：将复杂的数据用简单形象的图形展示、信息量大、美观、易读。也是我个人推崇的一种可视化模型。

sunburst plot from google

sunburst plot看起来跟圆环图、饼图很像，实际上要复杂得多——因为sunburst的每一个扇形还能继续往下层划分。这就成为了一种多层次、多维度的分布可视化方法了。

案例分析：微视用户分析分析

用户行为路径示例

比如上图是一个微视用户分析路径的demo（当然实际数据一定复杂复多），不同层级表行为的关系，数字表行为发生数量。

我们先把这个非结构数据转化为结构化数据：

用户行为序列	数量
进关注页-关注用户	800
进关注页-放弃关注	100
进推荐页-看完-点赞-关注	600
进推荐页-看完-点赞-分享	400
进推荐页-看完-点赞-评论	500
进推荐页-看完-评论-关注	300
进推荐页-看完-分享	200
进推荐页-看完-点开音乐	300
进推荐页-不看完-刷过去	900
进推荐页-不看完-点发现	600
进推荐页-不看完-点消息	300
进推荐页-不看完-点我的	200
进频道页-进明星页	500
进频道页-进游戏页	500
进频道页-进其他页	2000
自拍-分享-分享至微信-分享好友	900
自拍-分享-分享至微信-分享群-500人群	800
自拍-分享-分享至微信-分享群-300人群	1200
自拍-分享-分享至微信-分享群-100人群	3000
自拍-分享-分享至微信-分享朋友圈	2000
自拍-分享-分享至微信-分享微博	1500
自拍-分享-分享至微信-APP内分享	1000
自拍-分享-分享至微信-不分享	2000

然后产出一张sunburst diagram：

> library(sunburstR)
> library(dplyr)
> 
> ws <- read.csv("SUNBURST.csv")
> ws
                          用户行为序列 数量
1                    进关注页-关注用户  800
2                    进关注页-放弃关注  100
3              进推荐页-看完-点赞-关注  600
4              进推荐页-看完-点赞-分享  400
5              进推荐页-看完-点赞-评论  500
6              进推荐页-看完-评论-关注  300
7                   进推荐页-看完-分享  200
8               进推荐页-看完-点开音乐  300
9               进推荐页-不看完-刷过去  900
10              进推荐页-不看完-点发现  600
11              进推荐页-不看完-点消息  300
12              进推荐页-不看完-点我的  200
13                   进频道页-进明星页  500
14                   进频道页-进游戏页  500
15                   进频道页-进其他页 2000
16       自拍-分享-分享至微信-分享好友  900
17 自拍-分享-分享至微信-分享群-500人群  800
18 自拍-分享-分享至微信-分享群-300人群 1200
19 自拍-分享-分享至微信-分享群-100人群 3000
20     自拍-分享-分享至微信-分享朋友圈 2000
21       自拍-分享-分享至微信-分享微博 1500
22      自拍-分享-分享至微信-APP内分享 1000
23         自拍-分享-分享至微信-不分享 2000
> 
> ws %>%
+   sunburst(count = T,sumNodes = T,withD3 = T)

sunburst-1

可见图中展示：一级行为自拍数量为12k，占总行为21k的60.2%。我们来验证一下是否是正确的：

> library(stringr)
> ws %>% filter(用户行为序列 %>% str_detect("自拍")) %>% select(数量) %>% sum # 用中文作变量名很不专业，不要学我
[1] 12400
> sum(ws$数量)
[1] 20600
> zipai <- ws %>% filter(用户行为序列 %>% str_detect("自拍")) %>% select(数量) %>% sum
> zipai
[1] 12400
> zipai/sum(ws$数量)
[1] 0.6019417

跟sunburst图上显示的一致。

sunburst_2

也可以看任意一层级的行为统计数和比例。

当然上面的图形是用sunburstR包生成的，如果直接用d3.js画，会有更好的交互效果。

总结

以上的案例给出了什么样的启示？

追踪用户行为路径，sunburst图不仅可以展示各种行为的比例，也可以对不同层级的行为自动汇总，计算比例，所以作为一个（数据）产品经理，首先梳理、归纳、抽象出用户的行为路径，sunburst是一个强大的行为分析可视化工具。

进一步抽象，任何一类多层次、高维度、且互斥的分类数据结构，都可以用sunburst diagram来可视化各层级比例关系。