Fengxiaoping's bubble

对于追踪用户行为来说，有很多工具都可以实现，比如国内的友盟，老牌的Google Analytics，近些年很火的Mixpanel。但如果你很想实时看到你的用户在你的产品里如何玩耍的话，你应该试试Woopra。

WooPra

Woopra不算是新产品了，2008年起就在提供服务了。产品也很低调，2011年起就没有出现在Startup新闻里。似乎也没找到近些年的投资纪录。按照CrunchBase的描述，Woopra是一个为销售和市场提供客户实时分析服务的产品。

Woopra is a real-time customer analytics service providing solutions for sales, service, marketing and product teams.

不过按Alexa的数据来看，Woopra最近的日子并不好过，流量一直在下降。

然而Bounce Rate，Daily Pageviews per Visitor都在上升。看来用户忠诚度还是蛮高的。

用户纬度行为跟踪

从首页的Banner就可以看出，Woopra可以帮你把用户在应用里的行为转换为用户本身的行为时间线。

免费用户也是能注册的，不过仅限30000次行为每月的数量，确实比起Mixpanel就差太多了。不过，实时也许是个好玩且值得的体验。

Setup

很简单，贴一段JS到head里。跟Mixpanel一样，Woopra可以允许你把自己系统里的用户对应到Woopra的用户。只需要执行一句

woopra.identify({
  email: '{{ account.email }}',
  name: '{{ account.name }}'
});

然后就可以在各种地方执行事件记录代码啦

woopra.track('wanshua', {
  with: '王铁锤',
  activity: '羞羞'
});

只要一执行trace函数，在后台就能看到这个事件。包括你所有的事件细节。还有用户地点（翻墙到日本）以及浏览器，系统。

当然，跟Mixpanel一样，Woopra也提供report，funnel，retention这类的report。不过我觉得最酷的也只有他家的Dashboard了，实时的呦。

AppConnect

他们最近的新动作就是AppConnect，允许Woopra介入第三方应用。嗯，它的接入的含义就是，Woopra可以将统计数据输出到各种第三方服务中。比如把你的report输出到Dropbox保存为文件。把用户做了啥当作消息输出到Slack。想象一下你的slack会跟你说，“用户王大锤和蛋蛋搞基了，本周的第10次”。

不过我觉得更明智的做法是用Zapier，让你的信息可以跟几乎所有暴露API的服务互通。

我们知道前段时间有报道说Facebook说他们的人脸识别技术达到，甚至超过了人类识别人脸的能力。很酷是不是。今天介绍个可以直接用的更酷的东西：物体识别。

Concept Recognition

如果你想让程序知道这张图大概是讲什么的，怎么办？Rekognition（是的，破名字…）就可以做到。他们家提供了最普通的人脸识别以外，还提供了场景识别，明星识别，以及今天要讲的概念识别。
先直观感受一下Demo。通过这张图，Rek可以识别出70%概率这张图讲的是beach。

This image is about :
beach:70.65%
cloud:66.57%
sky:33.56%
island:10.88%
shore:7.56%

“丫绝对是找了个special case！”，是的我也这么想的。好，我决定用我的narrative拍的照来测试下。这是我18号在路上的一张照片。其中很明显的有两种东西：汽车和路牌。

分析结果如下

basketball court:60.2%
car:31.89%
street sign:29.07%
motor scooter:20.09%
pop bottle:12.09%

看到第一个失望了吧。篮球个毛啊，哪只眼睛看到篮球了…但往后看就觉得我靠，还挺准。汽车，路牌，小摩托。

我整天都在跟什么玩意儿打交道

自动我买了Narrative以后，就一直在思考怎么把这些图片数据用起来。那就让我用Rekognition的Concept API来下手吧。API很简单，如果不传图片信息而用URL来表示，就用GET就ok了。
遇到一个问题：如果按Docs填写jobs参数就永远没有结果，只能照抄Demo页面里的参数，Concept的jobs写scene_understanding_3。
我用15张照片做了一个批处理，算出这15张照片对应的Concept的数据，都添加到一个统一的results里。

var request = require('request'),
    qs = require('querystring');


var pictures = [
    'xxx.jpg',
    'xxxx.jpg',
];

var results = {};

for (var i = 0; i < pictures.length; i++) {
    processImg(pictures[i]);
}

function processImg(pic) {
    calculate('http://xxx.qiniudn.com/' + pic,
        function (info) {
            for (var i = 0; i < info.scene_understanding.matches.length; i++) {
                var match = info.scene_understanding.matches[i];
                if (results[match.tag]) {
                    results[match.tag] += match.score;
                } else {
                    results[match.tag] = match.score;
                }
            }
        })
}


function calculate(url, cb) {
    var params = {
        api_key: "4321",
        api_secret: "8765",
        name_space: "apiDemo",
        user_id: "apiDemo",
        jobs: "scene_understanding_3",
        urls: url
    };
    request.get({
            url: 'http://rekognition.com/func/api/?' + qs.stringify(params)
        }, function (error, response, body) {
            if (!error && response.statusCode == 200) {
                var info = JSON.parse(body);
                if (cb) cb(info);
            }
        }
    )
}

照片存在七牛了，每次传一个URL就ok。最后得到的结果如下。

{
  "awning":0.0556,
  "architecture":0.0099,
  "dorm room":0.11510000000000001,
  "people":0.0508,
  "face":0.1062,
  "finger":0.1521,
  "jeans":0.1502,
  "cat":0.0189,
  "pet":0.0087,
  "seat belt":0.21689999999999998,
  "document":0.0095,
  "human":0.0722,
  "flare":0.0093,
  "laptop":0.3152,
  "batting helmet":0.0095,
  "desk":0.0174,
  "molding":0.1219,
  "pc":0.1488,
  "television":0.0394,
  "flight":0.0098,
  "person":0.0095,
  "loudspeaker":0.0295,
  "apartment room":0.0094,
  "rat":0.1126,
  "lecture":0.0112,
  "aquarium":0.0104,
  "underpants":0.0089
}

其中最高的是0.3152，是…laptop…=.=|||。你丫是猴子派来黑我的吗！
第二名是比较奇怪的seat belt。第三名是手指（不不不，我只放算了几张白天的照片！）。后面还有牛仔裤，PC等等。基本还是可以判定通过这少量数据就能一定程度判定一个人整天在跟什么玩意儿混。
让我有点奇怪的是里面居然没有手机，于是去浏览了一遍那几张图，真的没有。

哎，再让我伤心一会儿…