【目的】对用户在移动购物APP进行的信息浏览与商品购买行为特征进行描述分析,并尝试预测商品购买。【方法】在日志请求参数与用户信息行为类型之间建立映射,得到用户的行为解析,进一步分析用户行为特征后,使用Logistic二元回归和C&R决策树两种方法建立商品支付购买预测模型。实验数据来自2015年3月某移动购物APP的290位重度用户的3 923 429条服务器端日志。【结果】在用户浏览行为特征方面,用户周内使用平稳,夜晚睡前达到高峰;最关注单品详情,浏览程度越深越有可能查看店铺信息并进行商品、店铺信息的分享;用户对商品的浏览呈幂律分布,90%的商品浏览记录都在16条以下。在用户购买行为特征方面,有9条浏览记录的商品、提交了订单的商品最有可能被购买;商品购买与浏览、分享单品和店铺信息次数呈正相关。在商品支付购买预测方面,C&R决策树预测准确率稍高于Logistic二元回归,然而变量种类远少于后者。【局限】日志数据可能不能准确反映用户的操作行为;对于用户行为的解析有一定模糊性;数据来自重度用户,可能不具有普适性;数据来自于3月份这个时间段,可能会受前后浏览或购买行为的影响。【结论】用户浏览及购买行为特征可帮助移动购物APP完善产品功能,提升用户体验;Logistic二元回归相比于C&R决策树可以更好地预测商品支付购买。