1.一种行动轨迹分析方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述行动轨迹跟踪模块包括点击选择单元、浏览记录单元、停留时间单元和页面跳转单元，所述点击选择单元通过javascript代码监听用户的点击事件以跟踪用户在网页上的点击行为；所述浏览记录单元通过浏览器的history api实现对浏览记录的查看；所述停留时间单元通过浏览器的unload事件跟踪用户在网页上的停留时间；所述页面跳转单元通过浏览器内置的跳转事件函数onbeforeunload捕捉页面跳转的信息。
3.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述数据处理模块包括数据清洗单元、数据转换单元、数据分类单元和数据存储单元，所述数据清洗单元通过数据修正、插值和过滤去除原始数据的噪声、异常值和不完整数据；所述数据转换单元通过数据编码和数据规范化将清洗后的数据转换为匹配后续分析的标准形式；所述数据分类单元通过决策树算法对转换的数据进行分类和标记；所述数据存储单元采用mysql数据库，所述mysql数据库实现对处理后的数据进行存储和管理，所述数据清洗单元的输出端连接所述数据转换单元的输入端，所述数据转换单元的输出端连接所述数据分类单元的输入端，所述数据分类单元的输出端连接所述数据存储单元的输入端。
4.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述决策树算法的工作方法为：首先，从给定的数据集中选择最优的特征作为划分依据，基于特征选择，递归地将数据集通过数据分割函数划分成更小的子集，直到满足终止条件，所述数据分割函数的公式表达式为：
5.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述nlp算法的工作方法为：首先，对原始文本进行预处理，并进行词法分析，将文本按照词或子词进行分割，在语言预处理之后，需要通过提取函数将文本转换成机器学习算法可以处理的数值表示，所述提取函数的公式表达式为：
6.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述服务支持模块包括行为习惯单元、需求预测单元和个性化推荐单元，所述行为习惯单元通过大数据分析用户的历史行为数据了解用户的行为习惯；所述需求预测单元通过机器学习数据之间的联系和趋势预测用户的浏览需求；所述个性化推荐单元通过协同过滤和矩阵分解为用户推荐符合用户需求和兴趣偏好的产品和服务，所述行为习惯单元的输出端连接所述需求预测单元的输入端，所述需求预测单元的输出端连接所述个性化推荐单元的输入端。
7.根据权利要求1所述的一种行动轨迹分析方法，其特征在于：所述显示模块包括交互单元、浏览数据显示单元和行动轨迹分布单元，所述交互单元通过超文本标记语言html、层叠样式表css和javascript实现用户与所述显示模块的交互操作；所述浏览数据显示单元通过d3.js和highcharts显示用户的浏览数据信息；所述行动轨迹分布单元通过热力图、路径图和节点连线图实现用户浏览轨迹的分布图，所述交互单元的输出端连接所述浏览数据显示单元的输入端，所述浏览数据显示单元的输出端连接所述行动轨迹分布单元的输入端。