方法一：
當用戶在電子商務網站上有了購買行為之后，就從潛在客戶變成了網站的價值客戶。電子商務網站一般都會將用戶的交易信息，包括購買時間、購買商品、購買數量、支付金額等信息保存在自己的數據庫里面，所以對于這些用戶，我們可以基于網站的運營數據對他們的交易行為進行分析，以估計每位用戶的價值，及針對每位用戶的擴展營銷（Lead Generation）的可能性。
評價用戶價值的指標
對于評價指標的選擇這里遵循3個原則：
1.指標可量化：沒辦法，要做定量分析，這個是最基本的前提；
2.盡可能全面：根據底層數據選擇盡可能多的可以獲取的指標，這樣能夠從多角度進行分析和評價；
3.線性獨立：即指標間盡量保持不相關。比如如果選擇用戶的購買次數和總消費額，那么一定是購買次數越多的用戶總消費額越高，也就是導致了評價維度上的重合，而選擇購買次數和平均每次交易額可以避免這種相關性產生的弊端。
根據以上幾個原則選取了以下幾個指標（同樣根據網站的特征選取合適的統計時間段）：
1.最近購買時間：用戶最近一次購買距當前的天數；
2.購買頻率：用戶在這段時間內購買的次數；
3.平均每次交易額：用戶在這段時間內的消費總額/購買的次數；
4.單次最高交易額：用戶在這段時間內購買的單詞最高支付金額；
5.購買商品種類：用戶在這段時間內購買的商品種類或商品大類。
用戶評價模型的展示
一樣的，也可以用雷達圖進行展示，同樣也使用離差標準化的方法對每個指標進行消除度量單位的10分制評分。下面是一個雷達圖的示例：
通過這個雷達圖，我們可以讀到比用戶忠誠度更多的信息。圖中的上面3個指標——最近購買時間、購買頻率和購買商品種類可以用來評價用戶的忠誠度，而下面的2個指標——平均每次交易額和單詞最高交易額可以用來衡量用戶的消費能力。如上圖，用戶1雖然購買頻率和購買的廣度不高，但其消費的能力較強，而用戶2是頻繁購買用戶，對網站有一定的忠誠度，但其消費能力一般。所以圖形的上半部分面積較大的用戶擁有較高的忠誠度，而下半部分面積較大的用戶具有更高的消費能力。這兩類用戶都是網站的有價值客戶，但由于其類型的不同，在營銷策略上可 以分開對待。
用戶交易行為分析的意義
1.發現網站的高價值客戶（VIP），為客戶關系管理（CRM）及保持有價值客戶提供支持；
2.發掘網站的可發展用戶，對于一些新客戶或潛力客戶進行針對性營銷；
3.及時發現可能流失的客戶，及時采取有效措施；
4.根據用戶交易行為細分客戶群，實施有針對性的營銷策略。
實戰 這個是我根據我們某業務用戶特征做的分類：
方法都很簡單，基于業務的指標構建→數據提取→指標標準化離散→聚類→結果分析，分層效果還是很清晰，最后分析后把每一層聚類的標準固化就實現實時分層的應用
方法二：
根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：
1.最近一次消費（Recency）
2.消費頻率（Frequency）
3.消費金額（Monetary）
RFM分析原多用于傳統營銷、零售業等領域，適用于擁有多種消費品或快速消費品的行業，只要任何有數據記錄的消費都可以被用于分析。那么對于電子商務網站來說，網站數據庫中記錄的詳細的交易信息，同樣可以運用RFM分析模型進行數據分析，尤其對于那些已經建立起客戶關系管理（CRM）系統的網站來說， 其分析的結果將更具意義。
基本概念解釋
RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。RFM分析模型主要由三個指標組成，下面對這三個指標的定義和作用做下簡單解釋：
最近一次消費（Recency）
最近一次消費意指用戶上一次購買的時間，理論上，上一次消費時間越近的顧客應該是比較好的顧客，對提供即時的商品或是服務也最有可能會有反應。因為最 近一次消費指標定義的是一個時間段，并且與當前時間相關，因此是一直在變動的。最近一次消費對營銷來說是一個重要指標，涉及吸引客戶，保持客戶，并贏得客戶的忠誠度。
消費頻率（Frequency）
消費頻率是顧客在一定時間段內的消費次數。最常購買的消費者，忠誠度也就最高，增加顧客購買的次數意味著從競爭對手處偷取市場占有率，由別人的手中賺取營業額。
根據這個指標，我們又把客戶分成五等分，這個五等分分析相當于是一個“忠誠度的階梯”（loyalty ladder），其訣竅在于讓消費者一直順著階梯往上爬，把銷售想像成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。
消費金額（Monetary）
消費金額是對電子商務網站產能的最直接的衡量指標，也可以驗證“帕雷托法則”（Pareto’s Law）——公司80％的收入來自20％的顧客。
數據獲取與分析
在從數據庫中提取相關數據之前，首先需要確定數據的時間跨度，根據網站銷售的物品的差異，確定合適的時間跨度。如果經營的是快速消費品，如日用品，可 以確定時間跨度為一個季度或者一個月；如果銷售的產品更替的時間相對久些，如電子產品，可以確定時間跨度為一年、半年或者一個季度。在確定時間跨度之后就可以提取相應時間區間內的數據，其中：
最近一次消費（Recency）
取出來的數據是一個時間點，需要由 當前時間點-最近一次消費時間點 來作為該度量的值，注意單位的選擇和統一，無論以小時、天為單位；
消費頻率（Frequency）
這個指標可以直接在數據庫中COUNT用戶的消費次數得到；
消費金額（Monetary）
可以將每位客戶的所有消費的金額相加（SUM）求得。
獲取三個指標的數據以后，需要計算每個指標數據的均值，分別以AVG（R）、AVG（F）、AVG（M）來表示，最后通過將每位客戶的三個指標與均值進行比較，可以將客戶細分為8類：
——“↑”表示大于均值，“↓”表示小于均值
結果的展示
RFM模型包括三個指標，無法用平面坐標圖來展示，所以這里使用三維坐標系進行展示，一種X軸表示Recency，Y軸表示Frequency，Z軸表示Monetary，坐標系的8個象限分別表示8類用戶，根據上表中的分類，可以用如下圖形進行描述：
RFM分析也存在著一定的缺陷，它只能分析有交易行為的用戶，而對訪問過網站但未消費的用戶由于指標的限制無法進行分析，這樣就無法發現潛在的客戶。所以在分析電子商務網站的用戶時，由于網站數據的豐富性——不僅擁有交易數據，而且可以收集到用戶的瀏覽訪問數據，可以擴展到更廣闊的角度去觀察用戶，這方面的定量分析會在之后的網站用戶分析中進行詳細敘述。
用戶忠誠度分析
忠誠用戶不僅能為網站創造持續的價值，同時也是網站品牌口碑推廣的重要渠道，所以目前網站對忠誠用戶愈加重視?？赡芎芏嗑W站或者網站分析工具對用戶做了“新用戶”和“回訪用戶”的劃分，但是單單區分新老用戶是不夠了，我們需要更加完善的指標來衡量網站用戶的忠誠度。
用戶忠誠度（Loyalty）
指的是用戶出于對企業或品牌的偏好而經常性重復購買的程度。對于網站來說，用戶忠誠度則是用戶出于對網站的功能或偏好而經常訪問該網站的行為。根據客戶忠誠理論，忠誠度可以由以下4個指標來度量：
1.重復購買意向（Repurchase Intention）：購買以前購買過的類型產品的意愿；
2.交叉購買意向（Cross-buying Intention）：購買以前為購買的產品類型或擴展服務的意愿；
3.客戶推薦意向（Customer Reference Intention）：向其他潛在客戶推薦，傳遞品牌口碑的意愿；
4.價格忍耐力（Price Tolerance）：客戶愿意支付的最高價格
量化網站的用戶忠誠度
以上的4個指標對于電子商務網站而言，可能還有適用性，但對于大多數網站是不合適的，所以為了讓分析具有普遍的適用性，同時為了滿足所有的指標都可以量化（上面的客戶推薦意向比較難以量化），以便進行定量分析的要求，這里可以選取Google Analytics中對用戶忠誠度的4個度量指標：Repeated Times、Recency、Length of Visit、Depth of Visit，即用戶訪問頻率、最近訪問時間、平均停留時間、平均訪問頁面數，這些指標可以直接從網站的點擊流數據中計算得到，對所有的網站都適用，下面看一下這些指標的定義及如何計算得到
1.訪問頻率：用戶在一段時間內訪問網站的次數，即每個用戶Visits的個數；
2.最近訪問時間：用戶最近訪問網站的時間，因為這個指標是個時間點的概念，所以為了便于度量，一般取用戶最近訪問時間距當前的天數。
3.平均停留時間：用戶一段時間內每次訪問的平均停留時間，即每個用戶Time on Site的和/Visits的個數；
4.平均訪問頁面數：用戶一段時間內每次訪問的平均瀏覽頁面數，即每個用戶Page Views的和/ Visits的個數。
統計數據的時間區間也是根據網站的特征來定的，如果網站的信息更新較快，用戶訪問較為頻繁，那么可以適當選取較短的時間段，這樣數據變化上的靈敏度會高些；反之，則選擇稍長的時間段，這樣用戶的數據更為豐富，指標的分析結果也會更加準確有效。
用戶忠誠度的展示和比較
上面的4個指標均可以被量化統計得到，單一的指標也是沒有意義的，我們需要通過比較來找出哪些是忠誠用戶，哪些是流失用戶，可以先對指標進行一些處理，以便使它們之間更具可比性，可以參考之前的文章——數據的標準化），這里我采用的是min-max標準化的方法，首先將所有指標的數值全部轉換到［0，1］區間，再進行倍數放大，比如使用10分制進行評分，則可以乘10，數據就全部分布在［0，10］區間內了，如下圖：
——表中的數據只是簡單的舉例，實際情況需要根據每個指標的最大最小值進行計算
根據上表的數據，我們已經將所有指標統一到了同一個評分區間，那么就可以使用雷達圖對用戶的忠誠度進行展示。用雷達圖展示有以下幾個優點：
1.可以完整地顯示所有評價指標；
2.顯示用戶在各指標評分中的偏向性；
3.可以簡單分析用戶忠誠度的綜合評分，即圖形圍成的面積（假設四個指標的權重相等，若重要程度存在明顯差異，則不能用的面積來衡量）；
4.可以用于用戶間忠誠度的比較。
下面是根據上表繪制的雷達圖示例：
用戶忠誠度分析的意義
那么基于這個展示的結果我們能做些什么呢？其實對于任何網站而言，有兩個方向是一致的：保留忠誠用戶，減少流失用戶?；谏厦娴挠脩糁艺\度評價體系擴展開來就是：
1. 分析忠誠用戶的行為特征，努力滿足他們的需求，提高他們的滿意度；
2. 從最近訪問時間的指標數據機用戶忠誠度變化趨勢中發現一些可能正在流失的用戶，分析他們流失的可能原因，并試圖挽留流失用戶；
3. 比較忠誠用戶和流失用戶在指標數值上的差異，尋找哪些指標的差距導致了用戶忠誠度的降低，優化網站在這些方面的表現。
所以，我這里使用的是基于用戶訪問頻率、最近訪問時間、平均停留時間、平均訪問頁面數這4個指標來評價網站用戶的忠誠度，并用雷達圖進行展示和比較，也許你可以根據自己網站的特征找到更加適合的指標和展示方式，而最終需要做的是能夠更加精確地找到網站的忠實用戶，并努力留住他們。
冀公網安備 13010402001110號