會(huì)員分層和顧客忠誠(chéng)度分析（一）

方法一：

當(dāng)用戶在電子商務(wù)網(wǎng)站上有了購(gòu)買行為之后，就從潛在客戶變成了網(wǎng)站的價(jià)值客戶。 電子商務(wù)網(wǎng)站一般都會(huì)將用戶的交易信息，包括購(gòu)買時(shí)間、購(gòu)買商品、購(gòu)買數(shù)量、支付金額等信息保存在自己的數(shù)據(jù)庫(kù)里面，所以對(duì)于這些用戶，我們可以基于網(wǎng)站 的運(yùn)營(yíng)數(shù)據(jù)對(duì)他們的交易行為進(jìn)行分析，以估計(jì)每位用戶的價(jià)值，及針對(duì)每位用戶的擴(kuò)展?fàn)I銷（Lead Generation）的可能性。

評(píng)價(jià)用戶價(jià)值的指標(biāo)

對(duì)于評(píng)價(jià)指標(biāo)的選擇這里遵循3個(gè)原則：

1.指標(biāo)可量化：沒(méi)辦法，要做定量分析，這個(gè)是最基本的前提；

2.盡可能全面：根據(jù)底層數(shù)據(jù)選擇盡可能多的可以獲取的指標(biāo)，這樣能夠從多角度進(jìn)行分析和評(píng)價(jià)；

3.線性獨(dú)立：即指標(biāo)間盡量保持不相關(guān)。比如如果選擇用戶的購(gòu)買次數(shù)和總消費(fèi)額，那么一定是購(gòu)買次數(shù)越多的用戶總消費(fèi)額越高，也就是導(dǎo)致了評(píng)價(jià)維度上的重合，而選擇購(gòu)買次數(shù)和平均每次交易額可以避免這種相關(guān)性產(chǎn)生的弊端。

根據(jù)以上幾個(gè)原則選取了以下幾個(gè)指標(biāo)（同樣根據(jù)網(wǎng)站的特征選取合適的統(tǒng)計(jì)時(shí)間段）：

1.最近購(gòu)買時(shí)間：用戶最近一次購(gòu)買距當(dāng)前的天數(shù)；

2.購(gòu)買頻率：用戶在這段時(shí)間內(nèi)購(gòu)買的次數(shù)；

3.平均每次交易額：用戶在這段時(shí)間內(nèi)的消費(fèi)總額/購(gòu)買的次數(shù)；

4.單次最高交易額：用戶在這段時(shí)間內(nèi)購(gòu)買的單詞最高支付金額；

5.購(gòu)買商品種類：用戶在這段時(shí)間內(nèi)購(gòu)買的商品種類或商品大類。

用戶評(píng)價(jià)模型的展示

一樣的，也可以用雷達(dá)圖進(jìn)行展示，同樣也使用離差標(biāo)準(zhǔn)化的方法對(duì)每個(gè)指標(biāo)進(jìn)行消除度量單位的10分制評(píng)分。下面是一個(gè)雷達(dá)圖的示例：

通過(guò)這個(gè)雷達(dá)圖，我們可以讀到比用戶忠誠(chéng)度更多的信息。圖中的上面3個(gè)指標(biāo)——最近購(gòu)買時(shí)間、購(gòu)買頻率和購(gòu)買商品種類可以用來(lái)評(píng)價(jià)用戶的忠誠(chéng)度，而下面的2個(gè)指標(biāo)——平均每次交易額和單詞最高交易額可以用來(lái)衡量用戶的消費(fèi)能力。 如上圖，用戶1雖然購(gòu)買頻率和購(gòu)買的廣度不高，但其消費(fèi)的能力較強(qiáng)，而用戶2是頻繁購(gòu)買用戶，對(duì)網(wǎng)站有一定的忠誠(chéng)度，但其消費(fèi)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(chéng)度，而下半部分面積較大的用戶具有更高的消費(fèi)能力。這兩類用戶都是網(wǎng)站的有價(jià)值客戶，但由于其類型的不同，在營(yíng)銷策略上可 以分開(kāi)對(duì)待。

用戶交易行為分析的意義

1.發(fā)現(xiàn)網(wǎng)站的高價(jià)值客戶（VIP），為客戶關(guān)系管理（CRM）及保持有價(jià)值客戶提供支持；

2.發(fā)掘網(wǎng)站的可發(fā)展用戶，對(duì)于一些新客戶或潛力客戶進(jìn)行針對(duì)性營(yíng)銷；

3.及時(shí)發(fā)現(xiàn)可能流失的客戶，及時(shí)采取有效措施；

4.根據(jù)用戶交易行為細(xì)分客戶群，實(shí)施有針對(duì)性的營(yíng)銷策略。

實(shí)戰(zhàn) 這個(gè)是我根據(jù)我們某業(yè)務(wù)用戶特征做的分類：

方法都很簡(jiǎn)單，基于業(yè)務(wù)的指標(biāo)構(gòu)建→數(shù)據(jù)提取→指標(biāo)標(biāo)準(zhǔn)化離散→聚類→結(jié)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(biāo)準(zhǔn)固化就實(shí)現(xiàn)實(shí)時(shí)分層的應(yīng)用

服務(wù)器租用/服務(wù)器托管中國(guó)五強(qiáng)！虛擬主機(jī)域名注冊(cè)頂級(jí)提供商！15年品質(zhì)保障！--億恩科技[ENKJ.COM]