會員分層和顧客忠誠度分析.docx

會員分層： 方法一： 當(dāng)用戶在電子商務(wù)網(wǎng)站上有了購買行為之后，就從潛在客戶變成了網(wǎng)站的價值客戶。電子商務(wù)網(wǎng)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(shù)量、支付金額等信息保存在自己的數(shù)據(jù)庫里面，所以對于這些用戶，我們可以基于網(wǎng)站的運(yùn)營數(shù)據(jù)對他們的交易行為進(jìn)行分析，以估計每位用戶的價值，及針對每位用戶的擴(kuò)展?fàn)I銷（Lead Generation）的可能性。 評價用戶價值的指標(biāo) 對于評價指標(biāo)的選擇這里遵循3個原則： 指標(biāo)可量化：沒辦法，要做定量分析，這個是最基本的前提； 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)行分析和評價； 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買次數(shù)和總消費(fèi)額，那么一定是購買次數(shù)越多的用戶總消費(fèi)額越高，也就是導(dǎo)致了評價維度上的重合，而選擇購買次數(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)以上幾個原則選取了以下幾個指標(biāo)（同樣根據(jù)網(wǎng)站的特征選取合適的統(tǒng)計時間段）： 1. 最近購買時間：用戶最近一次購買距當(dāng)前的天數(shù)；2. 購買頻率：用戶在這段時間內(nèi)購買的次數(shù)；3. 平均每次交易額：用戶在這段時間內(nèi)的消費(fèi)總額/購買的次數(shù)；4. 單次最高交易額：用戶在這段時間內(nèi)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(nèi)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(dá)圖進(jìn)行展示，同樣也使用離差標(biāo)準(zhǔn)化的方法對每個指標(biāo)進(jìn)行消除度量單位的10分制評分。下面是一個雷達(dá)圖的示例： 通過這個雷達(dá)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(biāo)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(biāo)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(fèi)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(fèi)的能力較強(qiáng)，而用戶2是頻繁購買用戶，對網(wǎng)站有一定的忠誠度，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 發(fā)現(xiàn)網(wǎng)站的高價值客戶（VIP），為客戶關(guān)系管理（CRM）及保持有價值客戶提供支持； 發(fā)掘網(wǎng)站的可發(fā)展用戶，對于一些新客戶或潛力客戶進(jìn)行針對性營銷； 及時發(fā)現(xiàn)可能流失的客戶，及時采取有效措施； 根據(jù)用戶交易行為細(xì)分客戶群，實(shí)施有針對性的營銷策略。實(shí)戰(zhàn) 這個是我根據(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)時分層的應(yīng)用方法二：根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有三個神奇的要素，這三個要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)： 最近一次消費(fèi)（Recency） 消費(fèi)頻率（Frequency） 消費(fèi)金額（Monetary）RFM分析原多用于傳統(tǒng)營銷、零售業(yè)等領(lǐng)域，適用于擁有多種消費(fèi)品或快速消費(fèi)品的行業(yè)，只要任何有數(shù)據(jù)記錄的消費(fèi)都可以被用于分析。那么對于電子商務(wù)網(wǎng)站來說，網(wǎng)站數(shù)據(jù)庫中記錄的詳細(xì)的交易信息，同樣可以運(yùn)用RFM分析模型進(jìn)行數(shù)據(jù)分析，尤其對于那些已經(jīng)建立起客戶關(guān)系管理(CRM)系統(tǒng)的網(wǎng)站來說， 其分析的結(jié)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(chuàng)利能力的重要工具和手段。RFM分析模型主要由三個指標(biāo)組成，下面對這三個指標(biāo)的定義和作用做下簡單解釋： 最近一次消費(fèi)(Recency) 最近一次消費(fèi)意指用戶上一次購買的時間，理論上，上一次消費(fèi)時間越近的顧客應(yīng)該是比較好的顧客，對提供即時的商品或是服務(wù)也最有可能會有反應(yīng)。因?yàn)樽罱淮蜗M(fèi)指標(biāo)定義的是一個時間段，并且與當(dāng)前時間相關(guān)，因此是一直在變動的。最近一次消費(fèi)對營銷來說是一個重要指標(biāo)，涉及吸引客戶，保持客戶，并贏得客戶的忠誠度。 消費(fèi)頻率(Frequency) 消費(fèi)頻率是顧客在一定時間段內(nèi)的消費(fèi)次數(shù)。最常購買的消費(fèi)者，忠誠度也就最高，增加顧客購買的次數(shù)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(yè)額。 根據(jù)這個指標(biāo)，我們又把客戶分成五等分，這個五等分分析相當(dāng)于是一個“忠誠度的階梯”(loyalty ladder)，其訣竅在于讓消費(fèi)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(fèi)金額(Monetary) 消費(fèi)金額是對電子商務(wù)網(wǎng)站產(chǎn)能的最直接的衡量指標(biāo)，也可以驗(yàn)證“帕雷托法則”(Paretos Law)公司80的收入來自20的顧客。 數(shù)據(jù)獲取與分析 在 從數(shù)據(jù)庫中提取相關(guān)數(shù)據(jù)之前，首先需要確定數(shù)據(jù)的時間跨度，根據(jù)網(wǎng)站銷售的物品的差異，確定合適的時間跨度。如果經(jīng)營的是快速消費(fèi)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(chǎn)品更替的時間相對久些，如電子產(chǎn)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(yīng)時間區(qū)間內(nèi)的數(shù)據(jù)，其中： 最近一次消費(fèi)(Recency)，取出來的數(shù)據(jù)是一個時間點(diǎn)，需要由 當(dāng)前時間點(diǎn)-最近一次消費(fèi)時間點(diǎn) 來作為該度量的值，注意單位的選擇和統(tǒng)一，無論以小時、天為單位； 消費(fèi)頻率(Frequency)，這個指標(biāo)可以直接在數(shù)據(jù)庫中COUNT用戶的消費(fèi)次數(shù)得到； 消費(fèi)金額(Monetary)，可以將每位客戶的所有消費(fèi)的金額相加(SUM)求得。 獲取三個指標(biāo)的數(shù)據(jù)以后，需要計算每個指標(biāo)數(shù)據(jù)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(biāo)與均值進(jìn)行比較，可以將客戶細(xì)分為8類： Recency Frequency Monetary 客戶類型 重要價值客戶 重要發(fā)展客戶 重要保持客戶 重要挽留客戶 一般價值客戶 一般發(fā)展客戶 一般保持客戶 一般挽留客戶 “”表示大于均值，“”表示小于均值 結(jié)果的展示 FM模型包括三個指標(biāo)，無法用平面坐標(biāo)圖來展示，所以這里使用三維坐標(biāo)系進(jìn)行展示，一種X軸表示Recency，Y軸表示Frequency，Z軸表示Monetary，坐標(biāo)系的8個象限分別表示8類用戶，根據(jù)上表中的分類，可以用如下圖形進(jìn)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(wǎng)站但未消費(fèi)的用戶由于指標(biāo)的限制無法進(jìn)行分析，這樣就無法發(fā)現(xiàn)潛在的客戶。所以在分析電子商務(wù)網(wǎng)站的用戶時，由于網(wǎng)站數(shù)據(jù)的豐富性不僅擁有交易數(shù)據(jù)，而且可以收集到用戶的瀏覽訪問數(shù)據(jù)，可以擴(kuò)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(wǎng)站用戶分析中進(jìn)行詳細(xì)敘述。 用戶忠誠度分析 忠誠用戶不僅能為網(wǎng)站創(chuàng)造持續(xù)的價值，同時也是網(wǎng)站品牌口碑推廣的重要渠道，所以目前網(wǎng)站對忠誠用戶愈加重視。可能很多網(wǎng)站或者網(wǎng)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(qū)分新老用戶是不夠了，我們需要更加完善的指標(biāo)來衡量網(wǎng)站用戶的忠誠度。 用戶忠誠度（Loyalty），指的是用戶出于對企業(yè)或品牌的偏好而經(jīng)常性重復(fù)購買的程度。對于網(wǎng)站來說，用戶忠誠度則是用戶出于對網(wǎng)站的功能或偏好而經(jīng)常訪問該網(wǎng)站的行為。根據(jù)客戶忠誠理論，忠誠度可以由以下4個指標(biāo)來度量： 重復(fù)購買意向（Repurchase Intention）：購買以前購買過的類型產(chǎn)品的意愿； 交叉購買意向（Cross-buying Intention）：購買以前為購買的產(chǎn)品類型或擴(kuò)展服務(wù)的意愿； 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； 價格忍耐力（Price Tolerance）：客戶愿意支付的最高價格。 量化網(wǎng)站的用戶忠誠度以上的4個指標(biāo)對于電子商務(wù)網(wǎng)站而言，可能還有適用性，但對于大多數(shù)網(wǎng)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(biāo)都可以量化（上面的客戶推薦意向比較難以量化），以便進(jìn)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(biāo)：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(shù)，這些指標(biāo)可以直接從網(wǎng)站的點(diǎn)擊流數(shù)據(jù)中計算得到，對所有的網(wǎng)站都適用，下面看一下這些指標(biāo)的定義及如何計算得到 訪問頻率：用戶在一段時間內(nèi)訪問網(wǎng)站的次數(shù)，即每個用戶Visits的個數(shù)； 最近訪問時間：用戶最近訪問網(wǎng)站的時間，因?yàn)檫@個指標(biāo)是個時間點(diǎn)的概念，所以為了便于度量，一般取用戶最近訪問時間距當(dāng)前的天數(shù)。 平均停留時間：用戶一段時間內(nèi)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(shù)； 平均訪問頁面數(shù)：用戶一段時間內(nèi)每次訪問的平均瀏覽頁面數(shù)，即每個用戶Page Views的和/ Visits的個數(shù)。 統(tǒng)計數(shù)據(jù)的時間區(qū)間也是根據(jù)網(wǎng)站的特征來定的，如果網(wǎng)站的信息更新較快，用戶訪問較為頻繁，那么可以適當(dāng)選取較短的時間段，這樣數(shù)據(jù)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(shù)據(jù)更為豐富，指標(biāo)的分析結(jié)果也會更加準(zhǔn)確有效。 用戶忠誠度的展示和比較上面的4個指標(biāo)均可以被量化統(tǒng)計得到，單一的指標(biāo)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(biāo)進(jìn)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(shù)據(jù)的標(biāo)準(zhǔn)化），這里我采用的是min-max標(biāo)準(zhǔn)化的方法，首先將所有指標(biāo)的數(shù)值全部轉(zhuǎn)換到0,1區(qū)間，再進(jìn)行倍數(shù)放大，比如使用10分制進(jìn)行評分，則可以乘10，數(shù)據(jù)就全部分布在0,10區(qū)間內(nèi)了，如下圖： 訪問頻率 最近訪問時間 平均停留時間 平均訪問頁面 用戶1 數(shù)據(jù) 2次 15天前 150秒 3頁 標(biāo)準(zhǔn)化 0.10 0.50 0.30 0.38 評分 1 5 3 3.8 用戶2 數(shù)據(jù) 8次 2天前 120秒 5頁 標(biāo)準(zhǔn)化 0.40 0.93 0.24 0.63 評分 4 9.3 2.4 6.3 表中的數(shù)據(jù)只是簡單的舉例，實(shí)際情況需要根據(jù)每個指標(biāo)的最大最小值進(jìn)行計算 根據(jù)上表的數(shù)據(jù)，我們已經(jīng)將所有指標(biāo)統(tǒng)一到了同一個評分區(qū)間，那么就可以使用雷達(dá)圖對用戶的忠誠度進(jìn)行展示。用雷達(dá)圖展示有以下幾個優(yōu)點(diǎn)： 可以完整地顯示所有評價指標(biāo)； 顯示用戶在各指標(biāo)評分中的偏向性； 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(shè)四個指標(biāo)的權(quán)重相等，若重要程度存在明顯差異，則不能用的面積來衡量）； 可以用于用戶間忠誠度的比較。 下面是根據(jù)上表繪制的雷達(dá)圖示例： 用戶忠誠度分析的意義那么基于這個展示的結(jié)果我們能做些什么呢？其實(shí)對于任何網(wǎng)站而言，有兩個方向是一致的：保留忠誠用戶，減少流失用戶。基于上面的用戶忠誠度評價體系擴(kuò)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(biāo)數(shù)據(jù)機(jī)