會(huì)員分層和顧客忠誠(chéng)度分析報(bào)告管理文章

equency)，這個(gè)指標(biāo)可以直接在數(shù)據(jù)庫(kù)中COUNT用戶的消費(fèi)次數(shù)得到；消費(fèi)金額equency)，這個(gè)指標(biāo)可以直接在數(shù)據(jù)庫(kù)中COUNT用戶的消費(fèi)次數(shù)得到；消費(fèi)金額(Monetary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(duì)訪問(wèn)過(guò)但未消費(fèi)的用戶由于接的衡量指標(biāo)，也可以驗(yàn)證“帕雷托法則”(Pareto’sLaw)——公司80％的收入來(lái)自20％的顧客當(dāng)用戶在電子商務(wù)上有了購(gòu)買(mǎi)行為之后，就從潛在客戶變成了的價(jià)值客戶。電子商務(wù)一般都會(huì)將用戶的交易信息，包括購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)商品、購(gòu)買(mǎi)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，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：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)行分析定是購(gòu)買(mǎi)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(mǎi)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)的特征選取合適的統(tǒng)計(jì)時(shí)間段1.最近購(gòu)買(mǎi)時(shí)間：用戶最近一次購(gòu)買(mǎi)距當(dāng)前的天數(shù)；2.購(gòu)買(mǎi)頻率：用戶在這段時(shí)間購(gòu)買(mǎi)的次數(shù)；3.平均每次交易額：用戶在這段時(shí)間的消費(fèi)總額/購(gòu)買(mǎi)的次數(shù)；4.單次最高交易額：用戶在這段時(shí)間購(gòu)買(mǎi)的單詞最高支付金額；5.購(gòu)買(mǎi)商品種類：用戶在這段時(shí)間購(gòu)買(mǎi)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(mǎi)時(shí)間、購(gòu)買(mǎi)頻率和購(gòu)買(mǎi)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(mǎi)頻率和購(gòu)買(mǎi)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(mǎi)用戶，對(duì)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發(fā)現(xiàn)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；發(fā)掘的可發(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；及時(shí)發(fā)現(xiàn)可能流失的客戶，及時(shí)采取有效措施；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(duì)訪問(wèn)過(guò)但未消費(fèi)的用戶由于向性；可以簡(jiǎn)單分析用戶忠誠(chéng)度的綜合評(píng)分，即圖形圍成的面積（假設(shè)四個(gè)指標(biāo)的權(quán)重相等，若重要程度存在明顯圖形進(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(duì)訪問(wèn)過(guò)但未消費(fèi)的用戶由于向性；可以簡(jiǎn)單分析用戶忠誠(chéng)度的綜合評(píng)分，即圖形圍成的面積（假設(shè)四個(gè)指標(biāo)的權(quán)重相等，若重要程度存在明顯較，可以將客戶細(xì)分為8類：Recency↑↑↓↓↑↑↓↓Frequency↑↓↑↓↑↓↑↓Monet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)用根據(jù)美國(guó)數(shù)據(jù)庫(kù)營(yíng)銷研究所ArthurHughes的研究，客戶數(shù)據(jù)庫(kù)中有三個(gè)神奇的要素，這三個(gè)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）RFM分析原多用于傳統(tǒng)營(yíng)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(duì)于電子商務(wù)來(lái)說(shuō)，數(shù)據(jù)庫(kù)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(duì)于那些已經(jīng)建立起客戶關(guān)系管理(CRM)系統(tǒng)的來(lái)基本概念解釋RFM模型是衡量客戶價(jià)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(gè)指標(biāo)組成，下面對(duì)這三個(gè)指標(biāo)的定義和作用做下簡(jiǎn)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(gòu)買(mǎi)的時(shí)間，理論上，上一次消費(fèi)時(shí)間越近的顧客應(yīng)該是比較好的顧客，對(duì)提供即時(shí)的商品或是服務(wù)也最有可能會(huì)有反應(yīng)。因?yàn)樽罱淮蜗M(fèi)指標(biāo)定義的是一個(gè)時(shí)間段，并且與當(dāng)前時(shí)間相關(guān)，因此是一直在變動(dòng)的。最近一次消費(fèi)對(duì)營(yíng)銷來(lái)說(shuō)是一個(gè)重要指標(biāo)，涉及吸引消費(fèi)頻率(Frequency)消費(fèi)頻率是顧客在一定時(shí)間段的消費(fèi)次數(shù)。最常購(gòu)買(mǎi)的消費(fèi)者，忠誠(chéng)度也就最高，增加顧客購(gòu)買(mǎi)的次數(shù)意味著從競(jìng)爭(zhēng)對(duì)手處偷取市場(chǎng)占有率，由別人的手中賺取營(yíng)業(yè)額。無(wú)法用平面坐標(biāo)圖來(lái)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無(wú)法用平面坐標(biāo)圖來(lái)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Freq），指的是用戶出于對(duì)企業(yè)或品牌的偏好而經(jīng)常性重復(fù)購(gòu)買(mǎi)的程度。對(duì)于來(lái)說(shuō)，用戶忠誠(chéng)度則是用戶出于對(duì)的功能指標(biāo)的差距導(dǎo)致了用戶忠誠(chéng)度的降低，優(yōu)化在這些方面的表現(xiàn)。所以，我這里使用的是基于用戶訪問(wèn)頻率、最近訪戶的消費(fèi)能力。如上圖，用戶1雖然購(gòu)買(mǎi)頻率和購(gòu)買(mǎi)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(mǎi)用戶根據(jù)這個(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠(chéng)度的階梯”客往上推成三次購(gòu)買(mǎi)的顧客，把一次購(gòu)買(mǎi)者變成兩次的。消費(fèi)金額(Monetary)消費(fèi)金額是對(duì)電子商務(wù)產(chǎn)能的最直接的衡量指標(biāo)，也可以驗(yàn)證“帕雷托法則”(Pareto’sLaw)——公司80％的收入來(lái)自20％的顧客。數(shù)據(jù)獲取與分析在從數(shù)據(jù)庫(kù)中提取相關(guān)數(shù)據(jù)之前，首先需要確定數(shù)據(jù)的時(shí)間跨度，根據(jù)銷售的物品的差異，確定合適的時(shí)間跨度。如果經(jīng)營(yíng)的是快速消費(fèi)品，如日用品，可以確定時(shí)間跨度為一個(gè)季度或者一個(gè)月；如果銷售的產(chǎn)品更替的時(shí)間相對(duì)久些，如電子產(chǎn)品，可以確定時(shí)間跨度為一年、半年或者一個(gè)季度。在確定時(shí)間跨度之后就可以提取相應(yīng)時(shí)間區(qū)間的數(shù)據(jù)，其中：最近一次消費(fèi)(Recency)，取出來(lái)的數(shù)據(jù)是一個(gè)時(shí)間點(diǎn)，需要由當(dāng)前時(shí)間點(diǎn)-最近一次消費(fèi)時(shí)間點(diǎn)來(lái)作為該度量的值，注意單位的選擇和統(tǒng)一，無(wú)論以小時(shí)、天為單位；消費(fèi)頻率(Frequency)，這個(gè)指標(biāo)可以直接在數(shù)據(jù)庫(kù)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(gè)指標(biāo)的數(shù)據(jù)以后，需要計(jì)算每個(gè)指標(biāo)數(shù)據(jù)的均值，分別以AVG(R)、AVG(F)、AVG(M)來(lái)表示，最后通過(guò)將每位客戶的三個(gè)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(jià)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(jià)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(gè)指標(biāo)，無(wú)法用平面坐標(biāo)圖來(lái)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(gè)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：積較大的用戶具有更高的消費(fèi)能力。這兩類用戶都是的有價(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發(fā)現(xiàn)的高價(jià)值客戶（VIP），為客戶關(guān)系管理（積較大的用戶具有更高的消費(fèi)能力。這兩類用戶都是的有價(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發(fā)現(xiàn)的高價(jià)值客戶（VIP），為客戶關(guān)系管理（CRM）及保持有價(jià)值客戶提供僅擁有交易數(shù)據(jù)，而且可以收集到用戶的瀏覽訪問(wèn)數(shù)據(jù)，可以擴(kuò)展到更廣闊的角度去觀察用戶，這方面的定量分析向性；可以簡(jiǎn)單分析用戶忠誠(chéng)度的綜合評(píng)分，即圖形圍成的面積（假設(shè)四個(gè)指標(biāo)的權(quán)重相等，若重要程度存在明顯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(duì)訪問(wèn)過(guò)但未消費(fèi)的用戶由于指標(biāo)的限制無(wú)法進(jìn)行分析，這樣就無(wú)法發(fā)現(xiàn)潛在的客戶。所以在分析電子商務(wù)的用戶時(shí)，由于數(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(wèn)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(huì)在之后的用戶分析中進(jìn)行詳細(xì)敘述。用戶忠誠(chéng)度分析忠誠(chéng)用戶不僅能為創(chuàng)造持續(xù)的價(jià)值，同時(shí)也是品牌口碑推廣的重要渠道，所以目前對(duì)忠誠(chéng)用戶愈加重視?？赡芎芏嗷蛘叻治龉ぞ邔?duì)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(lái)衡量用戶的忠誠(chéng)度。用戶忠誠(chéng)度（Loyalty），指的是用戶出于對(duì)企業(yè)或品牌的偏好而經(jīng)常性重復(fù)購(gòu)買(mǎi)的程度。對(duì)于來(lái)說(shuō)，用戶忠誠(chéng)度則是用戶出于對(duì)的功能或偏好而經(jīng)常訪問(wèn)該的行為。根據(jù)客戶忠誠(chéng)理論，忠誠(chéng)度可以由以下4個(gè)指標(biāo)來(lái)度量：重復(fù)購(gòu)買(mǎi)意向（RepurchaseIntention）：購(gòu)買(mǎi)以前購(gòu)買(mǎi)過(guò)的類型產(chǎn)品的意愿；交叉購(gòu)買(mǎi)意向（Cross-buyingIntention）：購(gòu)買(mǎi)以前為購(gòu)買(mǎi)的產(chǎn)品類型或擴(kuò)展服務(wù)的意客戶推薦意向（CustomerReferenceIntention）：向其他潛在客戶推薦，傳遞品牌口碑的意愿；價(jià)格忍耐力（PriceTolerance）：客戶愿意支付的最高價(jià)格。量化的用戶忠誠(chéng)度以上的4個(gè)指標(biāo)對(duì)于電子商務(wù)而言，可能還有適用性，但對(duì)于大多數(shù)是不合適的，所以為了讓分析具有普遍的適用性，同時(shí)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GoogleAnalytics中對(duì)用戶忠誠(chéng)度的4個(gè)度量指標(biāo)：RepeatedTimes、Recency、LengthofVisit、DepthofVisit，即用戶訪問(wèn)頻率、最近訪問(wèn)時(shí)間、平均停留時(shí)間、平均訪問(wèn)頁(yè)面數(shù)，這些指標(biāo)可以直接從的點(diǎn)擊流數(shù)據(jù)中計(jì)算得到，對(duì)所有的都適用，下面看一下這些指標(biāo)的定義及如何計(jì)算得到訪問(wèn)頻率：用戶在一段時(shí)間訪問(wèn)的次數(shù)，即每個(gè)用戶Visits的個(gè)數(shù)；最近訪問(wèn)時(shí)間：用戶最近訪問(wèn)的時(shí)間，因?yàn)檫@個(gè)指標(biāo)是個(gè)時(shí)間點(diǎn)的概念，所以為了便于度量，一般取用戶最近訪問(wèn)時(shí)間距當(dāng)前的天數(shù)。需求，提高他們的滿意度；2.從最近訪問(wèn)時(shí)間的指標(biāo)數(shù)據(jù)機(jī)用戶忠誠(chéng)度變化趨勢(shì)中發(fā)現(xiàn)一些可能正在流失的用戶成三次購(gòu)買(mǎi)的顧客，把一次購(gòu)買(mǎi)者變成兩次的。消費(fèi)金額需求，提高他們的滿意度；2.從最近訪問(wèn)時(shí)間的指標(biāo)數(shù)據(jù)機(jī)用戶忠誠(chéng)度變化趨勢(shì)中發(fā)現(xiàn)一些可能正在流失的用戶成三次購(gòu)買(mǎi)的顧客，把一次購(gòu)買(mǎi)者變成兩次的。消費(fèi)金額(Monetary)消費(fèi)金額是對(duì)電子商務(wù)產(chǎn)能的最直時(shí)間15天前0.5052天前0.939.3平均停留時(shí)間150秒0.303120秒0.242.4平均訪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)用方法二：根據(jù)美國(guó)數(shù)據(jù)庫(kù)營(yíng)銷研究所ArthurHug平均停留時(shí)間：用戶一段時(shí)間每次訪問(wèn)的平均停留時(shí)間，即每個(gè)用戶TimeonSite的和平均訪問(wèn)頁(yè)面數(shù)：用戶一段時(shí)間每次訪問(wèn)的平均瀏覽頁(yè)面數(shù)，即每個(gè)用戶PageViews的和統(tǒng)計(jì)數(shù)據(jù)的時(shí)間區(qū)間也是根據(jù)的特征來(lái)定的，如果的信息更新較快，用戶訪問(wèn)較為頻繁，那么可以適當(dāng)選取較短的時(shí)間段，這樣數(shù)據(jù)變化上的靈敏度會(huì)高些；反之，則選擇稍長(zhǎng)的時(shí)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(huì)更加準(zhǔn)確有效。用戶忠誠(chéng)度的展示和比較上面的4個(gè)指標(biāo)均可以被量化統(tǒng)計(jì)得到，單一的指標(biāo)也是沒(méi)有意義的，我們需要通過(guò)比較來(lái)找出哪些是忠誠(chéng)用戶，哪些是流失用戶，可以先對(duì)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(píng)分，則可以乘10，數(shù)據(jù)就全部分布在[0,10]區(qū)間了，如下圖：用戶1用戶2數(shù)據(jù)標(biāo)準(zhǔn)化評(píng)分?jǐn)?shù)據(jù)標(biāo)準(zhǔn)化評(píng)分訪問(wèn)頻率14最近訪問(wèn)時(shí)間59.3平均停留時(shí)間3平均訪問(wèn)頁(yè)面——表中的數(shù)據(jù)只是簡(jiǎn)單的舉例，實(shí)際情況需要根據(jù)每個(gè)指標(biāo)的最大最小值進(jìn)行計(jì)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(gè)評(píng)分區(qū)間，那么就可以使用雷達(dá)圖對(duì)用戶的忠誠(chéng)度進(jìn)行展示。用雷達(dá)圖展示有以下幾個(gè)優(yōu)點(diǎn)：可以完整地顯示所有評(píng)價(jià)指標(biāo)；顯示用戶在各指標(biāo)評(píng)分中的偏向性；可以簡(jiǎn)單分析用戶忠誠(chéng)度的綜合評(píng)分，即圖形圍成的面積（假設(shè)四個(gè)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(lái)衡量）；可以用于用戶間忠誠(chéng)度的比較。下面是根據(jù)上表繪制的雷達(dá)圖示例：ary↑↑↑↑↓↓↓↓客戶類型重要價(jià)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(jià)值客戶一般發(fā)展客支持；發(fā)掘的可發(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；及時(shí)發(fā)現(xiàn)可能流失的客戶，及時(shí)采取有效賺取營(yíng)業(yè)額。根據(jù)這個(gè)指