會員分層和顧客忠誠度分析

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(jì)每位用戶的價值，及針對每位用戶的擴(kuò)展?fàn)I銷（LeadGeneration）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(jì)時間段）：最近購買時間：用戶最近一次購買距當(dāng)前的天數(shù)；購買頻率：用戶在這段時間內(nèi)購買的次數(shù)；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)；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；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ArthurHughes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”(loyaltyladder)，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”(Pareto’sLaw)——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(jì)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

FrequencyMonetary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：

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?；谏厦娴挠脩糁艺\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)用戶忠誠度變化趨勢中發(fā)現(xiàn)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(biāo)數(shù)值上的差異，尋找哪些指標(biāo)的差距導(dǎo)致了用戶忠誠