当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户。电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，我们可以基于网站的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对每位用户的扩展营销（Lead Generation）的可能性。

　　用户交易行为分析的意义

　　发现网站的高价值客户（VIP），为客户关系管理（CRM）及保持有价值客户提供支持；

　　发掘网站的可发展用户，对于一些新客户或潜力客户进行针对性营销；

　　及时发现可能流失的客户，及时采取有效措施；

　　根据用户交易行为细分客户群，实施有针对性的营销策略。

　　评价用户价值的指标

　　对于评价指标的选择遵循3个原则：

　　指标可量化：没办法，要做定量分析，这个是最基本的前提；

　　尽可能全面：根据底层数据选择尽可能多的可以获取的指标，这样能够从多角度进行分析和评价；

　　线性独立：即指标间尽量保持不相关。比如如果选择用户的购买次数和总消费额，那么一定是购买次数越多的用户总消费额越高，也就是导致了评价维度上的重合，而选择购买次数和平均每次交易额可以避免这种相关性产生的弊端。

　　根据以上几个原则选取了以下几个指标（同样根据网站的特征选取合适的统计时间段）：

　　最近购买时间：用户最近一次购买距当前的天数；

　　购买频率：用户在这段时间内购买的次数；

　　平均每次交易额：用户在这段时间内的消费总额/购买的次数；

　　单次最高交易额：用户在这段时间内购买的单词最高支付金额；

　　购买商品种类：用户在这段时间内购买的商品种类或商品大类。

　　用户评价模型的展示

　　一样的，也可以用雷达图进行展示，同样也使用离差标准化的方法对每个指标进行消除度量单位的10分制评分。下面是一个雷达图的示例：

　　通过这个雷达图，我们可以读到比用户忠诚度更多的信息。图中的上面3个指标——最近购买时间、购买频率和购买商品种类可以用来评价用户的忠诚度，而下面的2个指标——平均每次交易额和单词最高交易额可以用来衡量用户的消费能力。

   如上图，用户1虽然购买频率和购买的广度不高，但其消费的能力较强，而用户2是频繁购买用户，对网站有一定的忠诚度，但其消费能力一般。所以图形的上半部分面积较大的用户拥有较高的忠诚度，而下半部分面积较大的用户具有更高的消费能力。这两类用户都是网站的有价值客户，但由于其类型的不同，在营销策略上可以分开对待。

　　用户忠诚度分析的意义

   忠诚用户不仅能为网站创造持续的价值，同时也是网站品牌口碑推广的重要渠道，所以目前网站对忠诚用户愈加重视。可能很多网站或者网站分析工具对用户做了“新用户”和“回访用户”的划分，但是单单区分新老用户是不够的。我们需要更加完善的指标来衡量网站用户的忠诚度。

   用户忠诚度（Loyalty），指的是用户出于对企业或品牌的偏好而经常性重复购买的程度。对于网站来说，用户忠诚度则是用户出于对网站的功能或偏好而经常访问该网站的行为。

　　那么基于这个展示的结果我们能做些什么呢？其实对于任何网站而言，有两个方向是一致的：保留忠诚用户，减少流失用户。基于上面的用户忠诚度评价体系扩展开来就是：

　　分析忠诚用户的行为特征，努力满足他们的需求，提高他们的满意度；

　　从最近访问时间的指标数据机用户忠诚度变化趋势中发现一些可能正在流失的用户，分析他们流失的可能原因，并试图挽留流失用户；

　　比较忠诚用户和流失用户在指标数值上的差异，寻找哪些指标的差距导致了用户忠诚度的降低，优化网站在这些方面的表现。

　　所以，这里使用的是基于用户访问频率、最近访问时间、平均停留时间、平均访问页面数这4个指标来评价网站用户的忠诚度，并用雷达图进行展示和比较，也许你可以根据自己网站的特征找到更加适合的指标和展示方式，而最终需要做的是能够更加精确地找到网站的忠实用户，并努力留住他们。

   评价用户忠诚的指标

　　根据客户忠诚理论，忠诚度可以由以下4个指标来度量：

　　重复购买意向（Repurchase Intention）：购买以前购买过的类型产品的意愿；

　　交叉购买意向（Cross-buying Intention）：购买以前为购买的产品类型或扩展服务的意愿；

　　客户推荐意向（Customer Reference Intention）：向其他潜在客户推荐，传递品牌口碑的意愿；

　　价格忍耐力（Price Tolerance）：客户愿意支付的最高价格。

量化网站的用户忠诚度

　　以上的4个指标对于电子商务网站而言，可能还有适用性，但对于大多数网站是不合适的，所以为了让分析具有普遍的适用性，同时为了满足所有的指标都可以量化（上面的客户推荐意向比较难以量化），以便进行定量分析的要求，这里可以选取Google Analytics中对用户忠诚度的4个度量指标，即用户访问频率、最近访问时间、平均停留时间、平均访问页面数。这些指标可以直接从网站的点击流数据中计算得到，对所有的网站都适用，下面看一下这些指标的定义及如何计算得到（一些网站度量的相关定义请参考——网站分析的基本度量）：

　　访问频率：用户在一段时间内访问网站的次数，即每个用户Visits的个数；

　　最近访问时间：用户最近访问网站的时间，因为这个指标是个时间点的概念，所以为了便于度量，一般取用户最近访问时间距当前的天数。

　　平均停留时间：用户一段时间内每次访问的平均停留时间，即每个用户Time on Site的和/Visits的个数；

　　平均访问页面数：用户一段时间内每次访问的平均浏览页面数，即每个用户Page Views的和/ Visits的个数。

　　统计数据的时间区间也是根据网站的特征来定的，如果网站的信息更新较快，用户访问较为频繁，那么可以适当选取较短的时间段，这样数据变化上的灵敏度会高些；反之，则选择稍长的时间段，这样用户的数据更为丰富，指标的分析结果也会更加准确有效。

　　用户忠诚度的展示和比较

　　上面的4个指标均可以被量化统计得到，单一的指标也是没有意义的，我们需要通过比较来找出哪些是忠诚用户，哪些是流失用户，可以先对指标进行一些处理，以便使它们之间更具可比性，可以参考之前的文章——数据的标准化），这里我采用的是min-max标准化的方法，首先将所有指标的数值全部转换到[0,1]区间，再进行倍数放大，比如使用10分制进行评分，则可以乘10，数据就全部分布在[0,10]区间内了，如下图：

　　根据上表的数据，我们已经将所有指标统一到了同一个评分区间，那么就可以使用雷达图对用户的忠诚度进行展示。用雷达图展示有以下几个优点：

　　可以完整地显示所有评价指标；

　　显示用户在各指标评分中的偏向性；

　　可以简单分析用户忠诚度的综合评分，即图形围成的面积（假设四个指标的权重相等，若重要程度存在明显差异，则不能用的面积来衡量）；

　　可以用于用户间忠诚度的比较。

　　下面是根据上表绘制的雷达图示例：