电子商务顾客价值（电商行业的客户特征）

电子商务企业客户价值分析

当用户在电子商务网站上进行购买时，他或她就成为该网站的有价值的客户。电子商务网站一般将用户的交易信息，包括购买时间、购买的商品、购买数量、支付金额等存储在自己的数据库中。因此，对于这些用户，我们可以根据网站的运营数据对其交易行为进行分析。进行分析以估计每个用户的价值以及每个用户扩大营销（潜在客户生成）的可能性。

用户交易行为分析的意义

发现网站高价值客户（VIP），为客户关系管理（CRM）和留住有价值客户提供支持；

发现网站的潜在用户，并对新客户或潜在客户进行针对性营销；

及时发现可能流失的客户并及时采取有效措施；

根据用户交易行为细分客户群体，实施针对性的营销策略。

用户价值评估指标

评价指标的选择遵循三个原则：

指标可以量化：没办法，需要量化分析，这是最基本的前提；

尽可能全面：根据底层数据，尽可能多地选择可获得的指标，以便从多个角度进行分析和评估；

线性独立性：即指标应尽可能保持不相关。例如，如果选择用户的购买次数和总消费，那么购买次数越多的用户，其总消费必然越高，这就导致评价维度出现重叠。选择购买次数和平均交易金额可以避免这种情况。这种相关性带来的缺点。

基于以上原则，选取以下指标（还根据网站特点选取合适的统计时间段）：

上次购买时间：距离用户上次购买的天数；

购买频次：用户在这段时间内购买的次数；

平均单笔交易金额：用户该时段的总消费/购买次数；

单笔最大交易金额：用户在此期间购买的单词的最大支付金额；

购买的产品类型：用户在此期间购买的产品类型或产品类别。

用户评价模型展示

同样，也可以用雷达图来展示，同样采用离差标准化法，对各指标进行10分制评分，剔除测量单位。以下是雷达图的示例：

通过这个雷达图，我们可以读到比用户忠诚度更多的信息。图中最上面的三个指标，——最近的购买时间、购买频率和所购买的商品类型，可以用来评价用户忠诚度，而最下面的两个指标，——每次平均交易金额和最大字数交易金额来衡量用户的忠诚度。消费能力。

如上图所示，用户1虽然购买频率和购买广度较低，但消费能力较强，而用户2是频繁购买者，对网站有一定的忠诚度，但消费能力一般。因此，图表上半部分面积较大的用户忠诚度较高，而下半部分面积较大的用户消费能力较高。这两类用户都是网站的有价值客户，但由于类型不同，在营销策略上可以分别对待。

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，也是网站品牌口碑推广的重要渠道，因此网站越来越重视忠诚用户。许多网站或网站分析工具可能会将用户分为“新用户”和“回访用户”，但仅仅区分新用户和老用户是不够的。我们需要更好的指标来衡量网站用户的忠诚度。

用户忠诚度（Loyalty）是指用户出于对某个公司或品牌的偏好而重复购买的程度。对于网站而言，用户忠诚度是指用户因网站的功能或偏好而经常访问该网站的行为。

那么根据本次演示的结果我们可以做什么呢？其实对于任何一个网站来说，都有两个方向是一致的：留住忠实用户和减少流失用户。基于上述用户忠诚度评价体系，可以扩展为：

分析忠实用户的行为特征，努力满足他们的需求，提高他们的满意度；

从近期访问时间指标数据机的用户忠诚度变化趋势中发现部分可能流失的用户，分析其流失的可能原因，并尽力留住流失的用户；

比较忠诚用户和流失用户的指标值差异，找出哪些指标差异导致用户忠诚度下降，并优化网站在这些方面的表现。

因此，这里采用的是根据用户访问频率、最近访问时间、平均停留时间、平均访问页面数四个指标来评估网站用户的忠诚度，并用雷达图来展示和比较。也许您可以使用网站的雷达图来评估网站用户的忠诚度。功能找到更合适的指标和展示方式，最终要做的就是能够更精准地找到网站的忠实用户，并努力留住他们。

用户忠诚度评价指标

根据顾客忠诚理论，忠诚度可以通过以下四个指标来衡量：

重复购买意向（Repurchase Intention）：购买以前购买过的产品类型的意向；

交叉购买意向：愿意购买以前购买过的产品类型或扩展服务；

客户推荐意向：愿意向其他潜在客户推荐并传达品牌声誉；

价格容忍度：客户愿意支付的最高价格。

量化网站用户忠诚度

以上四个指标可能适用于电子商务网站，但并不适合大多数网站。因此，为了使分析具有普遍适用性，并且满足所有指标，所有指标都可以量化（上面的客户推荐意图是比较难量化的），为了进行量化分析需求，这里可以选择四个衡量指标Google Analytics中的用户忠诚度，即用户访问频率、最近访问时间、平均停留时间和平均访问页面数。这些指标可以直接根据网站的点击流数据计算出来，适用于所有网站。我们先来看看这些指标的定义以及如何计算（网站指标的一些相关定义可以参考——网站分析的基本指标）：

访问频率：一段时间内用户访问网站的次数，即每个用户的访问次数；

上次访问时间：用户最近访问该网站的时间。由于该指标是时间点概念，为了测量方便，一般取用户上次访问到当前时间的天数。

平均停留时间：一段时间内每个用户访问的平均停留时间，即每个用户的Time on Site和/Visits数；

平均访问页面数：一段时间内用户每次访问的平均访问页面数，即每个用户的Page Views和/Visits数。

统计数据的时间间隔也是根据网站的特点来确定的。如果网站的信息更新较快，用户访问比较频繁，那么可以适当选择较短的时间段，这样对数据变化的敏感度就会较高；否则，则选择稍长的时间段，这样用户的数据会更加丰富，指标分析结果也会更加准确有效。

用户忠诚度展示及对比

以上四个指标都可以通过定量统计得到。单一的指标是没有意义的。我们需要通过比较找出哪些是忠实用户，哪些是流失用户。我们可以先对指标进行一些处理，让它们更加一致。更多的可比性可以参考之前的文章——数据标准化）。这里我使用最小-最大标准化方法。首先将所有指标的值转换成[0,1]区间，然后进行倍数放大，比如如果用10分制评分的话，可以乘以10，数据就会都分布在[0,10]区间，如下图：

根据上表的数据，我们将所有指标统一到同一个评分区间，然后就可以用雷达图来展示用户忠诚度了。使用雷达图进行展示有以下优点：

所有评价指标均可完整显示；

显示用户对各个指标评分的偏差；

可以简单分析用户忠诚度的综合得分，即图形围成的面积（假设四个指标权重相等，如果重要性存在显着差异，则无法通过面积来衡量）；

可用于比较用户之间的忠诚度。

以下是基于上表的雷达图示例：