会员分层和顾客忠诚度分析.docx

会员分层： 方法一： 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。 评价用户价值的指标 对于评价指标的选择这里遵循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。 实战 这个是我根据我们某业务用户特征做的分类： ? 方法都很简单，基于业务的指标构建→数据提取→指标标准化离散→聚类→结果分析，分层效果还是很清晰，最后分析后把每一层聚类的标准固化就实现实时分层的应用 方法二： 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：? 最近一次消费（Recency） 消费频率（Frequency） 消费金额（Monetary） RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理(CRM)系统的网站来说， 其分析的结果将更具意义。 基本概念解释 RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释： 最近一次消费(Recency) 最近一次消费意指用户上一次购买的时间，理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。因为最近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费对营销来说是一个重要指标，涉及吸引客户，保持客户，并赢得客户的忠诚度。 消费频率(Frequency) 消费频率是顾客在一定时间段内的消费次数。最常购买的消费者，忠诚度也就最高，增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。 根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。 消费金额(Monetary) 消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证“帕雷托法则”(Pareto’s Law)——公司80％的收入来自20％的顾客。 数据获取与分析 在 从数据库中提取相关数据之前，首先需要确定数