谁在使用我的网站——用户忠诚和价值分析
谁在使用我的网站——用户忠诚和价值分析
前面介绍的都是一些用户的行为指标和用户细分，这里要介绍的是基于每个用户行为的综合性的分析和评定，主要包括用户的忠诚度和用户的价值。“以用户为中心”的理论要求网站不断优化改善用户的体验，进而提升用户的满意度，当用户的预期不断被满足时，用户就会喜欢上这个网站，进而发展成为网站的忠诚用户，同时不断地为网站输出价值。忠诚用户不但自身为网站创造价值，而且可以为网站带来许多隐性的收益，比如品牌和口碑的推广，带动其他用户的进入和成长。所以网站的忠诚用户是网站生存和持续发展的基石，我们需要掌握每个用户的忠诚度，同时也需要了解每个用户的价值体现。
这次的数据分析需求来自网站的营销部门，营销部门的同事需要跟进一些网站的已付费用户和潜在的付费用户，以便更好地推广网站的产品，为客户提供更好的服务，引导新用户的消费和老客户的持续性消费。营销部门因为资源有限，面对不断扩大的客户群体开始犯愁，他们没有精力对每位用户进行跟进和服务，于是他们请求数据分析师的帮助，帮他们寻找定位目标客户，以便提升工作效率。销售部门发来了数据分析的需求邮件。
两两比较的结果可以得到矩阵对角线上方的各个比值，而这个矩阵对角线两边的对称元素是相互的倒数，并且对角线的所有元素的值都为1，所以得到对角线一侧的数值就可以得到整个矩阵。因为矩阵的数值是两两比较的结果，所以可能存在A元素比B元素重要，B元素比C元素重要，但C元素却比A元素重要的情况，也就是矩阵的不一致性，所以首先需要验证该对比矩阵的一致性。可以通过计算矩阵的最大特征值的方法来衡量矩阵的一致性，相关的指标有一致性指标CI，随机一致性指标RI，一致性比率CR=CI/RI，一般当CR<0.1时，我们认为该对比矩阵的一致性是可以被接受的。如果矩阵的一致性满足要求，则可以根据矩阵的最大特征值进一步计算得到对应的特征向量，并通过对特征向量进行标准化（使特征向量中各分量的和为1）将其转化为权向量，也就是我们要求的结果，权向量中的各分量反映了各要素对其相应的上层要素的影响权重。
忠诚度评分 = 访问频率评分×0.4 + 最近访问间隔评分×0.25 +
平均停留时长评分×0.2 + 平均浏览页面数评分×0.15
在计算得到影响指标的权重之后，就可以通过加权求和的方式计算得到最终的忠诚度评分，见表6-3。
用户价值 = 购买忠诚度×0.67 + 消费能力×0.33
忠诚度 = 最近购买时间×0.12 + 购买频率×0.64 + 购买产品种类×0.24
消费能力 = 平均每次消费额×0.67 + 单词最高消费额×0.33
经过推导，我们可以用底层5个指标的评分直接计算得到用户的综合价值评分：
用户综合价值评分=（最近购买间隔评分×0.12+购买频率评分×0.64+购买产品种类评分×0.24）×0.67+（平均每次消费额评分×0.67+单次最高消费额评分×0.33）×0.33
用户综合价值评分=最近购买间隔评分×0.08+购买频率评分×0.43+购买产品种类评分×0.16+平均每次消费额评分×0.22+单次最高消费额评分×0.11
有了上面的计算公式，图6-21中所有层次的评分都可以计算得到了，我们根据雷达图中举例的3个用户的数据来计算一下他们的综合得分情况，见表 6-4。
最近购买间隔评分
购买频率评分
平均每次消费额评分
单次最高消费额评分
购买商品种类评分
购买忠诚度评分
消费能力评分
综合价值评分
用户1
2
3
8
9
3
2.88
8.33
4.6785
用户2
7
7
6
5
8
7.24
5.67
6.7219
用户3
5
1
3
2
1
1.48
2.67
1.8727
表中不仅计算得到了综合价值评分，同时得到了购买忠诚度和消费能力这两个中间层的得分，这样我们不仅能够通过直接比较用户的综合价值评分获取网站的重要用户，同时忠诚度和消费能力的评分也为针对用户的细分提供了一个有力的量化数值参考依据，如图6-22所示。
王彦平 吴盛峰 编著
电子工业出版社出版
