电商网站用户忠诚度分析

阅读  ·  发布日期 2021-04-03 23:16  ·  admin

    用户忠诚度(Loyalty)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服务的偏好而经常访问该网站的行为。根据客户忠诚理论,传统销售行业的忠诚度可由以下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):购买以前未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。

    以上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,我们选择所有网站都具备的基于访问的用户行为指标:用户访问频率、最近访问间隔时间、平均停留时长和平均浏览页面数,这些也是Google Analytics原版本中用户忠诚度模块下的4个指标。

    这4个指标在上文已经多次提到了,定义不再重复介绍。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。在统计得到这4个指标的数值之后,单凭指标数值还是无法得到用户忠诚度的高低,需要对指标进行标准化处理得到相应的评分,通过评分就可以分辨用户的忠诚度在总体中处于什么样的程度。

    这里使用min-max归一化的方法,将4个指标分别进行归一化后缩放到10分制(0~10分)的评分区间。这里需要注意的是,min-max归一化会受到异常值的影响,比如用户浏览页面数有一个50的异常大的数值,那么归一化后大部分的值都在集中在较小的分值区域,所以建议在归一化之前排查一下各指标是否存在异常值,如果存在,可以对异常值进行转换或过滤;同时这里的最近访问间隔时间同样适用以“天”为单位,注意归一化的时候需要进行特殊处理,因为间隔天数越大,相应的评分应该越小,不同于其他3个指标,其他3个指标使用公式(x-min) / (max-min),最近访问间隔天数要使用(max-x) / (max-min)的方式进行处理。我们使用近一个月的用户访问数据,选择其中3个用户列举一下用户行为数据的处理情况,见下图。

用户忠诚度

用户忠诚度指标评分

 

    如上图,用户忠诚度的4个分析指标经过标准化处理后统一以10分制的形式输出,这样就能直接区分每个用户的每项指标的表现好坏。基于每个指标的评分,可以对用户进行筛选,比如营销部门重点跟进经常访问网站的用户,可以选择访问频率评分大于3分的用户,或者重点跟进用户访问参与度较高的用户,可以筛选平均停留时间和平均访问页面数都大于3分的用户,这样能够帮助营销部门迅速定位忠诚用户。