會員分層：
方法一：
當用戶在電子商務網站上有了購買行為之后，就從潛在客戶變成了網站的價值客戶。電子商務網站一般都會將用戶的交易信息，包括購買時間、購買商品、購買數量、支付金額等信息保存在自己的數據庫里面，所以對于這些用戶，我們可以基于網站的運營數據對他們的交易行為進行分析，以估計每位用戶的價值，及針對每位用戶的擴展營銷（Lead Generation）的可能性。
評價用戶價值的指標
對于評價指標的選擇這里遵循3個原則：
1.指標可量化：沒辦法，要做定量分析，這個是最基本的前提；
2.盡可能全面：根據底層數據選擇盡可能多的可以獲取的指標，這樣能夠從多角度進行分析和評價；
3.線性獨立：即指標間盡量保持不相關。比如如果選擇用戶的購買次數和總消費額，那么一定是購買次數越多的用戶總消費額越高，也就是導致了評價維度上的重合，而選擇購買次數和平均每次交易額可以避免這種相關性產生的弊端。
根據以上幾個原則選取了以下幾個指標（同樣根據網站的特征選取合適的統計時間段）：
1.最近購買時間：用戶最近一次購買距當前的天數；
2.購買頻率：用戶在這段時間內購買的次數；
3.平均每次交易額：用戶在這段時間內的消費總額/購買的次數；
4.單次最高交易額：用戶在這段時間內購買的單詞最高支付金額；
5.購買商品種類：用戶在這段時間內購買的商品種類或商品大類。
用戶評價模型的展示
一樣的，也可以用雷達圖進行展示，同樣也使用離差標準化的方法對每個指標進行消除度量單位的10分制評分。下面是一個雷達圖的示例：
通過這個雷達圖，我們可以讀到比用戶忠誠度更多的信息。圖中的上面3個指標——最近購買時間、購買頻率和購買商品種類可以用來評價用戶的忠誠度，而下面的2個指標——平均每次交易額和單詞最高交易額可以用來衡量用戶的消費能力。如上圖，用戶1雖然購買頻率和購買的廣度不高，但其消費的能力較強，而用戶2是頻繁購買用戶，對網站有一定的忠誠度，但其消費能力一般。所以圖形的上半部分面積較大的用戶擁有較高的忠誠度，而下半部分面積較大的用戶具有更高的消費能力。這兩類用戶都是網站的有價值客戶，但由于其類型的不同，在營銷策略上可 以分開對待。
用戶交易行為分析的意義
1.發現網站的高價值客戶（VIP），為客戶關系管理（CRM）及保持有價值客戶提供支持；
2.發掘網站的可發展用戶，對于一些新客戶或潛力客戶進行針對性營銷；
3.及時發現可能流失的客戶，及時采取有效措施；
4.根據用戶交易行為細分客戶群，實施有針對性的營銷策略。
實戰 這個是我根據我們某業務用戶特征做的分類：
方法都很簡單，基于業務的指標構建→數據提取→指標標準化離散→聚類→結果分析，分層效果還是很清晰，最后分析后把每一層聚類的標準固化就實現實時分層的應用
方法二：
根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：
1.最近一次消費（Recency）
2.消費頻率（Frequency）
3.消費金額（Monetary）
RFM分析原多用于傳統營銷、零售業等領域，適用于擁有多種消費品或快速消費品的行業，只要任何有數據記錄的消費都可以被用于分析。那么對于電子商務網站來說，網站數據庫中記錄的詳細的交易信息，同樣可以運用RFM分析模型進行數據分析，尤其對于那些已經建立起客戶關系管理（CRM）系統的網站來說， 其分析的結果將更具意義。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
