量化網站的用戶忠誠度
以上的4個指標對于電子商務網站而言，可能還有適用性，但對于大多數網站是不合適的，所以為了讓分析具有普遍的適用性，同時為了滿足所有的指標都可以量化（上面的客戶推薦意向比較難以量化），以便進行定量分析的要求，這里可以選取Google Analytics中對用戶忠誠度的4個度量指標：Repeated Times、Recency、Length of Visit、Depth of Visit，即用戶訪問頻率、最近訪問時間、平均停留時間、平均訪問頁面數，這些指標可以直接從網站的點擊流數據中計算得到，對所有的網站都適用，下面看一下這些指標的定義及如何計算得到
1.訪問頻率：用戶在一段時間內訪問網站的次數，即每個用戶Visits的個數；
2.最近訪問時間：用戶最近訪問網站的時間，因為這個指標是個時間點的概念，所以為了便于度量，一般取用戶最近訪問時間距當前的天數。
3.平均停留時間：用戶一段時間內每次訪問的平均停留時間，即每個用戶Time on Site的和/Visits的個數；
4.平均訪問頁面數：用戶一段時間內每次訪問的平均瀏覽頁面數，即每個用戶Page Views的和/ Visits的個數。
統計數據的時間區間也是根據網站的特征來定的，如果網站的信息更新較快，用戶訪問較為頻繁，那么可以適當選取較短的時間段，這樣數據變化上的靈敏度會高些；反之，則選擇稍長的時間段，這樣用戶的數據更為豐富，指標的分析結果也會更加準確有效。
用戶忠誠度的展示和比較
上面的4個指標均可以被量化統計得到，單一的指標也是沒有意義的，我們需要通過比較來找出哪些是忠誠用戶，哪些是流失用戶，可以先對指標進行一些處理，以便使它們之間更具可比性，可以參考之前的文章——數據的標準化），這里我采用的是min-max標準化的方法，首先將所有指標的數值全部轉換到［0，1］區間，再進行倍數放大，比如使用10分制進行評分，則可以乘10，數據就全部分布在［0，10］區間內了，如下圖：
——表中的數據只是簡單的舉例，實際情況需要根據每個指標的最大最小值進行計算
根據上表的數據，我們已經將所有指標統一到了同一個評分區間，那么就可以使用雷達圖對用戶的忠誠度進行展示。用雷達圖展示有以下幾個優點：
1.可以完整地顯示所有評價指標；
2.顯示用戶在各指標評分中的偏向性；
3.可以簡單分析用戶忠誠度的綜合評分，即圖形圍成的面積（假設四個指標的權重相等，若重要程度存在明顯差異，則不能用的面積來衡量）；
4.可以用于用戶間忠誠度的比較。
下面是根據上表繪制的雷達圖示例：
用戶忠誠度分析的意義
那么基于這個展示的結果我們能做些什么呢？其實對于任何網站而言，有兩個方向是一致的：保留忠誠用戶，減少流失用戶。基于上面的用戶忠誠度評價體系擴展開來就是：
1. 分析忠誠用戶的行為特征，努力滿足他們的需求，提高他們的滿意度；
2. 從最近訪問時間的指標數據機用戶忠誠度變化趨勢中發現一些可能正在流失的用戶，分析他們流失的可能原因，并試圖挽留流失用戶；
3. 比較忠誠用戶和流失用戶在指標數值上的差異，尋找哪些指標的差距導致了用戶忠誠度的降低，優化網站在這些方面的表現。
所以，我這里使用的是基于用戶訪問頻率、最近訪問時間、平均停留時間、平均訪問頁面數這4個指標來評價網站用戶的忠誠度，并用雷達圖進行展示和比較，也許你可以根據自己網站的特征找到更加適合的指標和展示方式，而最終需要做的是能夠更加精確地找到網站的忠實用戶，并努力留住他們。
想認識全國各地的創業者、創業專家，快來加入“中國創業圈”
|
