基于网站用户举动的虔诚度阐明

用户虔诚度(loyalty)是用户出于对企业或品牌的偏好而常常性反复购置的水平。对付网站来讲,用户虔诚度则是用户出于对网站的功用或服务的偏好而常常访问该网站的举动。按照客户虔诚实际,传统贩卖行业的虔诚度可由以下4个指标来怀抱。
★ 反复购置动向(repurchase intention): 购置之前购置过的类型商品的志愿；
★ 穿插购置动向(cross-buying intention): 购置之前未购置的商品类型或扩展服务的志愿；

★ 客户引荐动向(customer reference intention): 向其余潜在客户引荐,通报品牌口碑的志愿；
★ 费用忍受力(price tolerance): 客户愿意领取的最高费用。
以上4个指标对付电子商务网站而言,能够另有合用性,但对付大大都网站是分歧适的,所认为了让阐明具有广泛的合用性,同时为了知足一切的指标均可以量化(上面的客户引荐动向比力难以量化),以便进行定量阐明的请求,咱们选择一切网站都具有的基于访问的用户举动指标:用户访问频次、比来访问距离时间、均匀逗留时长均阅读页面数,这些也是google analytics原版本顶用户虔诚度模块下的4个指标。
这4个指标在上文曾经屡次提到了,界说再也不反复引见。统计数据的时间区间也是按照网站的特色来定的,若是网站的信息更新较快,用户访问较为频仍,那末可以适中拔取较短的时间段,如许数据变革上的活络度会高些;反之,则选择稍长的时间段,如许用户的数据更为丰硕,指标的阐明后果也会愈加精确有用。在统计获得这4个指标的数值之后,单凭指标数值仍是没法获得用户虔诚度的上下,需求对指标进行标准化处置获得响应的评分,经由过程评分就能够辨别用户的虔诚度在整体中处于甚么样的水平。
这里运用min-max归一化的要领,将4个指标别进行归一化后缩放到10分制(0-10分)的评分区间。这里需求注重的是,min-max归化会遭到异样值的影响,用户阅读页面数有个50的异样大的数值,那末归一化后大部分的值都在集中在较小的分值区域,以是倡议在归一化之前排查一下各指标是否存在异样值，若是存在,可以对异样值进行转换或过滤;同时这里的比来访问距离时间一样合用以"天"为单元,注重归一化的时辰需求进行特殊处置,由于距离天数越大,响应的评分应该越小,差别于其余3个指标,其余3个指标运用公式(x-min)/(max-min),比来访问距离天数要运用(max-x)/(max-min)的体式格局进行处置。咱们运用近一个月的用户访问数据,选择此中3个用户枚举一下用户举动数据的处置情况,见表6-2。

表6-2中,用户虔诚度的4个阐明指标颠末标准化处置后同一以10分制的模式输出,如许就能直接区别每一个用户的每项指标的浮现好坏。基于每一个指标的评分,可以对用户进行挑选,营销部门重点跟进常常访问网站的用户,可以选择访问频次评分大于3分的用户,或者重点跟进用户访问参加度较高的用户,可以挑选均匀逗留时间均访问页面数都大于3分的用户,如许能够协助营销部门迅速定位虔诚用户。
这里咱们用4个用户举动指标来评价用户的虔诚度,这种基于多指标从多角度进行评价最多见的展示体式格局就是雷达图,或者叫蛛网图,在电脑游戏内里比力常见,一些足球游戏运用雷达图来浮现球员的各方面的威力指数,如防卫、进攻、手艺、力气、精力等,以是这里也能够借用雷达图用4个指标来展示用户的虔诚度浮现情况,如图6-18所示。
图6-18运用了表6-2中三位用户的评分数据绘制而成,能够十分形象地浮现用户虔诚度在各指标上的浮现情况,用户1的整体虔诚度较低,用户2在访问频次和访问距离具有较好浮现,而用户aki访问具有相对于较高的参加度。运用雷达图阐明用户的虔诚度主要有以下劣势：

★ 可以完整地显示一切评价指标;
★ 显示用户在各指标评分中的偏差性,在哪些方面浮现较好;
★ 可以简略察看用户整体的虔诚情况,即图形围成的面积大小(假如4个指标的权重相称,若首要水平存在明明差距,则不克不及用面积来掂量);

★ 可以用于用户间虔诚度的比力。
以是,基于雷达图展示用户的虔诚度之后,营销部门可以直接查看哪些网页设计用户具有较好的虔诚度,哪些用户值得他们重点跟进。