基于网站用户行为的忠诚度分析
顾客忠诚度(Loyalty)是顾客出于对公司或品牌的偏好而经常性重复购买的水平。相对网站来说,顾客忠诚度则是顾客出于对网站的基本功能或服务的偏好而经常浏览该网站的行为。依据客户忠诚理论,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(RepurchaseIntention):购买以前购买过的类型产品的意愿;
★交叉购买意向(Cross-buyingIntention):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(CustomerReferenceIntention):向其他潜在客户推荐,传递品牌口碑的意愿;
★费用忍耐力(PriceTolerance):客户愿意支付的更高费用。
以上4个指标相对电子商务网站而言,可能还有适用性,但相对大多数网站是不合适的,故此为了让剖析具有普遍的适用性,同时为了符合所有的指标都可以量化(上面的客户推荐意向比较很难量化),以便开展定量剖析的需求,咋们选择所有网站都具备的基于浏览的顾客行为指标:顾客浏览频率、更近浏览间隔時间、平均停留时长和平均浏览页面数,这些也是GoogleAnalytics原版本中顾客忠诚度模块下的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。统计数据的時间区间也是依据网站的特征来定的,假如网站的信息更新较快,顾客浏览较为频繁,那么可以适入选取较短的時间段,这样子数据改变上的灵敏度会高些;反之,则选择稍长的時间段,这样子顾客的数据更为多样,指标的剖析结果也会更加准确有效。在统计获得这4个指标的数值之后,单凭指标数值还是无法获得顾客忠诚度的高低,必须要对指标开展标准化处置获得相应的评分,通过评分就可以分辨顾客的忠诚度在总体中处于什么样的水平。
这里使用min-max归一化的方法,将4个指标别开展归一化后缩放到10分制(0-10分)的评分区间。这里必须要注意的是,min-max归化会受到异常值的决定,比如顾客浏览页面数有个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,故此建议在归一化以前排查一下各指标能否存在异常值,假如存在,可以对异常值开展转换或过滤;同时这里的更近浏览间隔時间一样适用以"天"为单位,注意归一化的时候必须要开展特别处置,由于间隔天数越大,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),更近浏览间隔天数要使用(max-x)/(max-min)的方法开展处置。咋们使用近一个月的顾客浏览数据,选择其中3个顾客列举一下顾客行为数据的处置情况,见表6-2。
表6-2中,顾客忠诚度的4个剖析指标经过标准化处置后统一以10分制的形式输出,这样子就能直接区分每个顾客的每项指标的表现优劣。基于每个指标的评分,可以对顾客开展筛选,比如营销部门重点跟进经常浏览网站的顾客,可以选择浏览频率评分大于3分的顾客,或者重点跟进顾客浏览参与度较高的顾客,可以筛选平均停留時间和平均浏览页面数都大于3分的顾客,这样子可以赞助营销部门迅速定位忠诚顾客。
这里咋们用4个顾客行为指标来评价顾客的忠诚度,这类基于多指标从多角度开展评价更常见的展现方法便是雷达图,或者叫蛛网图,在电脑游戏里边比较常见,比如一部分足球游戏使用雷达图来表现球员的各方面的能力指数,如防守、进攻、技术、力量、精神等,故此这里也可以借用雷达图用4个指标来展现顾客的忠诚度表现情况,如图6-18所示。
图6-18使用了表6-2中三位顾客的评分数据绘制而成,可以特别形象地表现顾客忠诚度在各指标上的表现情况,顾客1的整体忠诚度较低,顾客2在浏览频率和浏览间隔具有较好表现,而顾客aki浏览具有相对较高的参与度。使用雷达图剖析顾客的忠诚度主要有如下特点:
★可以完整地显示所有评价指标;
★显示顾客在各指标评分中的偏向性,在什么方面表现较好;
★可以简单观察顾客整体的忠诚情况,即图形围成的面积大小(假设4个指标的权重相等,若重要水平存在明显差别,则不能用面积来衡量);
★可以用于顾客间忠诚度的比较。
故此,基于雷达图展现顾客的忠诚度之后,营销部门可以直接查看什么网站制作顾客具有较好的忠诚度,什么顾客值得他们重点跟进。
本文章由新概念互动原创,如没特殊注明,转载请注明来自:http://www.jianzhan0.com/zhiku/76849.html