前の2つの記事は説明して顧客の忠誠心の分析をすべてのサイトのためのクリックストリームのデータに基づくとで使用されているeコマースウェブサイトのユーザー分析でき、直感的なレーダーチャートは、パフォーマンスのさまざまな指標でユーザーを表示することができ、我々エリアは、単にユーザーの価値を評価するためにレーダーマップグラフィックスに囲まれています。 各インデックスは、重量（eコマースサイトは、一定期間での受注や取引のボリュームを完了するには、ユーザー数にもっと注意を払うことができるなど）であるときにはどのように評価するか、この場合は、この質問があるかもしれませんユーザーの統合された値はありますか？ あなたが私の前回の記事読んでいる場合- 階層分析法を（AHP） 、私はあなたが満足のいく答えを発見したと信じて、AHPは、この問題を解決することができます。 以下は、分析階層プロセスの顧客の忠誠心の評価とeコマースウェブサイトのユーザーの値のスコアを使用して導入されました。
顧客の忠誠心を評価する
4つの指標によって顧客の忠誠心 - ユーザのアクセス頻度、最近のアクセス時間と滞留時間と平均を意味するが、意思決定のページ番号を参照してください、そこに4つの指標は明らかにカテゴリはありません、と同じレベルで、各指標の独立したと考えることができます、我々は唯一の2層モデルを構築する必要があります。
我々は、データを取得するには、主に専門家グループや調査研究の方法を通じて、これを顧客ロイヤルティの指標のそれぞれの重量の底部を計算し、唯一の基礎となる指標の相対的な重みを知っておく必要がありますする必要があり、それは4つの指標の任意の2つの割合の間に仮定されます次の表（9スケールを使用しています）。
| ユーザーのアクセス頻度 | 最終アクセス日時 | 平均滞留時間 | 平均閲覧ページ | |
| ユーザーのアクセス頻度 | A | 7 | 3 | 3 |
| 最終アクセス日時 | 1月7日 | A | 1月3日 | 1月5日 |
| 平均滞留時間 | 1月3日 | 3 | A | 1月3日 |
| 平均閲覧ページ | 1月3日 | 5 | 3 | A |
-ユーザーの割合が周波数にアクセスする場合、テーブル内のデータは逆数行列であり、それがある"と"最後のアクセス時間"分析その第7条（1-9スケールを参照してくださいレベルの定義）は、対応するフォームの行列対角対称性の値の形式の2行目（3）の値（3行目、2）1月7日。 一対比較は、データのみの対角線側には、対応する値を取るために反対側のカウントダウンを完了する必要があります。
一対比較の間に指標は、このようなテーブルのデータを"ユーザのアクセス頻度と平均滞留時間"などのデータの不整合、全体の行列は、 "平均ページ数の割合の3つのすべてを参照してください。一つは平均滞留時間の割合を推測しなければならない "と"平均ページビュー数は等しく重要である、1ですが、実際のデータの割合が下1/3である。 したがって、一対比較プロセスは2つだけの指標間の関係を気に見ることができ、0.1以上のみ以下の行列全体の矛盾につながる関係のない導出、重量を計算する前に矛盾の係数行列は、ありません。データ行列を採用することができる。
この内の専門家の選択を - あなたはまた、分析ツールのAHPを使用することはお勧めここで達成することができますExcelの言葉に精通して十分に優れている場合、各インデックス権重量の法則行列演算の計算のレベルの分析による結果の表一対比較、上記のツリーモデルに似て建物内のツールは、その指標のテーブルの上に一対比較の結果への入力は、ソフトウェアが自動的にターゲットとモデルCR（一貫性の確率）に対して相対的に各指標の重みを計算します。 上記のモデルは、入力フォームのデータ指標の対比較、計算されたソフトウェアの輸入CR = 0.05 <0.1は、そのテストを介してデータは、あなたがさらに各指標の重みは、以下の加重平均加重式にアクセスすることができます。
顧客忠誠心=ユーザーのアクセス頻度* 0.525 +最近のアクセス時間* 0.056 +平均滞留時間のページを参照する* 0.139 +平均* 0.279
これらの知見に基づいて、我々は標準化された各指標のスコアデータ重みの和のユーザー忠誠テキストの2人のユーザー、たとえば、10パーセンタイルスコアリングシステムを用いて、計算次のように顧客の忠誠心：
| スコア | ユーザーのアクセス頻度 | 最終アクセス日時 | 平均滞留時間 | 平均閲覧ページ | カスタマー·ロイヤルティ |
| ユーザー1 | 1.0 | 5.0 | 3.0 | 3.8 | 2.28 |
| ユーザー2 | 4.0 | 9.3 | 2.4 | 6.3 | 4.71 |
| ユーザーのn | ...... | ...... | ...... | ...... | ...... |
分析のレベルを超えて、複数の評価スコアは、ユーザーのより直接的な評価は、対象指標に集約加重結果、上記の結果は、忠誠を選択し、並べ替えることができ、各ユーザーのロイヤルティ評価のために計算することができます。上部には、監督のマーケティングを展開します。
電子商取引のウェブサイトのユーザーの値を評価する
上記の分析によって、インスタンスは、階層分析法の適用が一定の知識が必要ですし、より複雑なマルチレベルの解析モデルは、階層分析法は、それを達成するためにはどうですか？ 次のインデックスシステムは、簡単な紹介にこの記事の例に電子商取引のウェブサイトのユーザー 。 最初の建物の評価指標システムのモデルは、eコマーストランザクションデータから得られた指標は紙によると精緻化の指標のインデックスでさらに階層化は、より豊富で、あなたは次に示すように、三層構造モデルを確立することができます。
このモデルに基づいて、計算するために3回AHPを使用する必要があります。
- user値の重量の忠誠心と購買力。
- 最近購入し、周波数を購入し、製品カテゴリの忠誠心の重みを購入する。
- 平均それぞれの支出と重量の購買力への支出の最高額シングル。
指標の一対比較の重みは、各ステップで得られた、行列を計算するためにCRの確率の一貫性は、上部の対応する指標の各指標の重み係数を計算し、最終的に我々は次のような結果を得ることができます。
ユーザー値=忠誠* 0.67 +消費容量* 0.33
忠誠心=最近の購入時の購入* 0.12 +周波数* 0.64 +購入製品カテゴリ* 0.24
購買力最高の支出=平均各支出* 0.67 +単語* 0.33
ユーザーの値は、直接式を導出することができます。
ユーザー値=（最も最近の購入時の購入* 0.12 +周波数の製品カテゴリの* 0.64 +購入* 0.24）* 0.67 +（各量の平均消費量* 0.67 +言葉の最大の支出* 0.33）* 0.33→
ユーザー値=買い時* 0.08購入+周波数* 0.43 +購入の製品カテゴリ* 0.16 + * 0.22 +言葉の支出* 0.11平均各支出
例では、2つのユーザーが彼らの全体的な価値のスコアは、次の表を計算する：
| スコア | 最近時間を購入 | 購入の頻度 | 製品カテゴリの購入 | 平均的な各支出 | 単語の最高支出 | 忠誠心 | 購買力 | ユーザー値 |
| ユーザー1 | 2 | 3 | 3 | 8 | 9 | 2.88 | 8.33 | 4.68 |
| ユーザー2 | 7 | 7 | 8 | 6 | 5 | 7.24 | 5.67 | 6.72 |
| ユーザーのn | ...... | ...... | ...... | ...... | ...... | ...... | ...... | ...... |
それは階層構造に基づく分析法を用いて得られた結果の分析の究極の目標指標（顧客価値）評価を計算するだけでなく、表から見ただけでなく、中間層のモデルを得る（忠誠心や購買力）のインデックスを計算することができることができます私たちは以下に示すように、強力な定量的な数値基準のユーザー·セグメントのウェブサイト、忠誠心と支出の定格電力の重要なユーザーのユーザーの値のスコアを直接比較できるだけでなくその評価：
- 100ランダム参照するためのデータ散布図データのサンプルのみとは、実際を表すものではありません
上記の散布図は、強度分布（または点）の中点が図単純な内のサブブロックのポイントを満たすために、4分割することができますグラフから集められた顧客の忠誠心と購買力の簡単な表示ですの最短距離（最も濃い）、最長のブロック分布（ほとんどの離散的）と、実際には、電子商取引のウェブサイトのユーザ機能の分布から見ることができる最も簡単なクラスタリングの一つとして見ることができます。
- 地域付近の3つのより多くの忠誠心と支出の定格電力を分散だけでなく、最も一般的なサイトの顧客基盤は、C領域から見ることができます。
- 領域B内のユーザーが最も貴重な顧客（VIP）のサイトですが、その数は非常にまれですが、10％未満であるかもしれません。
- あなたのサイトに高級品を提供する場合、彼らが消費するよりもさらに高度な消費者のユーザーベースのサイトではなく、支出が高い領域（忠誠1-2、8-9の購買力）の集中的な間隔のポイント卸売、買物サービス、彼らは、顧客ベースでされるかもしれません。
- 領域D購買力のユーザーは、強力ではありませんが、彼らはあなたのサイトの忠実なファンであり、これらのユーザを無視しないで、彼らはサイトのオフラインマーケティング、ブランドの評判のスプレッドの有利なサポーターになる傾向があります。
上記の分析と同様に、我々はeコマースサイトの特定の特性は、意思決定支援、運用方向とサイトのマーケティング戦略を提供することがわかった。
階層分析法の応用、ウェブサイトのユーザーの評価に焦点を当ててこの記事は、実際には、階層分析法だけでなく、サイトのユーザーの評価に適用され、同じことがより関与してWebサイトのページ、製品、ソース、キーワード、および他に適用されます指標の評価が階層化することができ、キーは、指標の評価システムのシステムを確立する方法です。 あなたが拡張の良いアイデアを持っている場合、私との意見交換を歓迎します。
»この論文では、 BY-NC-SAの複製合意、ソースを指定してください： データ分析は、 » "ユーザ値の評価システム
関連記事：
企業のマーケティング部門では、絶対に自分の計画を行うには、それを必要とされています。
共有するためにありがとうございます
よく、書き込み、およびbihumanに参加願って、ブロガーは、インターネット業界で上に待っている
ユーザーのライフサイクル管理Cipian "と一緒にユーザーの値の分析"、私はあなたがどのように考えるかわからないのですか？
_at_のzhilavie ：ユーザー値は、ユーザーのライフサイクルの値を評価するための定量的な標準として使用することができます。
後でので、時間因子を含めて、ユーザーのライフサイクルの理解していない場合は、ユーザーが満たしているか、高価値を維持し続けるために、アウトリーチプログラムを提供することを決定することにより、どのライフサイクルでの
_at_ zhilavie ：ユーザーがライフサイクルの中でかもしれませんどの段階評価し、ターゲットを絞ったパーソナライズされたマーケティングを展開するユーザーの行動の分析を通して、顧客関係管理の非常に重要な部分であるユーザーのライフサイクル理論。
しかし、私は主にライフサイクルを通じたサイトのユーザーによって作成された値の定量的な計算にここにいます。
、ユーザーの値はサイトが現在の条件を操作している理解するためにサイトのユーザーの構造は、ユーザーの値の分布を理解することができます
ごく最近、非常にあなたのブログのスタイルのように、不注意にグーグルwebdataanalysis.netで見つかったサイトを行うと、あなたの本は非常に実りの多い感じ読むことを学ぶし始めている、テキストは非常に実用的です。 理解しておくことも非常に簡単です。 私がこの記事を計算すると、ブログ上で理解する弟の第五の動きについてです！ ラッキー:)ああ、彼らの努力を倍加する！ 本当にあなたのブログの繁栄を楽しみにしています。
_at_ 幸せな子供たちはカラオケ ：私はあなたの心配をありがとう感謝したいと思います。
これが理解できませんでした。 。 非常に専門知識を必要とします。 たとえば、統計的に。 。 。
_at_ mengyi ：実際には、難しいことではありません、統計、分析メソッドの数を含むかもしれませんが、主にビューの実装とアプリケーションの観点に基づいて、実際には、重要なことは、メソッドの複雑さではなく、貴重な分析目標を達成するために適切な方法を選択。
あなたは、ユーザーの忠誠の評価シートのデータがこれを理解していない書き込み、私は同じではありませんカウントされます。 疑念を楽しみにしています。
_at_ ナンシー ：各影響指標は、コンポーネントの値の形式ではなく、その実際の値に変換する必要があり、他の重みが私がここで使用されて確認することに留意すべきで、実際には、スコアの忠誠心や値のいずれかが、プロセスの加重合計ですAHPは、もちろん、他の方法でも使用することができます。
まあ、私はあなたが、その使用状況を分析するSNSサイトであれば私が尋ねると考え、分析するためにAHPを使用することができますか？ 製品と仮定します。ブログ、写真、貧弱な、曲のリストは、ユーザーがユーザーの価値を実現するためにこれらの製品を使用するには、私たちは分析するAHP使用できますか？ または他の方法は、私をいくつかの提案を与えることができますか？
_at_ ナンシー ：AHPのみの方法のいずれかの重みを決定するためには、他の方法を使用することができ、AHPは、これは重要ではありません、単に選択肢の一つであり、それはあなたの製品がたくさんあると言うような基本的な影響を与える指標を決定することが重要であるどのように定量的にこれらの製品のユーザーの使用を測定するが、これらの指標は、影響力のあるユーザが生成した値であるため、インデックスの重みを決定することである必要があります。
私は、状況に応じて決定され、特定のアプリケーションのアイデアのほんの分析を特定のソリューションを与えることはできません。
私が参照してください、あなたのアドバイスをありがとうございました。
実際、私はセットの重量は非常に主観的なようだが、客観性は比較的小さいと感じています。 製品の組成物はまた、製品の組成物はまだ特定され形成におけるサイトの設定とウェイト設定のサイトです。 この文より科学的なの重みを設定するために使用される方法としては重要ではないようです。 あなたは、と思いますか？
SEMインデックスの評価システムの確立を考慮し、私にとって非常に啓発されて、ありがとうございました！
カカ〜〜〜〜〜
彼は〜〜〜〜〜〜目覚め
私は確信して前に体重を決定するために他の重量のアンケートの分析階層プロセスは考えていませんでした
学んで再現〜
、多くの専門家の評価専門家の評価システムである階層構造に基づく分析法は非常に重要なものですか〜〜〜〜〜：質問
ヴィンセント ：一般的な一対比較結果のようなものですが、多様なコレクションを介してになり、整合性テストは、各サンプル個体はサンプルデータが最初に排除する必要があります（CR> 1.0）の整合性テストに合格し、その後はありません平均がそれで作成されたすべてのサンプルについて計算されます。
私は、テスト行列がああを行う方法を矛盾していますお願いしたいですか？
Melisa ：データを渡すための一貫性テストは、削除する必要があります
共有へのブロガーに感謝し、忠誠心を求めるための質問があり、購入のタイプは、このプロパティがあるかを顧客の忠誠心への応答はしますか？
_at_の右翼 ：ここでは、指標の選択は、標準の共通セットではありませんが、サイトは自分の状況に応じて調整することができます。 忠誠を分類し、購入の種類は、商品の種類は、商品の購入は比較的簡単で、集中化されたユーザーの信頼と、サイトの依存性がそれらにように、強くなるよりも多くを購入して検討することである。 一部のユーザーは他のウェブサイトやラインのチャンネルを選択するために、他の商品を購入する場合は、このサイト上の物品の特定のクラスに傾向があるかもしれないので。
最終アクセス時間がインジケータですか？
@ 業界の火災 ： "最後のアクセス時間は、"ユーザーを指しますが、最近の時点のサイトを訪問し、元の、現在の間隔から定量化のための最後のアクセス時間の時点で、間の日数を取得することができます。 あなたは下記の参考文献を読むことができます興味を持っている場合は、この記事では、命令を繰り返すことなく、ここで説明した顧客ロイヤルティ分析である必要があり、誤解を引き起こす可能性があり、それは推奨されます。