В предыдущих двух статьях описывается анализ лояльности клиентов на основе клик-поток данных для всех сайтов и используется в электронной коммерции, анализ пользователей сайта , и интуитивно понятный график радар может показать пользователю в различных показателей эффективности, мы можем районе, в окружении графики радиолокационной карте просто оценить стоимость пользователем. У нас могут быть на этот вопрос, когда каждый индекс веса (например, сайты электронной коммерции могут уделять больше внимания количеству пользователей выполнять заказы или объем сделок в период времени), в этом случае, как оценить интегрированные значения пользователь? Если вы читали мою предыдущую статью - анализа иерархий (МАИ) , я полагаю, вы нашли удовлетворительного ответа, АХП может решить эту проблему. Следующие были введены использованием аналитической иерархии процесса оценки лояльности клиентов и электронной коммерции, веб-сайт пользователи значение оценка:

Оценка лояльности клиентов

Лояльность клиентов по четырем показателям - частота доступа пользователей, последнее время доступа и среднее время пребывания и среднего посетите страницу ряд решений, четырех показателей не существует очевидных категорий, и может рассматриваться независимо друг от индикатора на том же уровне , нам нужно только создать двухслойную модель:

Нам нужно рассчитать нижнюю часть веса каждого из показателей лояльности клиентов, и нужно только знать, удельный вес основных индикаторов, это в основном за счет группы экспертов или методов обследования исследований для получения данных, предполагается, между любыми двумя из четырех показателей доли В следующей таблице (по 9 шкале):

- Данные в таблице обратной матрицы, то есть, если часть пользователей для доступа к частоте "и" время последнего доступа "Анализ, что статья 7 (1-9 масштаб, определение уровнем моря), то соответствующая строка 2 вида (3) значение значение диагонали матрицы симметрии вида (линии 3, 2) 1/7. Парные сравнения необходимо заполнить только диагональная часть данных, отсчет времени, с другой стороны взять на себя соответствующие значения.

　　 Показатели между попарного сравнения, вся матрица несогласованности данных, таких как данные по таблице "частоты доступа пользователей и среднее время пребывания", "средний посетить все три доли количество страниц. следует сделать вывод доля среднего времени пребывания "и" Среднее число просмотров 1, что не менее важно, но ниже доли фактических данных составляет 1/3. Таким образом, вы можете увидеть попарно процесс сравнения заботятся только об отношениях между этими двумя показателями, нет вывода отношений, что может привести к непоследовательности всей матрицы, матрица несоответствие коэффициента перед вычислением веса, только менее 0,1 Матрица данных может быть принят.

Таблица парного сравнения результатов анализа на уровне закона матричный оператор расчета каждой весовой индекс прав, если вы преуспеть достаточно, чтобы быть знакомым со словами в Excel, которая также может достигнуть здесь рекомендуется использовать АХП инструментов анализа - эксперт Выбор в этом инструменты внутри здания похожа на описанную выше модель дерева, то вклад в попарно результаты сравнения на столе показателей, программное обеспечение будет автоматически рассчитать вес каждого показателя по отношению к цели и модели CR (последовательность вероятности). Импорт выше модели, парные сравнения показателей в данных формы ввода, программа рассчитана CR = 0,05 <0,1, так что данные через испытание, можно дополнительно получить доступ к весу каждого показателя, следующие взвешенный взвешенный формуле:

Лояльность клиентов = доступа пользователей частот * 0,525 + недавнего времени доступ * 0,056 + среднее время пребывания * 0,139 + средний просматривать страницы * 0,279

Основываясь на этих выводах, мы стандартизированных каждому показателю оценки данных взвешенную сумму пользователь лояльность двумя пользователями в тексте, например, с помощью 10-процентиль балльной системы, расчет лояльность клиентов следующим образом:

Выше уровень анализа, оценки нескольких результатов оценки взвешенных агрегированных к целевым показателям, более прямой оценки пользователей, полученные результаты могут быть рассчитаны для каждого рейтинга лояльности пользователей, можно сортировать, выберите лояльности начало расширяться направлены маркетинга.

Оценка пользователей значения сайт электронной коммерции

Экземпляр от приведенного выше анализа, применения метода анализа иерархий должны иметь определенные знания, то более сложная многоуровневая модель анализа, анализа иерархий, как этого добиться? Следующая система индексов, например, в этой статье краткое введение в электронной коммерции пользователей сайта . Первое здание, оценка индекса модели системы показателей, полученных из данных об электронной торговле сделки более обильные, далее с разбивкой по индексу показателей разработана в соответствии с работы, вы можете установить трехслойную структуру модели, как показано ниже:

На основе этой модели, нужно в три раза АХП для расчета:

1. Лояльность и покупательную способность вес пользователя значения;
2. Недавно купил, частота покупки и приобрести продукт категории лояльности веса;
3. Среднем каждый расходов и высшая разовая сумма расходов на покупательную способность веса.

Показатели веса попарно сравнения были получены на каждом шагу, последовательность вероятности CR для расчета матрицы, рассчитать весовые коэффициенты каждого показателя на верхней соответствующие показатели, и в конечном итоге мы можем получить следующие результаты:

Пользователь значение = лояльности * 0,67 + потребление мощности * 0.33

Лояльность = последнее время покупки * 0,12 + частоте покупки * 0,64 ± Купить продукт категории * 0,24

Расходы мощности = средняя каждый расходы * 0,67 + слово * 0.33 из самых высоких расходов

Пользователь значение можно получить прямую формулу:

Пользователь значение = (последняя покупка времени * 0,12 + частоте покупки * 0,64 ± покупку товарных категорий * 0,24) * 0,67 + (средний расход от каждой суммы * 0,67 + слова максимальный расходы * 0.33) * 0.33 →

Пользователь значение = покупка времени * 0,08 + частоте покупки * 0,43 + Купить продукт категории * 0,16 + * 0,22 + слова расходы * 0,11 среднем каждый расходов

Пример двух пользователей, чтобы вычислить их значение общего балла, в следующей таблице:

Как видно из таблицы, не только для расчета конечных показателей достижения целей (потребительской ценности) рейтингов в анализе результатов, полученных с использованием аналитических иерархий, но и возможность рассчитать индекс получить модель в среднем слое (лояльности и покупательной способности) рейтинги, так что мы можем не только прямое сравнение стоимости счет пользователя для важных пользователей на веб-сайте, лояльности и покупательной способности рейтингов для пользователей сегмента сильной количественный численный ссылки, как показано ниже:

- 100 случайных выборок данных, разброс данных диаграммы только для справки и не являются любые фактические

Разброс сюжет выше просто проявление лояльности и покупательной способности, собранные из графика середины распределения интенсивности (или точки) может простой схеме делится на четыре, чтобы встретиться точки подблок в кратчайшее расстояние (самый плотный) и блок распределения длинный (самый дискретный), а на самом деле можно рассматривать как один из самых простых кластеров видно из распределения электронной коммерции сайт пользователя:

• Распределенные больше лояльности и покупательной способности рейтинги трех вблизи области, а также наиболее распространенные базы сайта клиента видно из области C;
• Пользователи в области B является местом наиболее ценных клиентов (VIP), но число встречается довольно редко, может быть меньше 10%;
• Точка интенсивного интервалом в регионе (лояльность 1-2, покупательная способность 8-9), что является местом передовой базой пользователей потребителя, а не больше, чем потребляют, но и расходы высоки, если ваш сайт является предоставление товаров класса люкс оптовая торговля, купить услуги, они могут быть в том, что клиентская база;
• Пользователи покупательная способность D области не сильны, но они являются преданными поклонниками вашего сайта, не игнорируйте этих пользователей, они, как правило, благоприятный сторонником сайт форума маркетинг и распространение репутации торговой марки.

Как и в приведенном выше анализе мы обнаружили, что некоторые характеристики сайта электронной коммерции, чтобы обеспечить поддержку принятия решений, оперативного руководства и маркетинговой стратегии для сайта.

Это статья, которая направлена ​​на применение метода анализа иерархий оценки веб-сайта пользователя, по сути, анализа иерархий относится не только к оценке пользователей сайта, то же относится и к страницам веб-сайта, продукты, источники, ключевые слова и другие приняли участие более Оценка показателей могут быть многоуровневыми, ключ в том, как создать систему оценки системы показателей. Если у вас есть лучшая идея расширения и приветствуем обмен комментарии со мной.

»В этой статье BY-NC-SA соглашение, воспроизводить пожалуйста, укажите источник: анализ данных » "пользователь значение рейтинговой системы

Статьи по теме:

1. Анализ электронной коммерции пользователей сайта
2. Анализ лояльности пользователей
3. Значение жизни пользователей сайта
4. Сравнительный анализ на основе пользовательских сегментов
5. RFM анализ сайта электронной коммерции

• На одном: анализа иерархий (МАИ)
• Далее: веб-аналитики источников данных