忠誠用戶不僅能為網站創造持續的價值，同時也是網站品牌口碑推廣的重要渠道，所以目前網站對忠誠用戶愈加重視。 可能很多網站或者網站分析工具對用戶做了“新用戶”和“回訪用戶”的劃分，但是單單區分新老用戶是不夠了，我們需要更加完善的指標來衡量網站用戶的忠誠度。
用戶忠誠度（Loyalty） ，指的是用戶出於對企業或品牌的偏好而經常性重複購買的程度。 對於網站來說，用戶忠誠度則是用戶出於對網站的功能或偏好而經常訪問該網站的行為。 根據客戶忠誠理論，忠誠度可以由以下4個指標來度量：
- 重複購買意向（Repurchase Intention ） ：購買以前購買過的類型產品的意願；
- 交叉購買意向（Cross-buying Intention ） ：購買以前為購買的產品類型或擴展服務的意願；
- 客戶推薦意向（Customer Reference Intention ） ：向其他潛在客戶推薦，傳遞品牌口碑的意願；
- 價格忍耐力（Price Tolerance ） ：客戶願意支付的最高價格。
量化網站的用戶忠誠度
以上的4個指標對於電子商務網站而言，可能還有適用性，但對於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，這裡可以選取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（一些網站度量的相關定義請參考—— 網站分析的基本度量 ）：
- 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；
- 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，所以為了便於度量，一般取用戶最近訪問時間距當前的天數。
- 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；
- 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徵來定的，如果網站的信息更新較快，用戶訪問較為頻繁，那麼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 ），這裡我採用的是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，數據就全部分佈在[0,10]區間內了，如下圖：
| 訪問頻率 | 最近訪問時間 | 平均停留時間 | 平均訪問頁面 | ||
| 用戶1 | 數據 | 2次 | 15天前 | 150秒 | 3頁 |
| 標準化 | 0.10 | 0.50 | 0.30 | 0.38 | |
| 評分 | 1 | 5 | 3 | 3.8 | |
| 用戶2 | 數據 | 8次 | 2天前 | 120秒 | 5頁 |
| 標準化 | 0.40 | 0.93 | 0.24 | 0.63 | |
| 評分 | 4 | 9.3 | 2.4 | 6.3 |
——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，那麼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：
- 可以完整地顯示所有評價指標；
- 顯示用戶在各指標評分中的偏向性；
- 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）；
- 可以用於用戶間忠誠度的比較。
下面是根據上表繪製的雷達圖示例：
用戶忠誠度分析的意義
那麼基於這個展示的結果我們能做些什麼呢？ 其實對於任何網站而言，有兩個方向是一致的： 保留忠誠用戶 ， 減少流失用戶 。 基於上面的用戶忠誠度評價體系擴展開來就是：
- 分析忠誠用戶的行為特徵，努力滿足他們的需求，提高他們的滿意度；
- 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，並試圖挽留流失用戶；
- 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，我這裡使用的是基於用戶訪問頻率、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，並用雷達圖進行展示和比較，也許你可以根據自己網站的特徵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，並努力留住他們。
»本文采用BY-NC-SA協議，轉載請註明來源： 網站數據分析 » 《網站用戶忠誠度分析》
相關文章:
Hi, 很不錯的分析。
不過感覺你分析的更多的是engagement而不是loyalty。 正如你開始說的，Loyalty首先是針對既有客戶而談的.
如果是分析engagement的話，Eric T. Peterson有一篇比較詳細的分析，可以參考一下：
http://blog.webanalyticsdemystified.com/weblog/2007/01/engagement-metric-defined-part-iv-in.html
@ 天岸 :多謝你推薦的文章。 engagement的指標可能根據網站的不同而存在差異，我這裡只是想找到一種能適合所有網站的用戶分析方法，文中的4個指標可以作為基本度量做擴展分析，或者這個分析也可以叫做網站用戶黏度分析，“loyalty”只是我借用了GA上的概念。
能不能把上面用戶一和用戶二的數據標準化過程發給我自己做的不對謝謝
@ lesk :你好，文章中的數據只是我的模擬數據。 你按照數據的標準化中的min-max標準化方法進行數據處理應該沒什麼問題的。
這裡的max是指樣本數據集中每個指標中的最大值，min是最小值，x是計算的該樣本指標的值，如果數據量不是很大，用Excel也可以處理。
還有問題的話，可以加我的Gtalk：joeghwu@gmail.com
數據假設max=20 min=0 對嗎
@ zhaoruxin :你好，Min和Max可以通過實際數據的最大最小值求得，不需要假設的。
請問最近訪問時間是逆指標吧？
@ nancy :嗯，可以這麼說。 因為最近訪問時間距離當前越近說明用戶粘度越高，距離當前時間點越遠可能用戶正在遠離你的網站。
現在我更喜歡用最近訪問間隔（天數）來替換最近訪問時間這個指標；將單純的時間點轉變成一個定量的度量。
你好，我對用雷達圖中圖形圍成的面積作為用戶忠誠度的綜合評分有一些疑問（個人看法，呵呵）：首先，若指標的排列順序變動的話（實際上文章中的雷達圖有3種畫法），雷達圖中圖形圍成的面積是會變的，即雷達圖面積具有不唯一性；另外，我參考了一些資料，有的是用雷達圖中圖形圍成的面積乘以相應圖形的周長再開方，或是用面積乘以邊長的平方和再開方，來作為綜合評分.
@ bobo :嗯，我這裡的意思是簡單地比較，不是從幾何意義上說雷達圖圍成的面積一定代表了一個綜合評分，如果需要比較準確的綜合評分，可以考慮在指標標準化之後做加權計算。
hi，問個問題：
為什麼要把用戶忠誠度劃分為這4個維度呢我想知道的是這4個維度是否充分和必要？
我覺得一個好的劃分標準應當是完備和獨立的
1 訪問頻率、最近訪問時間這兩個值有點重疊，如果用戶訪問平率是一周，平均的最近訪問時間就應該是3.5天
2 之前提到的“交叉購買意向”“推薦意向”並不能從指標中體現希望能共同探討，謝謝
@ 根號 :非常感謝你提的問題。
用戶的忠誠度不是一個可直接量化的指標，我們需要從其他可以統計得到的指標中反映；而文章中舉例的4個指標不是充分也不是必要，這個例子不是網站分析用戶忠誠度的標準模型，網站分析師可以根據網站的業務特徵搭建合適的忠誠度分析模型，指標不局限於這4個，但這4個指標是幾乎所有網站都可以得到的，所以不妨稍加參考，好的分析模型是得到有效結論的關鍵。
請仔細看下“訪問頻率”的定義，它不是訪問的平均間隔，而是一段時間內的訪問次數，所以跟“最近訪問時間”是有差異的。
文中開頭提到的“交叉購買”、“推薦意向”是的用戶忠誠度的傳統定義，這篇文章基於網站分析的層面，為了得到量化指標選擇了網站中的用戶訪問行為，購買行為在電子商務網站中同樣可以分析，可以看看我的另外幾篇文章。
@ joegh :請問有沒有好的電商網站忠誠度分析模型？ 可以量化測量那種，我打算做一個忠誠度評價系統，但是沒有這方面的模型，往年的論文提出的模型大都通過調查問卷。 謝謝
@ coder :我覺得如果要分析忠誠度，也不一定非要有現成的定量模型，可能確實完全定量的也不多。 但闡述忠誠度的相關論文應該有不少，其實可以從一些對忠誠度的論述中建立一套可行的分析模型，至於數據獲取調查問卷也是一塊，如果要完全獲得網站的實際數據可能確實有一定難度，而且也要考慮基於這些數據研究結論的效度。