張如云，許波勇

0 引言

在對網(wǎng)站用戶行為[1]進(jìn)行分析時，一般可從用戶忠誠度的4個指標(biāo)進(jìn)行判斷，但看到的僅是各指標(biāo)的表現(xiàn)，無法對網(wǎng)站用戶忠誠度的總體水平進(jìn)行評價，因而需要對全部相關(guān)指標(biāo)進(jìn)行匯總，得出一個總評價。通常情況下，首先，對網(wǎng)站用戶忠誠度的相關(guān)指標(biāo)標(biāo)準(zhǔn)化，統(tǒng)一度量區(qū)間，然后，對所有相關(guān)指標(biāo)評分取平均值，以同等的重要性對待所有指標(biāo)，計算出忠誠度綜合評分，但實(shí)際上不同指標(biāo)對綜合評分的影響是不同的，有些較重要，有些次之，因此，可選擇AHP層次分析法來定義不同指標(biāo)的權(quán)重。

1 AHP層次分析法

AHP，其中文名稱是層次分析法，是20世紀(jì)70年代初美國運(yùn)籌學(xué)家 T.L.Saaty教授于提出的，它是一種對定性問題進(jìn)行定量化分析的多準(zhǔn)則決策方法。其特點(diǎn)是通過把復(fù)雜問題中的各種因素劃分為相互聯(lián)系的有序?qū)哟危怪畻l理化，在對一定客觀現(xiàn)實(shí)的主觀判斷前提下，將每個層次元素兩兩比較，再進(jìn)行定量描述。然后，利用數(shù)學(xué)方法計算，從而反映每一層次元素的相對重要性次序的權(quán)值，計算所有層次之間的總排序，計算出所有元素的相對權(quán)重，最后，進(jìn)行排序。該法主要適用于多目標(biāo)決策，通常用在存在多個影響指標(biāo)的情況下，對各方案的優(yōu)劣程度進(jìn)行評價。當(dāng)一個決策受到多個要素的影響時，且各要素之間存在層次關(guān)系，或者存在明顯的類別劃分，同時無法通過足夠的數(shù)據(jù)對各指標(biāo)對最終評價的影響程度進(jìn)行量化計算時，考慮該法就是一個最佳選擇。

2 忠誠度評價層次模型的研究

2.1 忠誠度評分層次模型的建立

從網(wǎng)站用戶的訪問路徑[2]分析，根據(jù)忠誠度的影響指標(biāo)來設(shè)計層次模型，將其分為兩層，上層是忠誠度，下層是評價忠誠度的4個相關(guān)指標(biāo)，如圖1所示：

圖1 忠誠度評分層次模型

2.2 網(wǎng)站用戶忠誠度對比矩陣算法分析

首先，構(gòu)造一個對比矩陣，將底層的4個相關(guān)指標(biāo)對忠誠度的影響權(quán)重計算出，然后，對需要賦權(quán)的同層各影響要素運(yùn)用9標(biāo)度進(jìn)行兩兩比較。模型中的要素i相對于要素j對上層的重要程度，數(shù)字1表示i與j同等重要，數(shù)字3的含義是i比j略重要，數(shù)字5表示i比j重要，數(shù)字7表示i比j重要很多，數(shù)字9表示i比j極其重要，在此可用WiWj表示該重要程度，經(jīng)過兩兩比較，就可得到用戶忠誠度對比矩陣，如圖2所示：

圖2 網(wǎng)站用戶忠誠度對比矩陣

接著計算出該矩陣對角線上方的各個比值，而該矩陣中對角線兩邊的對稱元素互為倒數(shù)，并且對角線中所有元素的值都為1，因此，得到對角線一側(cè)的數(shù)值就可計算出整個矩陣。矩陣的數(shù)值是兩兩比較所得結(jié)果，也許存在A元素比B元素重要，B元素比C元素重要，但C元素比A元素重要的情況，這就是所謂的矩陣的不一致性。因此，必須對比矩陣的一致性進(jìn)行驗(yàn)證。通常情況下評價該矩陣的一致性可通過計算矩陣的最大特征值的方法實(shí)現(xiàn)，相關(guān)的指標(biāo)有一致性指標(biāo)CI、隨機(jī)一致性指標(biāo)RI和一致性比率CR（CR=CI/RI），當(dāng)CR<0.1時，可認(rèn)為該對比矩陣的一致性是可被接受的。如果矩陣的一致性滿足其要求，則可以根據(jù)矩陣的最大特征值來進(jìn)一步計算出對應(yīng)的特征向量，并將特征向量標(biāo)準(zhǔn)化，使特征向量中各分量的和為1，再將其轉(zhuǎn)化為權(quán)向量.這正是所期望的結(jié)果。

從圖2中可以看出，對該忠誠度評分體系使用AHP層次分析法，計算出底層4個指標(biāo)對忠誠度的影響權(quán)重：忠誠度評分=訪問頻率評分×0.4+最近訪問間隔評分×0.25+平均停留時長評分×0.2+平均瀏覽頁面數(shù)評分×0.15，得到影響指標(biāo)的權(quán)重后，再通過加權(quán)求和的方式計算出最終的忠誠度評價，如表1所示：

表1 用戶忠誠度加權(quán)評分

從表1可看出，通過加權(quán)的方式計算出用戶忠誠度評分后，就可通過比較忠誠度評分來進(jìn)行評價，哪個用戶的忠誠度綜合值較高、哪個較低，這樣，電子商務(wù)網(wǎng)站就有了直接對用戶進(jìn)行取舍的依據(jù)。

以上雖然對用戶的忠誠度做了評價，但仍無法體現(xiàn)用戶創(chuàng)造的價值，而電子商務(wù)網(wǎng)站最想知道的就是對用戶的綜合價值的評價，例如，電子商務(wù)網(wǎng)站的用戶也許具備一定的忠誠度，但如果只看不買，仍然不會給網(wǎng)站創(chuàng)造經(jīng)濟(jì)效益，因此需要對用戶的價值輸出做進(jìn)一步評價，作為電子商務(wù)網(wǎng)站尤其應(yīng)關(guān)注這一點(diǎn)。為了進(jìn)一步將用戶的價值輸出[3]體現(xiàn)出來，在選擇指標(biāo)時需考慮與用戶購買相關(guān)的指標(biāo)，以下選擇了5個指標(biāo)供參考：（1）最近購買間隔：可取用戶最近一次購買距當(dāng)前的天數(shù)，該指標(biāo)反映用戶是否繼續(xù)保持在網(wǎng)站消費(fèi)；（2）購買頻率：用戶在一段時間內(nèi)購買的次數(shù)，該指標(biāo)重點(diǎn)反映用戶的消費(fèi)黏度；（3）購買商品種類：用戶在一段時間內(nèi)購買的商品種類或大類，該指標(biāo)反映用戶需求的廣度；（4）平均每次消費(fèi)額：用戶在一段時間內(nèi)的消費(fèi)總額÷消費(fèi)的次數(shù)，即客單價，該指標(biāo)反映用戶的平均消費(fèi)能力；（5）單次最高消費(fèi)額：用戶在一段時間內(nèi)購買的單次最高支付金額，該指標(biāo)反映用戶的支付承受能力和對網(wǎng)站的信任度。

3 基于用戶價值雷達(dá)圖的用戶價值數(shù)據(jù)分析

以上 5個指標(biāo)從不同的角度反映了用戶的價值輸出能力，并且是通過可量化統(tǒng)計得到的，但同樣有時間區(qū)間的限制，因而需注意選擇合適的時間段長度。為了能統(tǒng)一衡量標(biāo)準(zhǔn)，需對以上5個指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，在此使用10分制的方式進(jìn)行評價，然后再使用雷達(dá)圖，如圖3所示：

圖3 用戶價值雷達(dá)圖

圖3中的雷達(dá)圖展現(xiàn)了3個用戶各指標(biāo)的數(shù)據(jù)，反映了用戶的價值特征，根據(jù)每項指標(biāo)的屬性，可將用戶的價值分為兩塊：1.用戶的購買忠誠度：最近購買間隔、購買頻率和購買商品種類用來表現(xiàn)；2.用戶的消費(fèi)能力：平均每次消費(fèi)額和單次最高消費(fèi)額，圖3中框起來的兩塊區(qū)域，上半部分用于表示用戶的購買忠誠度，下半部分用于表示用戶的消費(fèi)能力，從圖3中3個用戶的數(shù)據(jù)可以看出，用戶3的整體價值較低，用戶1和2的整體價值較高，而用戶1的整體價值集中體現(xiàn)了較高的消費(fèi)能力，用戶2的整體價值則更多地體現(xiàn)了較高的購買忠誠度。

雷達(dá)圖很好地展現(xiàn)了用戶價值在不同指標(biāo)中的體現(xiàn)，如果再結(jié)合層次分析法[4]，就可對用戶的價值進(jìn)行綜合評價，基礎(chǔ)的數(shù)據(jù)源于以上5個指標(biāo)的評價結(jié)果，因此，使用AHP不僅可得到最終的用戶價值評價，還可得到上面的購買忠誠度和消費(fèi)能力這兩方面的評價。

用AHP層次分析法構(gòu)建了用戶價值評價層次模型如圖4所示：

圖4 用戶價值評價層次模型

底層有5項基礎(chǔ)指標(biāo)，中間層是用戶價值的兩個方面，分別對應(yīng)各自的指標(biāo)，最上層是用戶的綜合價值。在此使用3次AHP層次分析法來計算，主要考慮3種權(quán)重：1.購買忠誠度和消費(fèi)能力兩項指標(biāo)對用戶價值的影響權(quán)重；2.最近購買間隔、購買頻率和購買產(chǎn)品種類3項指標(biāo)對購買忠誠度的影響權(quán)重；3.平均每次消費(fèi)額和單次最高消費(fèi)額兩項指標(biāo)對消費(fèi)能力的影響權(quán)重。

4 網(wǎng)站用戶行為綜合評價

經(jīng)過3次兩兩比較后，就可計算出圖4中的每一層指標(biāo)對上次的影響向權(quán)重，如圖4中連接線上標(biāo)注的數(shù)值所示，將其轉(zhuǎn)化為具體的公式，其結(jié)果如下：

用戶價值=購買忠誠度×0.67+消費(fèi)能力×0.33

忠誠度=最近購買時間×0.12+購買頻率×0.64+購買產(chǎn)品種類×0.24

消費(fèi)能力=平均每次消費(fèi)額×0.67+單次最高消費(fèi)額×0.33

經(jīng)過推導(dǎo)，可以用底層5個指標(biāo)的評分直接計算得到用戶的綜合價值評分：

用戶綜合價值評分=(最近購買間隔評分×0.12+購買頻率評分×0.64+購買產(chǎn)品種類評分×0.24)×0.67+(平均每次消費(fèi)額評分×0.67+單次最高消費(fèi)額評分×0.33)×0.33

對其進(jìn)行轉(zhuǎn)換得到：

用戶綜合價值評分=最近購買間隔評分×0.08+購買頻率評分×0.43+購買產(chǎn)品種類評分×0.16+平均每次消費(fèi)額評分×0.22+單次最高消費(fèi)額評分×0.11

通過以上公式的計算，就可得出圖 4中所有層次的評分，然后再根據(jù)雷達(dá)圖中的 3個用戶的數(shù)據(jù)計算其綜合評分，如表2所示：

表2 網(wǎng)站用戶綜合價值評分

表2得出了購買忠誠度、消費(fèi)能力、綜合價值三種評分，這樣不僅能夠通過直接比較用戶的綜合價值評價來獲取網(wǎng)站的重要用戶，還可為針對用戶體驗(yàn)[5]的細(xì)分提供一個有力的量化數(shù)值參考依據(jù)，如圖5所示：

圖5 用戶價值評價細(xì)分圖

圖5中展示了100位用戶的價值評分?jǐn)?shù)據(jù)，根據(jù)購買忠誠度和消費(fèi)能力的評分情況兩個方面，將其分成了 4個區(qū)域，由此可看出電子商務(wù)網(wǎng)站各個用戶特征的分布狀況：

C區(qū)域的用戶較多地分布在忠誠度和消費(fèi)能力評分為3附近的區(qū)域，這是網(wǎng)站最普遍的客戶群；

B區(qū)域的用戶是網(wǎng)站的最有價值客戶，但是數(shù)量相當(dāng)稀少，可能低于l0%；

A區(qū)域中有一個點(diǎn)密集區(qū)域，其忠誠度為 1～2、消費(fèi)能力為8～9，這是網(wǎng)站的高級消費(fèi)用戶群，他們消費(fèi)不多，但消費(fèi)額很高，如果電子商務(wù)網(wǎng)站能提供高價值消費(fèi)品和批量購買等服務(wù)的話，那么他們就可能是高消費(fèi)客戶群；

D區(qū)域的用戶雖然消費(fèi)能力也不強(qiáng)，但他們是網(wǎng)站的忠實(shí)粉絲，要高度重視這些用戶，他們往往是網(wǎng)站線下營銷和品牌口碑傳播的有利擁護(hù)者。

5 總結(jié)

通過以上分析，可以歸納出電子商務(wù)網(wǎng)站用戶的某些特征，能為網(wǎng)站的運(yùn)營方向和營銷策略提供一定的決策支持。如果需制訂針對用戶的營銷策略，就可考慮 A、B、C、D這4類用戶群體中的某一類。

[1]王利強(qiáng),劉正捷,張麗萍,張海昕,陳軍亮.網(wǎng)站用戶行為數(shù)據(jù)收集和分析方法[J].電腦開發(fā)與應(yīng)用,2004(02):2-4.

[2]張瑩.從商務(wù)網(wǎng)站用戶行為數(shù)據(jù)提取用戶興趣[J].濰坊學(xué)院學(xué)報,2005(04):21-23.

[3]庫波;晁學(xué)鵬.一種用于網(wǎng)站用戶行為分析數(shù)據(jù)的可擴(kuò)展協(xié)同聚類算法[J].科技通報,2013(12):67-69.

[4]李祖培.政府公共信息服務(wù)網(wǎng)站用戶行為分析及啟示—以廣西農(nóng)業(yè)信息網(wǎng)為例[J].大眾科技,2012(08):44-47+10.

[5]吳江;黃晟青;蔡駿.互聯(lián)網(wǎng)購物網(wǎng)站用戶體驗(yàn)設(shè)計研究[J].包裝工程,.2012(08):68-71.