評價用戶忠實度

用戶忠實度由4個指標——用戶訪問頻率、最近訪問時間、均勻停留時間戰爭均閱讀頁面數決議，這4個指標沒有明顯的類別劃分，并且能夠以為是在同一層次上的互相獨立的指標，所以只需求構建2層的模型：

AHP-model-for-user-loyalty

我們需求計算底層每個指標對用戶忠實度的影響權重，只需求曉得底層各指標間的相比照重，這個主要經過專家組或者問卷調研的辦法取得數據，這里假定4個指標間兩兩比擬的比重如下表（運用9標度）：

——表格中的數據是一個正互反矩陣，即假如“用戶訪問頻率”與“最近訪問時間”的比重為7（1-9標度的定義參見層次剖析法那篇文章），則對應的表格（第2行第3列）的數值為7，矩陣對角線對稱的表格（第3行第2列）的值為1/7。所以兩兩比擬只需求完成對角線一側的數據，另一側取對應數值的倒數就能夠了。

由于指標間停止的是兩兩比擬，所以整個矩陣的數據會存在不分歧性，比方上表中的數據“用戶訪問頻率”和“均勻停留時間”、“均勻閱讀頁面數”的比重都是3，那么一次應該推斷“均勻停留時間”和“均勻閱讀頁面數”的比重應該是1，也就是同等重要，但是下面該比重的實踐數據是1/3。所以能夠看到兩兩比擬的過程只在乎兩個指標的關系，不存在推導關系，這樣就會招致整個矩陣存在不分歧性，在計算權重前需求考證矩陣的不分歧性系數，只要小于0.1時，該矩陣的數據才干被采用。

依據表中兩兩比擬的結果能夠經過層次剖析法的矩陣運算計算各指標的權重，假如你對excel足夠熟習的話在excel里面也能夠完成，這里引薦運用AHP的剖析工具——Expert Choice，在這個工具里面只需構建相似上面的樹狀模型，然后將上表的指標兩兩比擬的結果輸入進去，軟件就會自動計算出各指標相關于目的的權重及整個模型的CR（分歧性概率）。導入上面的模型，輸入表格中指標兩兩比擬數據，經過軟件計算得出的CR=0.05<0.1，所以數據經過檢驗，能夠進一步獲取各指標的權重，得到以下的加權加權計算公式：

用戶忠實度=用戶訪問頻率*0.525+最近訪問時間*0.056+均勻停留時間*0.139+均勻閱讀頁面數*0.279

基于該結果，我們能夠將規范化后的用戶每個指標的評分數據停止加權求和，還是以網站用戶忠實度剖析一文中的兩個用戶為例，采用的是10分值的評分體系，則計算用戶的忠實度如下：

經過上述的層次剖析法，將多個評價指標的評分結果加權匯總到一個目的指標，有利于更直接地評價用戶，經過上述結果能夠算出每個網站用戶的忠實度評分，能夠直接排序選擇忠實度排名靠前的用戶展開定向營銷。

評價電子商務網站用戶的綜合價值

經過上面的剖析實例，大家對層次剖析的應用應該有了一定的熟習，那么關于愈加復雜的多層次剖析模型，層次剖析法又是如何完成的呢？下面就以電子商務網站用戶剖析這篇文章中的指標體系為例來扼要引見下。首先也是構建評價指標體系模型，從電子商務的買賣數據中獲取的指標更為豐厚，我們依據文中對指標的論述，將指標進一步分層，能夠樹立起3層構造的模型，如下圖：

AHP-model-for-E-commerce-user

基于這個模型，需求運用3次AHP來計算：

忠實度和消費才能對用戶價值的影響權重；

最近購置時間、購置頻率和購置產種類類對忠實度的影響權重；

均勻每次消費額和單次最高消費額抵消費才能的影響權重。

分別在每一步中獲取指標兩兩比擬的權重，計算矩陣的分歧性概率CR，若經過則計算取得每個指標對上層相應指標的影響權重系數，最終我們能夠得到相似如下的結果：

用戶價值=忠實度*0.67+消費才能*0.33

忠實度=最近購置時間*0.12+購置頻率*0.64+購置產種類類*0.24

消費才能=均勻每次消費額*0.67+單詞最高消費額*0.33

則能夠推導的出用戶價值的直接計算公式：

用戶價值=（最近購置時間*0.12+購置頻率*0.64+購置產種類類*0.24）*0.67+（均勻每次消費額*0.67+單詞最高消費額*0.33）*0.33　　→

用戶價值=最近購置時間*0.08+購置頻率*0.43+購置產種類類*0.16+均勻每次消費額*0.22+單詞最高消費額*0.11

還是用文中例舉的兩個用戶為例來計算他們的綜合價值評分，如下表：

\從上表能夠看出，在運用層次剖析法取得的剖析結果中，不只可以計算出最終的目的指標（用戶價值）的評分，同時也可以計算得到模型的中間層指標（忠實度和消費才能）的評分，這樣我們不只可以經過直接比擬用戶的綜合價值評分獲取網站的重要用戶，同時忠實度和消費才能的評分也為針對用戶的細分提供了一個有力的量化數值參考根據

消費才能 忠實度

——100個隨機樣本數據的散點散布，圖中的數據僅供參考，不代表任何網站的實踐狀況

上面的散點圖是對用戶忠實度和消費才能的一個簡單展現，從圖中點的匯集狀況（或者點散布的密集度）能夠將圖簡單分紅4塊，滿足各分塊內部的各點間間隔最短（最密集）及各分塊間的點散布間隔最長（最離散），其實能夠看做是一個最簡單的聚類，從中能夠看出電子商務網站用戶特征的散布狀況：

從C區域能夠看出用戶較多地散布在忠實度和消費才能評分為3左近的區域，也是網站最普遍的客戶群；

B區域的用戶是網站的最有價值客戶（VIP），但是數量相當稀少，可能不到10%；

在A區域有一個點密集區間（忠實度1-2、消費才能8-9），能夠以為是網站的高級消費用戶群，他們消費不多，但消費額很高，假如你的網站提供高級消費品、批發、團購等效勞的話，那么他們就可能是那方面的客戶群；

D區域的用戶固然消費才能也不強，但他們是你的網站的忠實Fans，不要無視這些用戶，他們常常是網站線下營銷和品牌口碑傳播的有利反對者。

經過相似上面的剖析過程，我們能夠發現電子商務網站用戶的某些特征，為網站的運營方向和營銷戰略提供一定的決策支持。

這篇文章里面主要討論的是運用層次剖析法對網站用戶的一個評價應用案例，其實層次剖析法不只適用于網站用戶的評價，同樣適用于網站頁面、產品、來源、關鍵詞及其它任何牽涉多指標可分層的評價，關鍵在于如何樹立起一套系統的有效的指標評價體系。假如你有更好的擴展思緒，歡送與我評論交流。